论文部分内容阅读
将从神经网络中抽取一个可理解的模型视为一个归纳学习任务，其中，目标概念就是神经网络表达的功能，所生成的可理解模型是一个能很好近似神经网络的决策 。在这个过程中，应用了决策要树归纳学习的优化原则，使得生成的决策树能间舍、准确的描述神经网络学到的知识。实验证明，生成手决策树可以很好地近似神经网络，且比用传统方法生成的决策树具有更好的分类精度，同时ＮＮｔｏＤＴ算法也保持了具有较好的通用性和可扩充性的特性