ALGORITMOS GENÉTICOS DE ARUPAMENTO PARA EXTRAÇÃO DE REGRAS DE REDES NEURAIS
Autor
Eduardo Raul Hruschka
Resumo
A principal limitação da utilização de redes neurais supervisionadas, em aplicações de mineração de dados (data mining), se deve à dificuldade do entendimento da representação do conhecimento incorporado pelos seus modelos. Para tentar superar esta limitação, faz-se uso de Algoritmos de Extração de Regras de Redes Neurais. Nesse sentido, o desenvolvimento de algoritmos eficazes para extração de regras de redes neurais, mais especificamente de perceptrons de múltiplas camadas, é uma tarefa importante e se constitui na principal contribuição do presente trabalho. Basicamente, descreve-se o desenvolvimento de uma metodologia, baseada em algoritmos genéticos de agrupamento, para extrair regras de perceptrons de múltiplas camadas treinados em problemas de classificação que envolvam atributos discretos e/ou contínuos.
Abstract
The main challenge to the use of supervised neural networks in data mining applications is to get explicit knowledge from these models. For this purpose, algorithms for rule extraction from neural networks are developed. This work presents two new algorithms that extract logical classification rules from supervised neural networks. Basically, a methodology based on clustering genetic algorithms is described and evaluated. The developed algorithms are designed to extract rules from multilayer perceptrons trained in classification problems that involve numeric and categorical attributes.
