| Title: | Podatkovni kanjoni, pristop strojnega učenja za potrebe razložljive umetne inteligence : doktorska disertacija |
|---|
| Authors: | ID Žlahtič, Bojan (Author)
ID Kokol, Peter (Mentor) More about this mentor...  |
|---|
| Files: |  DOK_Zlahtic_Bojan_2023.pdf (3,26 MB)
MD5: 062B25EDB220C1A4F8203C1CA7AA64E8
|
|---|
| Language: | Slovenian |
|---|
| Work type: | Doctoral dissertation |
|---|
| Typology: | 2.08 - Doctoral Dissertation |
|---|
| Organization: | FERI - Faculty of Electrical Engineering and Computer Science
|
|---|
| Abstract: | Z uporabo algoritmov strojnega učenja je mogoče izvesti zapletene analize in pridobiti
globlje vpoglede na osnovi obsežnih količin podatkov, kar presega človeške zmožnosti.
Navedena značilnost je ključni dejavnik, zaradi katerega je strojno učenje vpeljano v
številne domene. Kljub številnim prednostim ni vedno možno integrirati strojnega učenja
na določena področja, predvsem zaradi tega, ker se za naprednimi metodami pogosto
skrivajo modeli tipa črne skrinje. Ti modeli uporabnikom ne omogočajo vpogleda v
logiko njihovega odločanja, kar lahko predstavlja oviro v kontekstih, kjer so odločitve
kritične in lahko napačna odločitev vodi v resne posledice. Z namenom ublažiti te
problematike smo razvili metodo strojnega učenja, temelječo na naravnem pojavu rečnih
kanjonov. Ta pojav lahko vizualiziramo v digitalni grafični obliki, kar omogoča intuitiven
prikaz logike odločanja. Rezultat je model strojnega učenja, ki generira globinske slike
gibanja podatkov za posamezen razred. V teh slikah je pripadnost posamezne instance
kanjonu prikazana s pomočjo barvno kodiranih grafov. Podatkovni kanjoni se zaradi
svojih lastnosti in metodologije lahko uporabljajo za potrebe razložljive umetne
inteligence, bodisi samostojno ali kot dopolnilni mehanizem drugim pristopom strojnega
učenja. |
|---|
| Keywords: | razložljiva umetna inteligenca, strojno učenje, klasifikacija, razložljivost, zaupanje |
|---|
| Place of publishing: | Maribor |
|---|
| Place of performance: | Maribor |
|---|
| Publisher: | [B. Žlahtič] |
|---|
| Year of publishing: | 2023 |
|---|
| Number of pages: | VIII, 103 str. |
|---|
| PID: | 20.500.12556/DKUM-85798 |
|---|
| UDC: | 004.85.021:004.6(043.3) |
|---|
| COBISS.SI-ID: | 174856451 |
|---|
| Publication date in DKUM: | 05.12.2023 |
|---|
| Views: | 1042 |
|---|
| Downloads: | 132 |
|---|
| Metadata: |    |
|---|
| Categories: | KTFMB - FERI
|
|---|
|
:
|
Copy citation |
|---|
| | | | Average score: | (0 votes) |
|---|
| Your score: | Voting is allowed only for logged in users. |
|---|
| Share: |  |
|---|
Hover the mouse pointer over a document title to show the abstract or click
on the title to get all document metadata. |
