Core Concepts
퍼지 규칙 기반 지식 모델을 자연어 문장으로 자동 변환하는 방법을 제시한다.
Abstract
이 논문은 퍼지 규칙 기반 지식 모델을 자연어 문장으로 자동 변환하는 방법을 소개한다.
퍼지 시스템의 기본 개념과 구조를 설명한다. 퍼지 규칙은 전제부와 결론부로 구성되며, 전제부의 언어적 용어는 퍼지 집합으로 정의된다.
퍼지 규칙의 언어적 설명을 자동으로 생성하는 방법을 제시한다. 두 가지 유형의 퍼지 용어(양방향 및 단방향)에 대해 각각의 언어적 표현 방식을 설명한다.
합성 데이터셋 '4 Gausses'를 활용하여 Mamdani-Assilan 및 Takagi-Sugeno-Kang 신경-퍼지 시스템을 구현하고, 자동 생성된 퍼지 규칙의 언어적 설명을 제시한다.
제안된 방법의 구현 코드를 공개 리포지토리에서 제공한다.
Stats
퍼지 규칙의 전제부는 "if day is long and wind is weak then temperature is high"와 같이 표현된다.
퍼지 집합은 삼각형, 사다리꼴, 가우시안, 단일톤 등 다양한 형태로 정의될 수 있다.
가우시안 퍼지 집합의 경우 평균과 표준편차를 이용하여 "strictly", "distinctly", "moderately", "mildly", "loosely" 등의 언어적 표현으로 퍼지성을 나타낸다.
단방향 퍼지 집합(시그모이드, 반삼각형, 아크탄젠트, 쌍곡선 탄젠트)의 경우 교차점 위치와 기울기를 이용하여 "micro", "tiny", "small", "medium", "large", "huge", "giant" 및 "hardly", "mildly", "moderately", "distinctly", "stepwise" 등의 언어적 표현으로 나타낸다.
Quotes
"Neuro-fuzzy systems are a technique of explainable artificial intelligence (XAI). They elaborate knowledge models as a set of fuzzy rules."
"Fuzzy sets are crucial components of fuzzy rules. They are used to model linguistic terms."
"Descriptors are implemented with fuzzy sets. In the premises of rules, any fuzzy set can be used. The choice depends on many factors (eg some NFS use gradient optimisation techniques that require the membership functions of fuzzy sets to be differentiable)."