In this paper we describe a neuro-fuzzy model to extract interpretable classification rules from examples. Such model is trained in a parameter subspace where a number of formal properties, which characterize understandable knowledge bases, are satisfied. To deal with the curse of dimensionality problem, which occurs when our model is used in high-dimensional classification tasks, an "A Priori Pruning" method is also proposed.
Scheda prodotto non validato
Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo
Titolo: | Discovering Classification Rules from Neural Processed Data |
Autori: | |
Data di pubblicazione: | 2002 |
Handle: | http://hdl.handle.net/11586/9261 |
Appare nelle tipologie: | 4.1 Contributo in Atti di convegno |
File in questo prodotto:
Non ci sono file associati a questo prodotto.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.