[論文レビュー] Literature Review of the Recent Trends and Applications in various Fuzzy Rule based systems

Ayush K. Varshney, Vicenç Torra|arXiv (Cornell University)|Sep 15, 2022

Fuzzy Logic and Control Systems被引用数 4

ひとこと要約

本論文は、2010年から2021年までのファジィルールベースシステム（FRBSs）に関する包括的な文献レビューを提供しており、遺伝的、階層的、ニューロファジィ、進化型、ビッグデータ、不均衡データ、クラスターセンターベース、解釈可能性の高いFRBSsにおける最近の動向と応用に焦点を当てている。神経ファジィシステム、ビッグデータ応用、解釈可能性が、最も活発な研究分野であると特定している一方で、モデル最適化、倫理的配慮、ロボット統合における未解決の課題を強調している。

ABSTRACT

Fuzzy rule based systems (FRBSs) is a rule-based system which uses linguistic fuzzy variables as antecedents and consequent to represent human understandable knowledge. They have been applied to various applications and areas throughout the soft computing literature. However, FRBSs suffers from many drawbacks such as uncertainty representation, high number of rules, interpretability loss, high computational time for learning etc. To overcome these issues with FRBSs, there exists many extensions of FRBSs. This paper presents an overview and literature review of recent trends on various types and prominent areas of fuzzy systems (FRBSs) namely genetic fuzzy system (GFS), hierarchical fuzzy system (HFS), neuro fuzzy system (NFS), evolving fuzzy system (eFS), FRBSs for big data, FRBSs for imbalanced data, interpretability in FRBSs and FRBSs which use cluster centroids as fuzzy rules. The review is for years 2010-2021. This paper also highlights important contributions, publication statistics and current trends in the field. The paper also addresses several open research areas which need further attention from the FRBSs research community.

研究の動機と目的

• 2010年から2021年までのFRBSsに関する体系的文献レビューを提供すること。特に、新興のバリエーションと応用に焦点を当てる。
• 8つの主要なFRBSサブフィールドにおける出版動向、被引用数の影響、研究活動を分析すること。
• モデル最適化、解釈可能性、倫理的配慮を含む、FRBSにおける未解決の研究課題を特定すること。
• ビッグデータ、不均衡データ、クラスターセンターベースのルールを含む、これまでにあまり研究が進んでいなかった分野を含め、先行レビューを拡張すること。
• 深層ファジィネットワークやロボット工学への応用といった、未開発だが有望な分野を強調することで、今後の研究を導くこと。

提案手法

• 2010年から2021年までのオリジナル英語論文を対象に、Scopusデータベースを用いた体系的文献レビューを実施した。
• 遺伝的／進化型、階層的、ニューロファジィ、進化型、ビッグデータ、不均衡データ、クラスターセンターベース、解釈可能性に焦点を当てた8つの主要なFRBSバリエーションを分類・分析した。
• 出版統計、被引用動向、各FRBSタイプごとの主要論文を収集・評価し、研究の勢いを評価した。
• 各カテゴリの代表的論文をレビューし、コア技術、アーキテクチャ、パフォーマンス指標を同定した。
• 文献計測分析を用いて、サブフィールド間での研究活動の比較と、支配的動向の特定を行った。
• 現在の文献における制限とギャップを包括的合成することで、未解決の研究課題を同定した。

実験結果

リサーチクエスチョン

• RQ1 2010年から2021年までのファジィルールベースシステム（FRBSs）において、最も活発な研究動向は何か？
• RQ2 解釈可能性、高次元データ、不確実性といった課題に対応して、FRBSsはどのように進化してきたか？
• RQ3 神経ファジィ、進化型、ビッグデータシステムなどのFRBSバリエーションのうち、どのタイプが最も顕著な研究成長を示したか？
• RQ4 特にモデル最適化と倫理的含みに関する制限と未解決の課題は何か？
• RQ5 ファジィ論理とディープラーニングや進化型アルゴリズムを組み合わせたハイブリッドFRBSモデルは、パフォーマンスと解釈可能性にどのように寄与しているか？

主な発見

• 2010年から2021年までのFRBS分野において、神経ファジィシステム（NFS）、ビッグデータ応用、解釈可能性／説明可能性が、最も活発な研究分野として浮き彫りになった。
• 遺伝的ファジィシステム（GFS）における研究活動は著しく減少しており、研究コミュニティの関心のシフトを示している。
• ディープラーニングや進化型アルゴリズムと組み合わせた、複数のFRBSタイプを統合したハイブリッドモデルは、ますます人気が高まっている。
• 解釈可能性は依然として重要な懸念事項であり、特に2つ以上の前件を有するルールは人間が理解しにくいため、その点が課題となっている。
• マムダニ型およびTSK型FRBSsのモデル最適化、特に所属関数の選定とルールベース設計は、依然として主に手作業で行われており、自動化が不十分である。
• 深層ファジィニューラルネットワーク（DFNNs）は、ブラックボックスモデルにおける解釈可能性の面で有望であるが、高い計算コストを伴い、勾配降下法を超える最適化が今後さらに必要とされている。