신경회로망을 이용한 퍼지 IF–THEN 규칙 정제 방법 (Fuzzy IF–THEN Rules Refinement Method Using Neural Networks)

서지정보

· 발행기관 : 한국정보기술학회
· 수록지 정보 : 한국정보기술학회논문지 / 17권 / 8호 / 21 ~ 28페이지
· 저자명 : 염찬욱, 최한수

초록

지식 획득 또는 추출은 인공지능 분야에서 전문가 시스템 개발의 장애로 여겨진다. 퍼지 IF-THEN 규칙들은 불확실한 지식의 가장 흔히 사용되는 표현 도구이며, 인공지능에 널리 적용된다. Training data의 불충분과 규칙추출 방법의 한계와 같은 불확실한 요인들 때문에, 데이터로부터 추출된 퍼지 IF-THEN 규칙들은 만족한 성능을 갖지 못한다. 이 경우에 하나의 방법은 추출된 퍼지 IF-THEN 규칙들을 정제하는 것을 생각할 수 있다. IF-THEN 규칙들 내의 파라메타들은 신경회로망의 연결 가중치들에 해당한다. 따라서 IF-THEN 규칙들의 정제는 신경회로망 학습에 의해 완성되어 질 수 있다. 그 파라미터들은 선형 삼각형 멤버십 함수의 중심과 폭이다. 본 연구에서는 두 개의 전건부와 하나의 후건부가 신경회로망에 의해 동조되어 진다.

영어초록

Knowledge acquisition or extraction is regarded as the bottleneck of expert system development in the artificial intelligence field. Fuzzy IF–THEN rules are the most commonly used representation tools of knowledge with uncertainty and have wide applications to artificial intelligence. Due to many uncertain factors such as the insufficiency of training data and limitations of the methods of rule extraction, fuzzy IF–THEN rules extracted from data by using the previous methods are not likely to have a satisfying performance. In this case, one can consider that the extracted fuzzy IF–THEN rules require a refinement. The parameters in the IF–THEN rules correspond to connection weights of the neural network, and therefore, the refinement of IF–THEN rules can be completed by training the neural network. The parameters are center and width of membership function with linear triangle shape. In this study, two antecedent parts and a consequent part are tuned by neural networks.

참고자료

· 없음