Pesquisadores introduzem um método para direcionar o treinamento de redes neurais impondo restrições derivadas da dependência parcial, garantindo que a resposta média do modelo a características específicas esteja alinhada com o conhecimento funcional conhecido do domínio.
- A abordagem aborda a lacuna no aprendizado guiado por explicações ajustando os modelos para produzir explicações fiéis ao conhecimento prévio, em vez de apenas interpretar interações existentes.
- É demonstrado em problemas de regressão, incluindo previsão de sistemas dinâmicos, onde os modelos com restrições superam os sem restrições e exibem maior eficiência de dados.
- As interpretações dos modelos com restrições alinham-se com o conhecimento fornecido pelo usuário, enquanto as dos modelos sem restrições não o fazem.
Este método permite a criação de modelos mais interpretáveis e eficientes em termos de dados ao incorporar diretamente a experiência do domínio no processo de treinamento.