Representação modular de redes neurais em camadas.

As redes neurais em camadas melhoraram muito o desempenho de várias aplicações, incluindo processamento de imagens, reconhecimento de fala, processamento de linguagem natural e bioinformática. No entanto, ainda é difícil descobrir ou interpretar o conhecimento a partir da inferência fornecida por uma rede neural em camadas, uma vez que sua representação interna possui muitos parâmetros não-lineares e complexos incorporados em camadas hierárquicas. Portanto, torna-se importante estabelecer uma nova metodologia pela qual as redes neurais em camadas podem ser entendidas. Neste artigo, propomos um novo método para extrair uma estrutura global e simplificada de uma rede neural em camadas. Com base na análise de rede, o método proposto detecta comunidades ou grupos de unidades com padrões de conexão semelhantes. Mostramos a sua eficácia aplicando-a a três casos de uso. (1) Decomposição de rede: pode decompor uma rede neural treinada em múltiplas pequenas redes independentes, dividindo assim o problema e reduzindo o tempo de computação. (2) Avaliação de treinamento: a adequação de um resultado treinado com um determinado hiperparâmetro ou parâmetros iniciais escolhidos aleatoriamente pode ser avaliada usando um índice de modularidade. E (3) análise de dados: em dados práticos, revela a estrutura da comunidade nas camadas de entrada, oculto e de saída, que serve como uma pista para descobrir o conhecimento de uma rede neural treinada.

Tags:
, Wire, Artificial Intelligence Newswire, United States, Portuguese