شبکه عصبی با قید یکنواختی (Monotonic Neural Network)، در ریاضیات (Mathematics)

انواع شبکه های عصبی (Neural Networks) را در آموزش زیر شرح دادیم :

شبکه عصبی با قید یکنواختی (Monotonic Neural Network) :

شبکه عصبی یکنوا (Monotonic Neural Network) شبکه ای است که در آن خروجی نسبت به یک یا چند ورودی، رابطه یکنواخت (صعودی یا نزولی) دارد. این ویژگی در بسیاری از کاربردهای عملی حیاتی است، مانند: امتیازدهی اعتباری (با افزایش درآمد، امتیاز افزایش یابد)، تشخیص پزشکی (با افزایش یک نشانگر بیماری، ریسک افزایش یابد). تحمیل قید یکنواختی باعث افزایش تفسیرپذیری و اعتمادپذیری مدل می شود.

روش های ایجاد شبکه یکنوا: (۱) محدود کردن وزن ها به مقادیر غیرمنفی (برای لایه های متراکم) و استفاده از توابع فعال سازی یکنوا (مانند ReLU). (۲) استفاده از معماری های خاص مانند Min-Max networks. (۳) اضافه کردن جریمه به تابع هزینه برای نقض یکنواختی. چالش این است که شبکه های عمیق با لایه های متعدد، یکنواختی را به راحتی از دست می دهند.

کاربردها: سیستم های رتبه بندی، مدل های امتیازدهی، تصمیم گیری های حساس.