Gradient descent training expert system
Gradient descent training expert system
复制标题
梯度下降训练专家系统
DOI：
10.1016/j.simpa.2021.100121
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Straub, Jeremy
中科院分区：
文献类型：
--
作者：
Straub, Jeremy
该软件用于构建、训练和呈现数据，以供梯度下降训练专家系统 (GDES) 进行评估。 GDES 使用机器学习训练方法，即梯度下降，其方式类似于神经网络；然而，它使用的是已知含义的规则事实网络，而不是密集连接的节点的多层网络。因此，节点（事实）之间的逻辑关系（规则）是由人类（或者将来可能是自主）定义的，并且可以具有可识别的含义；然而，它们的权重是使用机器学习技术进行优化的。这通过神经网络的优化提供了专家系统的可解释性。
This software is used to build, train and present data for evaluation by a gradient descent training expert system (GDES). A GDES uses a machine learning training method, gradient descent, in a manner similar to a neural network; however, instead of a multi-layer network of densely connected nodes, it uses a known-meaning rule-fact network. Thus, the logical relationships (rules) between nodes (facts) are human (or, potentially in the future, autonomously) defined and can have an identified meaning; however, their weightings are optimized using machine learning techniques. This provides the explainability of an expert system with the optimization of a neural network.
登录
查看更多内容
使用经过机器学习训练的专家系统确定量刑建议和专利性
DOI：
--
发表时间：
2021
期刊：
arXiv.org
影响因子：
--
作者：
Logan Brown;Reid Pezewski;J. Straub
通讯作者：
J. Straub
数学毁灭性武器
影响因子：
3.9
作者：
Thomas S. Woodson
通讯作者：
Thomas S. Woodson
影响因子：
--
作者：
Vincent Chiao
通讯作者：
Vincent Chiao
使用机器学习技术评估消费者贷款
DOI：
--
发表时间：
2020
期刊：
影响因子：
--
作者：
D. Malhotra;Kunal Malhotra;R. Malhotra
通讯作者：
R. Malhotra
DOI：
--
发表时间：
2017
期刊：
影响因子：
--
作者：
Nigel Stobbs;D. Hunter;M. Bagaric
通讯作者：
M. Bagaric