JP7375250B1 - ニューラルネットワーク変換方法、電子デバイス及び記憶媒体 - Google Patents
ニューラルネットワーク変換方法、電子デバイス及び記憶媒体 Download PDFInfo
- Publication number
- JP7375250B1 JP7375250B1 JP2023097307A JP2023097307A JP7375250B1 JP 7375250 B1 JP7375250 B1 JP 7375250B1 JP 2023097307 A JP2023097307 A JP 2023097307A JP 2023097307 A JP2023097307 A JP 2023097307A JP 7375250 B1 JP7375250 B1 JP 7375250B1
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- decision tree
- electronic device
- layer
- decision
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 116
- 238000000034 method Methods 0.000 title claims abstract description 76
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 238000006243 chemical reaction Methods 0.000 title abstract description 5
- 238000003066 decision tree Methods 0.000 claims abstract description 94
- 230000004913 activation Effects 0.000 claims abstract description 18
- 238000004590 computer program Methods 0.000 claims description 32
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000010606 normalization Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000013138 pruning Methods 0.000 claims description 6
- 238000011426 transformation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 abstract description 20
- 230000000694 effects Effects 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 18
- 238000001994 activation Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 241001272720 Medialuna californiensis Species 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241001270131 Agaricus moelleri Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000000332 black box Nutrition 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/082—Learning methods modifying the architecture, e.g. adding, deleting or silencing nodes or connections
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
[発明の内容]
[発明が解決しようとする課題]
前回分岐されたノードに対して毎回前記葉分岐を行い、各前記葉分岐は1つのフィルタに対応し、前記フィルタの対応順序は、前記ニューラルネットワークの同一層のフィルタの順番及び前記ニューラルネットワークの異なる層の順番に従うことを含む。
前記コンピュータプログラム命令が前記プロセッサによって実行されると、前記電子デバイスをトリガして第2観点の方法ステップを実行する電子デバイスを提供する。
[発明の効果]
本発明の実施例の方法によると、ニューラルネットワークを決定木に変換し、決定木に基づいてニューラルネットワークを解釈することで、ニューラルネットワークのブラックボックス問題を解決する。また、ニューラルネットワークに等価の決定木は、メモリ要求の増加によるニューラルネットワークの計算コストを有効に減少することができる。
Wiをニューラルネットワークの第i層の重み行列と仮定する。σを任意の区分的線形活性化関数とし、且つをニューラルネットワークの入力とする。その後、フィードフォワードニューラルネットワークの出力と中間特徴は、以下のように表すことができる。
ニューラルネットワークの正規化層は線形であるため、且つトレーニング後、これらはそれぞれ活性化前又は活性化後の正規化後又は前の線形層に埋め込まれることができる。そのため、一実施例において、ニューラルネットワークを決定木表現に変換する過程において、正規化層については、個別の変換をする必要がない。
Claims (11)
- ニューラルネットワークの変換方法であって、前記方法は、端末デバイスに適用され、
決定木を初期化し、前記決定木のルートを設定することと、
ニューラルネットワークのフィルタを決定ルールとし、前記決定木のルートから葉分岐を行い、前記決定木が前記ニューラルネットワークの全てのフィルタをカバーするまで前記葉分岐を行うこととを含み、
前記ニューラルネットワークは、区分的線形活性化を有するニューラルネットワークである、ことを特徴とするニューラルネットワークの変換方法。 - 前記決定木のルートから葉分岐を行うことは、
前回分岐されたノードに対して毎回前記葉分岐を行い、各前記葉分岐は1つのフィルタに対応し、前記フィルタの対応順序は、前記ニューラルネットワークの同一層のフィルタの順番及び前記ニューラルネットワークの異なる層の順番に従うことを含む、ことを特徴とする請求項1に記載の方法。 - 全結合層において、有効行列を前記決定ルールとする、ことを特徴とする請求項1に記載の方法。
- スキップ接続層において、残差有効行列を前記決定ルールとする、ことを特徴とする請求項1に記載の方法。
- 正規化層において、前記正規化層は、活性化前又は活性化後の正規化の後又は前の線形層にそれぞれ埋め込まれる、ことを特徴とする請求項1に記載の方法。
- 畳み込み層において、有効畳み込みを前記決定ルールとする、ことを特徴とする請求項1に記載の方法。
- 前記方法は、更に、
前記決定木の違反ルール及び/又は冗長ルールに基づいて、前記決定木に対して無損失剪定を行うこと、
及び/または
前記ニューラルネットワークのトレーニング期間に実現したカテゴリに基づいて、前記決定木に対して無損失剪定を行うことを含む、ことを特徴とする請求項1~6のいずれか一項に記載のニューラルネットワークの変換方法。 - ニューラルネットワークの計算方法であって、前記方法は、端末デバイスに適用され、
計算に用いられるニューラルネットワークを取得することと、
請求項1~6のいずれか一項に記載の方法に基づいて、前記ニューラルネットワークを決定木に変換することと、
前記決定木を用いて計算することとを含む、ことを特徴とするニューラルネットワークの計算方法。 - 電子デバイスであって、
前記電子デバイスは、コンピュータプログラム命令を格納するためのメモリ及びコンピュータプログラム命令を実行するためのプロセッサを含み、
前記コンピュータプログラム命令が前記プロセッサによって実行されると、前記電子デバイスをトリガして請求項1~6のいずれか一項に記載の方法ステップを実行する、ことを特徴とする電子デバイス。 - 電子デバイスであって、
前記電子デバイスは、コンピュータプログラム命令を格納するためのメモリ及びコンピュータプログラム命令を実行するためのプロセッサを含み、
前記コンピュータプログラム命令が前記プロセッサによって実行されると、前記電子デバイスをトリガして請求項8に記載の方法ステップを実行する、ことを特徴とする電子デバイス。 - コンピュータ読み取り可能な記憶媒体であって、
前記コンピュータ読み取り可能な記憶媒体にコンピュータプログラムが格納され、コンピュータで実行されると、コンピュータが請求項1~6のいずれか一項に記載の方法を実行する、ことを特徴とするコンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US17/962,559 US20240119288A1 (en) | 2022-10-10 | 2022-10-10 | Method for converting neural network, electronic device and storage medium |
US17/962,559 | 2022-10-10 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7375250B1 true JP7375250B1 (ja) | 2023-11-07 |
JP2024056120A JP2024056120A (ja) | 2024-04-22 |
