Project R-8173

Ruwe cognitieve netwerken voor multi-label classificatie. (Onderzoek)

Rough Cognitive Networks (RCNs) is een recent geïntroduceerd classificatiemodel ondersteund met een transparent beslissingsproces. Het model verbetert het neurale inferentie proces van Fuzzy Cognitive Maps met de informatie noden uit ruwe set theorie. RCN-gebaseerde classificatiemodellen bewezen reeds hun toepasbaarheid bij het oplossen van tal van stadaard classificatieproblemen. De accuraatheid van de classificaties en de voordelen van de transparante natuur van RCN's nodigen uit om de techniek toe te passen op multi-label classificatieproblemen (MLC). In deze uitbreiding op de gekende standaardproblemen is elk input object gelinkt aan meerdere labels. Een RCN model bestaat uit 3 voorname stappen, (1) het opdelen van de oplosruimte in noden, (2) ontwerp van een netwerk en (3) exploitatie van het netwerk. Deze drie stappen zullen aangepast moeten worden om RCN modellen toepasbaar te maken in een MLC context. De doelstelling van het onderzoek is het ontwikkelen van een RCN-gebaseerd algoritme dat geschikt is voor verschillende types MLC problemen. Het algoritme dient theoretisch valide en transparant te zijn, met hoge accuraatheid in voorspellingen. Bijzondere aandacht zal besteed worden aan de efficiëntie van het algoritme, waarin de doelstelling is om de rekentijden van bestaande MLC procedures verbeteren.

07 juli 2017 - 31 december 2020