Given a neural network b, trepan ge

Given a neural network b, trepan generates a decision tree g that approximates the network by maximizing the gain ratio and the model fidelity. In particular, to leverage abstraction, trepan adopts n-of-m decision rules on which only n out of m conditions must be satisfied in order to fire the rule.

Kết quả (Việt) 1:

Với mạng nơ-ron b, trepan tạo ra cây quyết định g gần đúng với mạng bằng cách tối đa hóa tỷ lệ khuếch đại và độ trung thực của mô hình. Đặc biệt, để tận dụng tính trừu tượng, trepan áp dụng các quy tắc quyết định n-of-m mà chỉ có n trong số m điều kiện phải được thỏa mãn để kích hoạt quy tắc.

Kết quả (Việt) 2:

Với một mạng nơ-ron b, trepan tạo ra một cây quyết định g để xấp xỉ mạng đó bằng cách tối đa hóa tỷ lệ lợi nhuận và độ trung thực của mô hình. Đặc biệt, để tận dụng sự trừu tượng, trepan sử dụng quy tắc quyết định n-of-m, trong đó n trong số m điều kiện phải được đáp ứng để kích thích quy tắc.

Kết quả (Việt) 3:

cho mạng lưới thần kinh b, trepan tạo ra cây quyết định g, nó xâm nhập vào mạng lưới bằng cách tối đa hóa tỷ lệ tăng và độ trung thực của mô hình. Đặc biệt, để khai thác sự trừu tượng, Trepan sử dụng n-of-m quy tắc quyết định, chỉ cần đáp ứng n trong m điều kiện để kích hoạt quy tắc.