Explainable artificial intelligence - learning decision sets with sat

Detalhes bibliográficos
Autor(a) principal: Pereira, Filipe Inácio da Costa
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10451/34903
Resumo: Tese de mestrado, Engenharia Informática (Interação e Conhecimento) Universidade de Lisboa, Faculdade de Ciências, 2018
id RCAP_15f54668d356d5805e36318cfd606acd
oai_identifier_str oai:repositorio.ul.pt:10451/34903
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Explainable artificial intelligence - learning decision sets with satInteligência artificial explicávelModelos interpretáveisInterpretação e justificação de prediçãoConjunto de decisãoSolucionadores SATTeses de mestrado - 2018Departamento de InformáticaTese de mestrado, Engenharia Informática (Interação e Conhecimento) Universidade de Lisboa, Faculdade de Ciências, 2018Artificial Intelligence is a core research topic with key significance in technological growth. With the increase of data, we have more efficient models that in a few seconds will inform us of their prediction on a given input set. The more complex techniques nowadays with better results are Black Box Models. Unfortunately, these can’t provide an explanation behind their prediction, which is a major drawback for us humans. Explainable Artificial Intelligence, whose objective is to associate explanations with decisions made by autonomous agents, breaks this lack of transparency. This can be done by two approaches, either by creating models that are interpretable by themselves or by creating frameworks that justify and interpret any prediction made by any given model. This thesis describes the implementation of two interpretable models (Decision Sets and Decision Trees) based on Logic Reasoners, either SAT (Satisfiability) or SMT (Satisfiability Modulo Theories) solvers. This work was motivated by an in-depth analysis of past work in the area of Explainable Artificial Intelligence, with the purpose of seeking applications of logic in this domain. The Decision Sets approach focuses on the training data, as does any other model, and encoding the variables and constraints as a CNF (Conjuctive Normal Form) formula which can then be solved by a SAT/SMT oracle. This approach focuses on minimizing the number of rules (or Disjunctive Normal Forms) for each binary class representation and avoiding overlap, whether it is training sample or feature-space overlap, while maintaining interpretable explanations and perfect accuracy. The Decision Tree model studied in this work consists in computing a minimum size decision tree, which would represent a 100% accurate classifier given a set of training samples. The model is based on encoding the problem as a CNF formula, which can be tackled with the efficient use of a SAT oracle.Silva, João MarquesRepositório da Universidade de LisboaPereira, Filipe Inácio da Costa2018-09-28T14:55:56Z201820182018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10451/34903TID:201988780enginfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2023-11-08T16:30:32Zoai:repositorio.ul.pt:10451/34903Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:49:31.114370Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Explainable artificial intelligence - learning decision sets with sat
title Explainable artificial intelligence - learning decision sets with sat
spellingShingle Explainable artificial intelligence - learning decision sets with sat
Pereira, Filipe Inácio da Costa
Inteligência artificial explicável
Modelos interpretáveis
Interpretação e justificação de predição
Conjunto de decisão
Solucionadores SAT
Teses de mestrado - 2018
Departamento de Informática
title_short Explainable artificial intelligence - learning decision sets with sat
title_full Explainable artificial intelligence - learning decision sets with sat
title_fullStr Explainable artificial intelligence - learning decision sets with sat
title_full_unstemmed Explainable artificial intelligence - learning decision sets with sat
title_sort Explainable artificial intelligence - learning decision sets with sat
author Pereira, Filipe Inácio da Costa
author_facet Pereira, Filipe Inácio da Costa
author_role author
dc.contributor.none.fl_str_mv Silva, João Marques
Repositório da Universidade de Lisboa
dc.contributor.author.fl_str_mv Pereira, Filipe Inácio da Costa
dc.subject.por.fl_str_mv Inteligência artificial explicável
Modelos interpretáveis
Interpretação e justificação de predição
Conjunto de decisão
Solucionadores SAT
Teses de mestrado - 2018
Departamento de Informática
topic Inteligência artificial explicável
Modelos interpretáveis
Interpretação e justificação de predição
Conjunto de decisão
Solucionadores SAT
Teses de mestrado - 2018
Departamento de Informática
description Tese de mestrado, Engenharia Informática (Interação e Conhecimento) Universidade de Lisboa, Faculdade de Ciências, 2018
publishDate 2018
dc.date.none.fl_str_mv 2018-09-28T14:55:56Z
2018
2018
2018-01-01T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10451/34903
TID:201988780
url http://hdl.handle.net/10451/34903
identifier_str_mv TID:201988780
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799134427480064000

Registros relacionados