![Ιδρυματικό Αποθετήριο [SANDBOX]](images/dias.logo.png "Ιδρυματικό Αποθετήριο [SANDBOX]"){kind=logo}
Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/8535DAA2-B92D-434B-AFCF-5DFD48D00DFC | - |
| Αναγνωριστικό | https://doi.org/10.1007/978-3-030-62327-2_7 | - |
| Αναγνωριστικό | https://link.springer.com/chapter/10.1007/978-3-030-62327-2_7 | - |
| Γλώσσα | en | - |
| Μέγεθος | 6 pages | en |
| Τίτλος | Semantic artificial neural networks | en |
| Δημιουργός | Batsakis Sotirios | en |
| Δημιουργός | Μπατσακης Σωτηριος | el |
| Δημιουργός | Tachmazidis Ilias | en |
| Δημιουργός | Baryannis George | en |
| Δημιουργός | Antoniou, Grigoris | en |
| Εκδότης | Springer Nature | en |
| Περίληψη | Neural networks have achieved in recent years human level performance in various application domains, including critical applications where accountability is a very important issue, closely related to the interpretability of neural networks and artificial intelligence in general. In this work, an approach for defining the structure of neural networks based on the conceptualisation and semantics of the application domain is proposed. The proposed approach, called Semantic Artificial Neural Networks, allows dealing with the problem of interpretability and also the definition of the structure of neural networks. In addition, the resulting neural networks are sparser and have fewer parameters than typical neural networks, while achieving high performance. | en |
| Τύπος | Σύντομη Δημοσίευση σε Συνέδριο | el |
| Τύπος | Conference Short Paper | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2022-06-03 | - |
| Ημερομηνία Δημοσίευσης | 2020 | - |
| Θεματική Κατηγορία | Neural networks | en |
| Θεματική Κατηγορία | Interpretability | en |
| Θεματική Κατηγορία | Semantic Web | en |
| Βιβλιογραφική Αναφορά | S. Batsakis, I. Tachmazidis, G. Baryannis, and G. Antoniou, “Semantic artificial neural networks,” in The Semantic Web: ESWC 2020 Satellite Events, vol 12124, Lecture Notes in Computer Science, A. Harth, V. Presutti, R. Troncy, M. Acosta, A. Polleres, J. D. Fernández, J. Xavier Parreira, O. Hartig, K. Hose, M. Cochez, Eds., Cham, Switzerland: Springer Nature, 2020, pp. 39–44, doi: 10.1007/978-3-030-62327-2_7. | en |
Copyright © DIAS 2013
