基于规则推理网络的分类模型

来源：软件学报杂志2020年第4期北京时间：

作者：黄德根，张云霞，林红梅，邹丽，刘壮

单位：黄德根，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602411,张云霞，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602402,林红梅，辽宁师范大学 计算机与信息技术学院, 辽宁 大连 11608103,邹丽，辽宁师范大学 计算机与信息技术学院, 辽宁 大连 11608104,刘壮，大连理工大学 计算机科学与技术学院, 辽宁 大连 11602405

摘要：为了缓解神经网络的"黑盒子"机制引起的算法可解释性低的问题，基于使用证据推理算法的置信规则库推理方法（以下简称RIMER）提出了一个规则推理网络模型.该模型通过RIMER中的置信规则和推理机制提高网络的可解释性.首先证明了基于证据推理的推理函数是可偏导的，保证了算法的可行性；然后，给出了规则推理网络的网络框架和学习算法，利用RIMER中的推理过程作为规则推理网络的前馈过程，以保证网络的可解释性；使用梯度下降法调整规则库中的参数以建立更合理的置信规则库，为了降低学习复杂度，提出了"伪梯度"的概念；最后，通过分类对比实验，分析了所提算法在精确度和可解释性上的优势.实验结果表明，当训练数据集规模较小时，规则推理网络的表现良好，当训练数据规模扩大时，规则推理网络也能达到令人满意的结果.

关键词：规则推理;RIMER;可解释性网络;机器学习;不确定性分类

基金资助：国家自然科学基金（61772250，U1936109，61672127）