Исследователи предлагают метод управления обучением нейронной сети путем наложения ограничений, полученных из частичной зависимости, что обеспечивает соответствие среднего отклика модели известным функциональным знаниям предметной области.

  • Подход восполняет пробел в объяснимом обучении, корректируя модели так, чтобы они давали объяснения, согласованные с предварительными знаниями, а не просто интерпретируя существующие взаимодействия.
  • Метод продемонстрирован на задачах регрессии, включая прогнозирование динамических систем, где ограниченные модели превосходят необусловленные и демонстрируют большую эффективность использования данных.
  • Интерпретации ограниченных моделей согласуются с предоставленными пользователями знаниями, тогда как интерпретации необусловленных моделей — нет.

Этот метод позволяет создавать более интерпретируемые и эффективные по данным модели за счет прямого включения экспертных знаний в процесс обучения.