Automatikus tudáskinyerés fuzzy szabály interpoláció alapú Q-tanulással

Absztrakt

Jelen cikk egy olyan új eljárást mutat be, amely képes automatikus tudáskinyerésre olyan esetekben, amikor egy rendszer egzakt működése nem ismert, illetve nem áll rendelkezésre adott bemeneti halmazhoz tartozó kimeneti halmaz, tehát mintaadatok alapján nem lehet rendszerműködés generálást végezni. Az eljárás alapja egy már korábban kifejlesztett megerősítéses tanulási módszer, illetve annak egy inkrementális szabálybázis konstrukciós kiegészítése. Az utóbbi módszerekkel eredményül kapott szabálybázisokat felhasználva történik a végleges tudáskinyerés különböző, újonnan kifejlesztett, dekrementális szabálybázis redukciós eljárásokkal. A cikk első része egy áttekintést ad az említett megerősítéses tanulási módszerről, a második része bemutatja az új algoritmusokat, melyek eredményeit egy alkalmazás példán keresztül szemlélteti.