Explanação ao usuário é uma função importante em Siste mas Especialistas (SE) principalmente quando aplicados à área médica. Experiências com SE, sejam estes Baseados em Regras (RBES) ou em Redes Neurais Artificiais (NNES), têm mostrado que a capacidade para gerar explicações é absolutamente crucial para sua aceitação por parte de usuários médicos. Tradicionalmente, Redes Neurais Arti ficiais (RNA) e, conseqüentemente, os NNES têm dificul dades para a geração de estruturas de explicações. Assim, técnicas devem ser desenvolvidas de forma a se obter ex plicações de como os NNES chegaram a uma conclusão. Este trabalho tem como meta principal apresentar uma técnica de extração de regras para uma rede que é a base de um NNES. O algoritmo desenvolvido, denominado FUZZYRULEXT, extrai regras Se-Então de redes fuzzy com múltiplas camadas apresentando, como características particulares: a) uma topologia com neurônios E/Ou; b) os dados de entrada são permitidos ser booleanos, numéricos e lingüísticos; c) eliminação de regras redundantes gera das. Simulações foram realizadas para um problema real da área médica que consiste na classificação de crises epi lépticas. Os resultados atingidos foram satisfatórios e encorajadores no sentido da generalização de tal algoritmo para RNA clássicas.

Providing explanation to the user is an important function of expert systems (ES), particularly those developed for application in the medical area. Previous experience with ES, both those based on production rules (RBES) and the ones based on Artifi cial Neural Networks ES (NNES) have shown that the ability of these systems to explain a given result is absolutely crucial for their acceptance by the medical users. Nevertheless, artificial neural networks (ANN) and NNES usually have difficulty in generating explanation structures. Therefore, techniques should be developed to permit the NNES to provide an adequate explanation of their conclusions. The main goal of this work is the presentation of a technique for the extraction of rules from a network that constitutes the base of the NNES. The algorithm developed, called FUZZYRULEXT, extracts If-Then rules from multi-layer fuzzy networks presenting, as main characteristics: a) an And/Or neuron topology; b) input data that can be Boolean, numerical, and linguistic; c) a redundant rule elimination process. Simulations have been accomplished based on a real problem in the medical area related to the classification of epileptic crises. The results obtained have been quite satisfactory and encouraging, according to the generalisation of algorithms for a classical ANN.