Algebraically explainable controllers: decision trees and support vector machines join forces

JUENGERMANN, Florian, Jan KŘETÍNSKÝ a Maximilian WEININGER. Algebraically explainable controllers: decision trees and support vector machines join forces. International Journal on Software Tools for Technology Transfer. HEIDELBERG: SPRINGER HEIDELBERG, 2023, roč. 25, č. 3, s. 249-266. ISSN 1433-2779. Dostupné z: https://dx.doi.org/10.1007/s10009-023-00716-z.

Základní údaje

• Originální název: Algebraically explainable controllers: decision trees and support vector machines join forces
• Autoři: JUENGERMANN, Florian, Jan KŘETÍNSKÝ (203 Česká republika, domácí) a Maximilian WEININGER.
• Vydání: International Journal on Software Tools for Technology Transfer, HEIDELBERG, SPRINGER HEIDELBERG, 2023, 1433-2779.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Článek v odborném periodiku
• Obor: 10201 Computer sciences, information science, bioinformatics
• Stát vydavatele: Německo
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Impakt faktor: Impact factor: 1.500 v roce 2022
• Kód RIV: RIV/00216224:14330/23:00133937
• Organizační jednotka: Fakulta informatiky
• Doi: http://dx.doi.org/10.1007/s10009-023-00716-z
• UT WoS: 001045591500001
• Klíčová slova anglicky: Controller representation; Explainability; Synthesis; Decision tree
• Příznaky: Mezinárodní význam, Recenzováno

Anotace

Recently, decision trees (DT) have been used as an explainable representation of controllers (a.k.a. strategies, policies, schedulers). Although they are often very efficient and produce small and understandable controllers for discrete systems, complex continuous dynamics still pose a challenge. In particular, when the relationships between variables take more complex forms, such as polynomials, they cannot be obtained using the available DT learning procedures. In contrast, support vector machines provide a more powerful representation, capable of discovering many such relationships, but not in an explainable form. Therefore, we suggest to combine the two frameworks to obtain an understandable representation over richer, domain-relevant algebraic predicates. We demonstrate and evaluate the proposed method experimentally on established benchmarks.