Active learning techniques for probabilistic deterministic finite automata extraction from language models
Supervisor(es): Mayr Ojeda, Franz - Yovine, Sergio Fabián
Resumen:
El proyecto se enmarca dentro del área de la inteligencia artificial explicable. La investigación tiene como objetivo profundizar en el problema del entendimiento del funcionamiento interno de las redes neuronales recurrentes (RNN por su sigla en inglés). El trabajo desarrolla, implementa y evalúa experimentalmente dos algoritmos de inducción de modelos por aprendizaje automático activo para la extracción de autómatas finitos probabilísticos de redes neuronales recurrentes.
| 2020 | |
|
PROYECTOS-ID REDES NEURONALES INTELIGENCIA ARTIFICIAL EXPLICABLE (XAI) APRENDIZAJE AUTOMÁTICO |
|
| Inglés | |
| Universidad ORT Uruguay | |
| RAD | |
| http://hdl.handle.net/20.500.11968/4472 | |
| Acceso abierto |
Resultados similares
-
An approach for improving the performance of learning probabilistic deterministic finite automata
Autor(es):: Pan Suarez, Federico
Fecha de publicación:: (2023) -
Congruence-based Learning of Probabilistic Deterministic Finite Automata
Autor(es):: Carrasco, Matías
Fecha de publicación:: (2024) -
Búsqueda inteligente de contraejemplos para la inferencia de lenguajes
Autor(es):: Chacón Levin, Kevin Mathias
Fecha de publicación:: (2018) -
Non-deterministic automata inference from Recurrent Neural Networks
Autor(es):: Morales Jaurena, Pablo Martín
Fecha de publicación:: (2020) -
Efficient probabilistic model learning techniques for application to the verification of Large Language Models
Autor(es):: Kidd Schenck, Johny Daniel
Fecha de publicación:: (2025)