What If Theory – AWIT

AWIT – Artificial Neural Networks What If Theory

Utilizzando una RNA auto-encoder è possibile approssimare la funzione implicita di qualsiasi insieme di dati durante la fase di apprendimento e  assegnare un output  fuzzy ad ogni nuovo input durante la fase di recall.

È in questo senso che definiamo AWIT (ANN What If Theory) come l’interpretazione di un dataset (tradizionalmente denominato Testing Dataset) utilizzando la logica presente in un altro dataset (il Dataset di training).

L’algoritmo per implementare questo nuovo approccio all’analisi dei dati è il seguente:
• Siano  DB1 e DB2  due dataset diversi ma con lo stesso tipo di variabili;
• La funzione f () è una funzione non lineare ottimale di  interpolazione di DB1, tramite una RNA  auto-encoder costituita  da uno strato hidden;
• Il dataset DB2 viene riscritto utilizzando la RNA addestrata sul dataset DB1 ;
• L’output di AWIT  rappresenta come ogni variabile del dataset DB2 viene riformulata con la “logica”  presente nel detaset  DB1.

References

[1] P.M.Buscema, W.J.Tastle
Artificial Neural Network. What-If Theory
International Journal of Information Systems and Social Change, 6(4), 52-81, October-December 2015. July 2015.

[2] P.M. Buscema, G. Maurelli, F.S. Mennini, L. Gitto, S. Russo, M. Ruggeri, S. Coretti, A. Cicchetti
Artificial neural networks and their potentialities in analyzing budget health data: an application for Italy of what-if theory
in Quality & Quantity, 10.1007/s11135-016-0329-y, Springer Science+Business Media Dordrecht 2016. 24 March 2016.