Vers des classifieurs ontologiquement explicables - Mines Saint-Étienne
Conference Papers Year : 2021

Vers des classifieurs ontologiquement explicables

Abstract

In order to meet the explainability requirement of AI using Deep Learning (DL), this paper explores the contributions and feasibility of a process designed to create ontologically explainable classifiers while using domain ontologies. The approach is illustrated with the help of the Pizzas ontology that is used to create an image classifier that is able to provide visual explanations concerning a selection of ontological features. The approach is implemented by completing a DL model with ontological tensors that are generated from the ontology expressed in Description Logic.
Répondant au besoin d’explicabilité des IA qui utilisent l’Apprentissage Profond (AP), ce papier explore les apports et la faisabilité d’un processus de création de classifieurs explicables basés sur des ontologies. La démarche est illustrée par l’utilisation de l’ontologie des Pizzas pour créer un classifieur d’images qui fournit des explications visuelles impliquant une sélection de features ontologiques. Nous proposons une implémentation en complétant un modèle d’AP avec des tenseurs ontologiques générés à partir de l’ontologie exprimée avec la Logique de Description.
Fichier principal
Vignette du fichier
actes_IC_CH_PFIA2021_89-97.pdf (1.11 Mo) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

emse-03260586 , version 1 (15-06-2021)

Identifiers

  • HAL Id : emse-03260586 , version 1

Cite

Grégory Bourguin, Arnaud Lewandowski, Mourad Bouneffa, Adeel Ahmad. Vers des classifieurs ontologiquement explicables. Journées Francophones d'Ingénierie des Connaissances (IC) Plate-Forme Intelligence Artificielle (PFIA'21), Jun 2021, Bordeaux, France. pp.89-97. ⟨emse-03260586⟩
229 View
239 Download

Share

More