Functional programming for explainable AI

Bibliographic Details
Main Author: Esteves, Gonçalo José Azevedo
Publication Date: 2023
Format: Master thesis
Language: eng
Source: Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
Download full: https://hdl.handle.net/1822/89315
Summary: Dissertação de mestrado integrado em Informatics Engineering
id RCAP_1c79a84c4b1439bc301e7bce68aea117
oai_identifier_str oai:repositorium.sdum.uminho.pt:1822/89315
network_acronym_str RCAP
network_name_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository_id_str https://opendoar.ac.uk/repository/7160
spelling Functional programming for explainable AIArtificial IntelligenceNeural networksCompositionalityFunctional programmingHaskellDissertação de mestradoProgramação funcionalComposicionalidadeInteligência ArtificialRedes neuronaisEngenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e InformáticaDissertação de mestrado integrado em Informatics EngineeringNeural Networks, increasingly used in Artificial Intelligence, are computational devices inspired by existing bio logical neural systems, seeking to be capable of learning how to perform tasks and recognize complex patterns. Internally, Neural Network programs are made up of several small structures called neurons (by analogy with Biology) which are responsible for handling input values in order to determine what the output values should be. The fact that these programs are organized hierarchically makes it plausible applying compositional patterns, often associated with functional programming, in order to obtain more refined neuronal networks, and whose understanding would be easier. This dissertation intends to focus more on the possibility of using the high compositionality presented in functional languages, namely Haskell, in order to make Neural Network programming better structured and elegant, facilitating not only the creation but also the understanding of what goes on inside these systems, which are sometimes seen as black boxes, due to the great lack of knowledge about how they work.No estudo da Inteligência Artificial é comum serem várias vezes referenciadas um conjunto de estruturas designadas de Redes Neuronais. Estas nada mais são do que representações computacionais inspiradas nos sistemas nervosos biológicos existentes, e que procuram tornar-se capazes de aprender não só a executar tarefas como também a reconhecer diferentes padrões, por exemplo. Internamente, estes programas são constituídos por diversas pequenas estruturas, chamadas de neurónios, tendo em conta a analogia estabelecida com a Natureza, e que são responsáveis por tratar valores de entrada de modo a determinar quais os valores de saída. O facto destes programas possuírem uma organização tão hierarquizada torna plausível a possibilidade de aplicar padrões composicionais, muitas vezes associados a programação funcional, de modo a obter Redes Neuronais mais refinadas, e cuja compreensão seja mais fácil. Apresenta-se esta dissertação com a intenção de debruçar mais sobre a possibilidade da utilização da elevada composicionalidade presente em linguagens funcionais, nomeadamente Haskell, de forma a tornar a programação de Redes Neuronais num processo mais simples e elegante, facilitando não só a criação mas também o entendimento daquilo que se passa dentro destes sistemas, que por vezes são vistos como caixas negras, devido ao grande desconhecimento sobre a forma como funcionam.Oliveira, José Nuno FonsecaUniversidade do MinhoEsteves, Gonçalo José Azevedo2023-08-032023-08-03T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://hdl.handle.net/1822/89315eng203537327info:eu-repo/semantics/openAccessreponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiainstacron:RCAAP2024-05-11T07:36:26Zoai:repositorium.sdum.uminho.pt:1822/89315Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireinfo@rcaap.ptopendoar:https://opendoar.ac.uk/repository/71602025-05-28T16:33:04.216065Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologiafalse
dc.title.none.fl_str_mv Functional programming for explainable AI
title Functional programming for explainable AI
spellingShingle Functional programming for explainable AI
Esteves, Gonçalo José Azevedo
Artificial Intelligence
Neural networks
Compositionality
Functional programming
Haskell
Dissertação de mestrado
Programação funcional
Composicionalidade
Inteligência Artificial
Redes neuronais
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
title_short Functional programming for explainable AI
title_full Functional programming for explainable AI
title_fullStr Functional programming for explainable AI
title_full_unstemmed Functional programming for explainable AI
title_sort Functional programming for explainable AI
author Esteves, Gonçalo José Azevedo
author_facet Esteves, Gonçalo José Azevedo
author_role author
dc.contributor.none.fl_str_mv Oliveira, José Nuno Fonseca
Universidade do Minho
dc.contributor.author.fl_str_mv Esteves, Gonçalo José Azevedo
dc.subject.por.fl_str_mv Artificial Intelligence
Neural networks
Compositionality
Functional programming
Haskell
Dissertação de mestrado
Programação funcional
Composicionalidade
Inteligência Artificial
Redes neuronais
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
topic Artificial Intelligence
Neural networks
Compositionality
Functional programming
Haskell
Dissertação de mestrado
Programação funcional
Composicionalidade
Inteligência Artificial
Redes neuronais
Engenharia e Tecnologia::Engenharia Eletrotécnica, Eletrónica e Informática
description Dissertação de mestrado integrado em Informatics Engineering
publishDate 2023
dc.date.none.fl_str_mv 2023-08-03
2023-08-03T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1822/89315
url https://hdl.handle.net/1822/89315
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv 203537327
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
instname:FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron:RCAAP
instname_str FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
instacron_str RCAAP
institution RCAAP
reponame_str Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
collection Repositórios Científicos de Acesso Aberto de Portugal (RCAAP)
repository.name.fl_str_mv Repositórios Científicos de Acesso Aberto de Portugal (RCAAP) - FCCN, serviços digitais da FCT – Fundação para a Ciência e a Tecnologia
repository.mail.fl_str_mv info@rcaap.pt
_version_ 1833596017488953344

Similar Items