본 논문은 인공 신경망(ANN) 출력에 대한 설명을 제공하는 방법, 특히 논리 기반 설명 가능성에 초점을 맞추고 있습니다. 논리 기반 방법은 정확성을 보장하는 설명을 제공할 수 있지만, 확장성 문제에 직면합니다. 따라서 ANN을 논리적 제약 조건으로 변환하는 다양한 인코딩 방식을 비교하는 것이 중요합니다. 본 논문에서는 기존에 사용된 ANN 인코딩 방식과 효율성을 높이기 위해 변형된 새로운 인코딩 방식을 비교 분석합니다. 새로운 인코딩은 변수와 제약 조건의 수를 줄여 효율성을 개선하고자 합니다.