Издательство — Речевые технологии — Выпуск №3/2020

В этой статье делается попытка дать обзор нескольких алгоритмов извлечения правил из искусственной нейронной сети. Второй целью этой статьи является установление фундаментальных связей между двумя важными областями искусственного интеллекта — нечеткой логикой и глубоким обучением. Такой подход позволит исследователям в области нечеткой логики разрабатывать прикладные системы в области сильного искусственного интеллекта, которые также представляют интерес для специалистов в области машинного обучения. Ключевые слова: Глубокое обучение, Нейронные сети, Извлечение правил,

Конволюционные нейронные сети, Машинное обучение, Искусственный интеллект

RULES ACQUISITION FROM CLASSIC, DEEP AND NEURO-FUZZY SYSTEMS

A. N. Averkin (averkin2003@inbox.ru) Federal Research Centre of Informatics and Computer Science of RAS, Moscow, Vavilova, 42, Moscow, Russia, Educational and Scientific Laboratory of Artificial Intelligence, Neuro-technologies and Business Analytics, Plekhanov Russian University of Economics, Moscow, Russia

S. A. Yarushev (Yarushev.SA@rea.ru) Plekhanov Russian University of Economics, Moscow, Russia

Abstract. This paper attempts to give an overview of several algorithms for extracting rules from an artifcial neural network. The second goal of this article is to establish fundamental connections between two important areas of artifcial intelligence — fuzzy logic and deep learning. Such an approach will al-low researchers in the feld of fuzzy logic to develop ap-plied systems in the feld of strong artifcial intelligence, which are also of interest to specialists in the feld of machine learning.

Keywords: Deep learning, Neural networks, rule extraction, Convolutional neural network, Machine learning, Artifcial intelligence.