SOPHIANN: Aprendizado de Processos Através da Extração de Conhecimento via Redes Neurais

Resumo

Resumo: O estudo de processos do mundo real pode se tornar uma tarefa ár- dua. Objetos reais, especialmente aqueles relacionados à processos industriais, são difícieis de modelar e compreender. Este trabalho busca reduzir a distância entre modelar um processo industrial e compreendê-lo, baseando-se em Análise Formal de Conceitos para obter regras a partir de redes neurais previamente treinadas. Neste artigo uma ferramenta, Sophiann, é apresentada. A idéia prin- cipal é auxiliar usuários na aprendizagem de processos industriais complexos.

Abstract: Learning about real world process is not an easy task. Real objects, specially those related to industrial process, are difficult to model and under- stand. This work aims to reduce the gap between modelling an industrial pro- cess and understanding it. It is based on Formal Concept Analysis to obtain rules from neural networks previously trained. In this paper a tool, named Sophiann, is presented. The main idea is to help users learn about complex industrial processes.