Family
ID=86780279
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023097307A Active JP7375250B1 (ja) | 2022-10-10 | 2023-06-13 | ニューラルネットワーク変換方法、電子デバイス及び記憶媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240119288A1 (ja) |
JP (1) | JP7375250B1 (ja) |
CN (1) | CN116306876A (ja) |
WO (1) | WO2024077651A1 (ja) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210019635A1 (en) | 2019-07-15 | 2021-01-21 | Ramot At Tel Aviv University | Group specific decision tree |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB201810736D0 (en) * | 2018-06-29 | 2018-08-15 | Microsoft Technology Licensing Llc | Neural trees |
CN110784760B (zh) * | 2019-09-16 | 2020-08-21 | 清华大学 | 一种视频播放方法、视频播放器及计算机存储介质 |
CN111898692A (zh) * | 2020-08-05 | 2020-11-06 | 清华大学 | 神经网络到决策树的转换方法、存储介质及电子设备 |
CN113489751B (zh) * | 2021-09-07 | 2021-12-10 | 浙江大学 | 一种基于深度学习的网络流量过滤规则转化方法 |
-
2022
- 2022-10-10 US US17/962,559 patent/US20240119288A1/en active Pending
- 2022-10-14 CN CN202211262230.6A patent/CN116306876A/zh active Pending
- 2022-10-20 WO PCT/CN2022/126361 patent/WO2024077651A1/zh unknown
-
2023
- 2023-06-13 JP JP2023097307A patent/JP7375250B1/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210019635A1 (en) | 2019-07-15 | 2021-01-21 | Ramot At Tel Aviv University | Group specific decision tree |
Non-Patent Citations (1)
Title |
---|
佐々木 駿也 ほか,多分木によるニューラルネットワークのホワイトボックス化,電子情報通信学会技術研究報告 Vol.119 No.328,日本,一般社団法人電子情報通信学会,2019年11月29日,79~84頁 |
Also Published As
Publication number | Publication date |
---|---|
JP2024056120A (ja) | 2024-04-22 |
US20240119288A1 (en) | 2024-04-11 |
CN116306876A (zh) | 2023-06-23 |
WO2024077651A1 (zh) | 2024-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Giap et al. | Dynamic structural neural network | |
Shingi | A federated learning based approach for loan defaults prediction | |
Talei et al. | Influence of lag time on event-based rainfall–runoff modeling using the data driven approach | |
Melin et al. | A hybrid modular neural network architecture with fuzzy Sugeno integration for time series forecasting | |
Sierra-Sosa et al. | Tensorflow quantum: Impacts of quantum state preparation on quantum machine learning performance | |
Kaushik et al. | COCOMO estimates using neural networks | |
CN108537328A (zh) | 用于可视化构建神经网络的方法 | |
Azzeh et al. | Fuzzy Model Tree for early effort estimation | |
CN113841159A (zh) | 由电子装置在神经网络中的特定层执行卷积运算的方法及其电子装置 | |
Papageorgiou et al. | A web-based tool for Fuzzy Cognitive Map Modeling | |
Zhang et al. | Takagi-sugeno-kang fuzzy systems with dynamic rule weights | |
JP7375250B1 (ja) | ニューラルネットワーク変換方法、電子デバイス及び記憶媒体 | |
Ojugo et al. | Modeling mobility pattern for the corona-virus epidemic spread propagation and death rate in Nigeria using the movement-interaction-return model | |
Kaushik et al. | Radial basis function network using intuitionistic fuzzy C means for software cost estimation | |
CN111859785B (zh) | 流体特征提取方法、系统、计算机可读存储介质及设备 | |
Dikopoulou et al. | From undirected structures to directed graphical lasso fuzzy cognitive maps using ranking-based approaches | |
Sharma et al. | Software effort estimation using neuro fuzzy inference system: Past and present | |
CN115409262A (zh) | 铁路数据中心关键性能指标趋势预测方法、异常识别方法 | |
US20160110641A1 (en) | Determining a level of risk for making a change using a neuro fuzzy expert system | |
CN114900435A (zh) | 一种连接关系预测方法及相关设备 | |
CN110853754A (zh) | 一种在非确定性和非完整性条件下的决策支持系统方法 | |
Marimuthu et al. | Projection of COVID-19 Pandemic-A Deep Learning Approach | |
Shakhovska et al. | Visualization of the Epidemics Forecasting Results. | |
Poczeta et al. | Structure optimization and learning of fuzzy cognitive map with the use of evolutionary algorithm and graph theory metrics | |
Samantaray et al. | Feature selection techniques to predict the religion of a country from its flag |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230613 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230620 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231012 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231024 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231025 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7375250 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |