- Код статьи
- 10.31857/S0005231024030044-1
- DOI
- 10.31857/S0005231024030044
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 3
- Страницы
- 51-59
- Аннотация
- Трудность интерпретации результатов работы нейронных сетей явля- ется насущной проблемой, решению которой уделяется много внимания. Нейронные сети, основанные на решетках понятий, представляют собой перспективное направление в данной области. Отбор понятий для по- строения нейронной сети ключевым образом влияет на качество ее рабо- ты. Средством отбора понятий могут являться индексы интересности, ко- гда для построения нейронной сети используются понятия с наибольшими показателями определенного индекса. В статье исследуется влияние вы- бора индекса интересности как средства отбора формальных понятий на качество работы нейронной сети.
- Ключевые слова
- архитектура нейронной сети анализ формальных понятий индексы интересности нейронные сети на основе решеток понятий
- Дата публикации
- 15.03.2024
- Год выхода
- 2024
- Всего подписок
- 0
- Всего просмотров
- 7
Библиография
- 1. Tsopze N., Nguifo E.M., Tindo G. CLANN: Concept lattice-based artificial neural network for supervised classification // The Fifth International Conference on Concept Lattices and Their Applications. 2007. P. 24–26.
- 2. Kuznetsov S.O., Makhazhanov N., Ushakov M. On neural network architecture based on concept lattices // ISMIS 2017. P. 653–663.
- 3. Kuznetsov S.O., Makhalova T.P. Concept interestingness measures: a comparative study // Proceedings of the Twelfth International Conference on Concept Lattices and Their Applications. 2015. P. 59–72.
- 4. Kuznetsov S.O., Makhalova T.P. On interestingness measures of formal concepts // Inf. Sci. 442. 2018. P. 202–219.
- 5. Ganter B., Wille R. Contextual attribute logic / International Conference on Conceptual Structures. 1999. P. 377–388.
- 6. Rosch E. Basic objects in natural categories // Cognitive Psychology 8. 1976. P. 382–439.
- 7. Belohlavek R., Trnecka M. Basic level of concepts in formal concept analysis // ICFCA 2012. P. 28–44.
- 8. Buzmakov Al., Kuznetsov S.O., Amedeo Napoli. Scalable Estimates of Concept Stability // ICFCA 2014. P. 157–172.
- 9. Zaki M.J., Meira W., Jr. Data Mining and Analysis: Fundamental Concepts and Algorithms // Cambridge University Press. 2014. P. 339.
- 10. Makhalova T. Interesting Measures of Closed Patterns for Data Mining and Knowledge Discovery // HSE University, Moscow, Russia. 2020. P. 25.
