Nyligen disputerade Henrik Jacobsson från Högskolan i Skövde vid
University of Sheffield inom området artificiella neurala nätverk.
Disputationen föll väl ut och Henrik kan nu titulera sig som doktor.
Hans forskning handlar om metoder för att skapa logiska beskrivningar
av återkopplade neurala nätverk.

Neurala nätverk
Avhandlingen tar upp artificiella neurala nätverk. Artificiella
neurala nätverk är abstrakta förenklade modeller av verkliga neurala
nätverk man finner i naturen (till exempel den mänskliga hjärnan).
Nätverken har fördelen att man kan träna dem att lösa olika slags
problem vilket passar särskilt bra när man inte känner till problemet
väl nog för att själv designa en lösning. Bristen på mänsklig
hantering under träningsfasen leder dock ofta till att nätverket i
sig kan vara svårt att förstå. Nätverket blir en "svart låda",
ogenomträngligt för mänskligt intellekt och analysförmåga.

CrySSMEx
I avhandlingen har Henrik beskrivit tidigare tillvägagångssätt samt
tagit fram en egen metod. Metoden kom till slut att få namnet
CrySSMEx (the Crystallizing Substochastic Sequential Machine
Extractor) och går i stort sett ut på att se nätverket som ett
observerbart system utifrån vilket man kan träna upp modeller att
efterhärma det, ungefär som nätverket i sig tränats på ett visst
problem som också det lämpade sig för en tränad modell.

http://www.his.se/templates/vanligwebbsida1.aspx?id=27715

The Crystallizing Substochastic Sequential Machine Extractor,
CrySSMEx, is an algorithm for extracting Finite State Machines from
Recurrent Neural Networks. Input: sequential data generated from
RNNs. Output: (stochastic) FSMs and state space quantizers.

http://sourceforge.net/projects/cryssmex
http://cryssmex.sourceforge.net/


http://www.dfki.de/cosy/www/index.html

-------------------------------
Härlig forskning
Göran Wikingson