Машина логічного навчання

Машина логічного навчання (МЛН, англ. Logic learning machine, LLM) — це метод машинного навчання, заснований на генерації зрозумілих правил. МЛН є ефективною реалізацією парадигми Комутаційної Нейронної Мережі (КНМ),^[1] розробленої Марко Муселлі, старшим науковим співробітником Італійської національної дослідницької ради CNR-IEIIT у Генуї.

МЛН працює у різноманітних секторах, включаючи медицину (класифікація ортопедичних пацієнтів,^[2] аналіз мікроматриць ДНК^[3] і системи підтримки клінічних рішень^[4]), фінансові послуги та управління ланцюгом поставок.

Історія ред.

Підхід Комутаційної Нейронної Мережі був розроблений у 1990-х роках для подолання недоліків найбільш поширених методів машинного навчання. Зокрема, методи чорного ящика, такі як багатошаровий персептрон і машина опорних векторів, мали хорошу точність, але не могли забезпечити глибоке розуміння досліджуваного явища. З іншого боку, дерева рішень могли описати явище, але часто їм бракувало точності. КНМ використовували алгебру логіки для побудови наборів зрозумілих правил, здатних отримати дуже хорошу продуктивність. У 2014 році була розроблена ефективна версія КНМ та реалізована в пакеті Rulex під назвою Машина логічного навчання.^[5] Також була розроблена версія МЛН, присвячена проблемам регресії.

Типи ред.

Відповідно до типу виводу розроблено різні версії машин логічного навчання:

ЛМН для класифікації, коли результатом є категоріальна змінна, яка може приймати значення в скінченному наборі
ЛМН для регресії, коли результатом є ціле чи дійсне число.

Примітки ред.

↑ Muselli, Marco (2006). Switching Neural Networks: A new connectionist model for classification (PDF). WIRN 2005 and NAIS 2005, Lecture Notes on Computer Science. 3931: 23—30.
↑ Mordenti, M.; Ferrari, E.; Pedrini, E.; Fabbri, N.; Campanacci, L.; Muselli, M.; Sangiorgi, L. (2013). Validation of a New Multiple Osteochondromas Classification Through Switching Neural Networks. American Journal of Medical Genetics Part A. 161 (3): 556—560. doi:10.1002/ajmg.a.35819. PMID 23401177. S2CID 23983960.
↑ Cangelosi, D.; Muselli, M.; Blengio, F.; Becherini, P.; Versteeg, R.; Conte, M.; Varesio, L. (2013). Use of Attribute Driven Incremental Discretization and Logic Learning Machine to build a prognostic classifier for neuroblastoma patients. Bits2013. 15 (Suppl 5): S4. doi:10.1186/1471-2105-15-S5-S4. PMC 4095004. PMID 25078098.
↑ Parodi, S.; Filiberti, R.; Marroni, P.; Montani, E.; Muselli, M. (2014). Differential diagnosis of pleural mesothelioma using Logic Learning Machine. Bits2014. 16 (Suppl 9): S3. doi:10.1186/1471-2105-16-S9-S3. PMC 4464205. PMID 26051106.
↑ Rulex: a software for knowledge extraction from data. Italian National Research Council. Архів оригіналу за 23 вересня 2015. Процитовано 7 березня 2015.

[1] Muselli, Marco (2006). Switching Neural Networks: A new connectionist model for classification (PDF). WIRN 2005 and NAIS 2005, Lecture Notes on Computer Science. 3931: 23—30.

[2] Mordenti, M.; Ferrari, E.; Pedrini, E.; Fabbri, N.; Campanacci, L.; Muselli, M.; Sangiorgi, L. (2013). Validation of a New Multiple Osteochondromas Classification Through Switching Neural Networks. American Journal of Medical Genetics Part A. 161 (3): 556—560. doi:10.1002/ajmg.a.35819. PMID 23401177. S2CID 23983960.

[3] Cangelosi, D.; Muselli, M.; Blengio, F.; Becherini, P.; Versteeg, R.; Conte, M.; Varesio, L. (2013). Use of Attribute Driven Incremental Discretization and Logic Learning Machine to build a prognostic classifier for neuroblastoma patients. Bits2013. 15 (Suppl 5): S4. doi:10.1186/1471-2105-15-S5-S4. PMC 4095004. PMID 25078098.

[4] Parodi, S.; Filiberti, R.; Marroni, P.; Montani, E.; Muselli, M. (2014). Differential diagnosis of pleural mesothelioma using Logic Learning Machine. Bits2014. 16 (Suppl 9): S3. doi:10.1186/1471-2105-16-S9-S3. PMC 4464205. PMID 26051106.

[5] Rulex: a software for knowledge extraction from data. Italian National Research Council. Архів оригіналу за 23 вересня 2015. Процитовано 7 березня 2015.

[1]

[2]

[3]

[4]

[5]