Szczegóły publikacji
Opis bibliograficzny
Explainable artificial intelligence : model discovery with constraint programming / Antoni LIGĘZA, Paweł JEMIOŁO, Weronika T. ADRIAN, Mateusz ŚLAŻYŃSKI, Marek ADRIAN, Krystian JOBCZYK, Krzysztof KLUZA, Bernadetta STACHURA-TERLECKA, Piotr WIŚNIEWSKI // W: Intelligent systems in industrial applications / eds. Martin Stettinger, [et al.]. — Cham : Springer, cop. 2021. — (Studies in Computational Intelligence ; ISSN 1860-949X ; vol. 949). — Publikacja zawiera materiały z: ISMIS 2020 : 25th International Symposium on Methodologies for Intelligent Systems : industrial part : Graz, Austria, 2020 : [virtual symposium]. — ISBN: 978-3-030-67147-1; e-ISBN: 978-3-030-67148-8. — S. 171–191. — Bibliogr., Abstr. — Publikacja dostępna online od: 2021-02-04
Autorzy (9)
Słowa kluczowe
Dane bibliometryczne
| ID BaDAP | 132452 |
|---|---|
| Data dodania do BaDAP | 2021-02-08 |
| DOI | 10.1007/978-3-030-67148-8_13 |
| Rok publikacji | 2021 |
| Typ publikacji | fragment monografii pokonferencyjnej |
| Otwarty dostęp |  |
| Wydawca | Springer |
| Czasopismo/seria | Studies in Computational Intelligence |
Abstract
This paper explores a yet another approach to Explainable Artificial Intelligence. The proposal consists in application of Constraint Programming to discovery of internal structure and parameters of a given black-box system. Apart from specification of a sample of the input and output values, some presupposed knowledge about the possible internal structure and functional components is required. This knowledge can be parameterized with respect to functional specification of internal components, connections among them, and internal parameters. Models of constraints are put forward and example case studies illustrate the proposed ideas.