Approximation d'un Réseau de Neurones ReLU interprétable par une Régression Logistique à Noyau - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Approximation d'un Réseau de Neurones ReLU interprétable par une Régression Logistique à Noyau

Résumé

This paper proposes an understandable neural network whose score function is modeled as an additive sum of univariate spline functions. It extends usual understandable models like generative additive models, spline-based models, and neural additive models. An approximation of this neural network by a kernel logistic regression provides garantees on the convergence of the optimization problem. Thus, the proposed method is explainable since on the one hand, the resulted decision rule is interpretable and on the second hand, its resulted estimated parameters are unique for a given training dataset.
Cet article s'intéresse à un réseau de neurones interprétable dont la fonction de score se modélise comme une somme additive de fonctions splines univariées. Ce réseau est une extension des modèles interprétables usuels tels que les modèles additifs généralisés, les modèles à base de splines ainsi que les réseaux neuronaux additifs. Nous approchons le réseau de neurones par une régression logistique à noyau afin d'avoir des garanties quant à la convergence du processus d'entraînement. Ainsi, le modèle présenté est explicable puisque d'une part, la règle de décision estimée est interprétable et d'autre part, sa solution est unique conditionnellement à l'échantillon d'apprentissage.
Fichier principal
Vignette du fichier
461523.pdf (346.29 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04195967 , version 1 (05-09-2023)

Identifiants

  • HAL Id : hal-04195967 , version 1

Citer

Marie Guyomard, Susana Barbosa, Lionel Fillatre. Approximation d'un Réseau de Neurones ReLU interprétable par une Régression Logistique à Noyau. 54es Journées de Statistique de la SFdS, Jul 2023, Bruxelles, Belgique. ⟨hal-04195967⟩
24 Consultations
11 Téléchargements

Partager

Gmail Facebook X LinkedIn More