Antecedens redundancia feltárása a fuzzy szabály interpoláció alapú megerősítéses tanulási módszerben

Absztrakt

Jelen cikk olyan új módszereket mutat be, amelyekkel hatékonyabbá tehetők a FRIQ-learning (Fuzzy Rule Interpolation-based Q-learning – fuzzy szabály interpoláció alapú Q-tanulás) gépi tanulási módszert felhasználó automatikus tudáskinyerési eljárások, valamint új megoldások is bevezethetők a felhasználásukkal. A korábban kifejlesztett FRIQ-learning módszer egy olyan fuzzy szabálybázist képes felépíteni egy adott probléma megoldásához, melyben csak a kardinális szabályok szerepelnek.A fuzzy szabály interpolációnak (FRI) köszönhetően pedig a közvetlenül le nem fedett esetekre is számítható konklúzió. A konkrét szabályok kiválogatása, hogy valójában melyek a ténylegesen fontosak egy adott probléma megoldásához, melyek azok amelyek kiadódnak az interpoláció jóvoltából, nem triviális feladat. Teljes szabályok elhagyására már bemutatásra került néhány lehetséges stratégia, azonban olyan stratégia eddig még nem került kidolgozásra, amely szabályok antecedenseinek elhagyhatóságát vizsgálja. Ez a cikk egy ilyen megoldást vázol fel, lehetővé téve egy adott szabálybázis további egyszerűsítését, elősegítve olyan ritka fuzzy szabálybázisok létrehozását, amelyekből közvetlenül ember által is kiolvasható a feltárt tudás.