• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Версия для слабовидящихЛичный кабинет сотрудника ВШЭПоискМеню

Интерпретация моделей глубокого обучения черного ящика с использованием методов интеллектуального анализа данных

ФИО студента: Паракал Эрик Джордж -

Руководитель: Кузнецов Сергей Олегович

Кампус/факультет: Факультет компьютерных наук

Программа: Науки о данных (Магистратура)

Оценка: 8

Год защиты: 2020

Современные модели машинного обучения используются в широком спектре реальных приложений. Однако для того, чтобы они были полностью приняты в определенных областях, обоснование их предсказаний должно быть легко понятным. Модели, для которых объяснения их предсказаний не могут быть поняты, называются "черными ящиками" из-за их непрозрачной природы. Напротив них находятся "белые ящики", предсказания которых более объяснимы. В этой работе исследуется идея интерпретации черных ящиков с использованием комбинации методов интеллектуального анализа данных и аппроксимации с использованием белых ящиков. Следующие белые ящики были дополнены с помощью метода интеллектуального анализа данных: 1) Байесовские Списки Правил 2) алгоритм Потрошителя 3) алгоритм OneR и этот белый ящик был создан с использованием метода интеллектуального анализа данных: 4)ленивый классификатор на основе поддержки черные ящики интерпретировались так 1) Прямая нейронная сеть 2)Поддержка-векторов Следующие результаты были получены следующие: 1) черные ящики были аппроксимированы белыми ящиками, тем самым выполняя требование суррогатного материнства метода интерпретируемости. 2) для белых ящиков было обнаружено существование общего ядра выдающихся признаков. 3) существование подобных правил было обнаружено между белыми досками. Делаются следующие выводы: 1) Этот метод интерпретируемости вполне осуществим. 2) существование общего ядра показывает, что существуют некоторые заметные особенности, которые вносят значительный вклад в предсказания, сделанные черными ящиками, тем самым помогая лучше объяснить его предсказания. 3) аналогичные правила, найденные для белых досок, основанных на общем ядре, еще раз доказывают, что эти выдающиеся особенности изучаются во всех моделях.

Текст работы (работа добавлена 24 мая 2020 г.)

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