[論文レビュー] Neuro Fuzzy Systems: Sate-of-the-Art Modeling Techniques

Ajith Abraham|ArXiv.org|May 5, 2004

Fuzzy Logic and Control Systems参考文献 7被引用数 4

ひとこと要約

本論文は、人工ニューラルネットワーク（ANNs）とファジィ推論システム（FIS）を統合して適応的知能モデルを構築する神経ファジィシステムの包括的レビューを提示している。融合手法を同時に処理型、協働型、完全統合型に分類し、その利点、制限および応用分野ごとの適性を分析し、ハイブリッド知能システム設計分野の研究者にとって基盤的リファレンスを提供する。

ABSTRACT

Fusion of Artificial Neural Networks (ANN) and Fuzzy Inference Systems (FIS) have attracted the growing interest of researchers in various scientific and engineering areas due to the growing need of adaptive intelligent systems to solve the real world problems. ANN learns from scratch by adjusting the interconnections between layers. FIS is a popular computing framework based on the concept of fuzzy set theory, fuzzy if-then rules, and fuzzy reasoning. The advantages of a combination of ANN and FIS are obvious. There are several approaches to integrate ANN and FIS and very often it depends on the application. We broadly classify the integration of ANN and FIS into three categories namely concurrent model, cooperative model and fully fused model. This paper starts with a discussion of the features of each model and generalize the advantages and deficiencies of each model. We further focus the review on the different types of fused neuro-fuzzy systems and citing the advantages and disadvantages of each model.

研究の動機と目的

• 人工ニューラルネットワーク（ANNs）とファジィ推論システム（FIS）の間の統合技術を分析・分類すること。
• 実世界の応用において、さまざまな神経ファジィモデリング手法の強みと弱みを特定すること。
• 研究者および実務家向けに、同時に処理型、協働型、完全統合型神経ファジィモデルの構造的概要を提示すること。
• 応用分野に応じた要件に基づき、適切な神経ファジィアーキテクチャの選定を支援すること。

提案手法

• システムアーキテクチャおよび相互作用メカニズムに基づき、神経ファジィ統合を3つのモデルに分類する：同時に処理型、協働型、完全統合型。
• ANNが重みの調整を通じて学習能力を提供するのに対し、FISがファジィ論理を用いたルールベース推論を提供する仕組みを分析する。
• ハイブリッドシステム設計の原則を検討し、ファジィif-thenルールをニューラルネットワークの入力として使用し、バックプロパゲーションを用いてルールベースの最適化を実施する手法を検討する。
• 適応性、解釈可能性、計算複雑性の観点からモデルのパフォーマンスを評価する。
• 工学および科学分野からの事例研究および応用例を用いて、モデルの挙動を説明する。
• 学習速度、ルールの解釈可能性、ノイズ耐性といった定性的基準を用いて、モデルタイプを比較する。

実験結果

リサーチクエスチョン

• RQ1 同時に処理型、協働型、完全統合型神経ファジィモデルは、アーキテクチャおよび機能面でどのように異なるか？
• RQ2 実際の応用において、各神経ファジィ統合モデルの主な利点と制限は何か？
• RQ3 どのような状況下で完全統合型神経ファジィシステムが協働型や同時に処理型よりも優れているか？
• RQ4 ANNとFISの統合は、知能システムにおける適応性および解釈可能性をどのように向上させるか？
• RQ5 与えられた現実世界の問題に対して神経ファジィモデルを選定する際の指針となる基準は何か？

主な発見

• 同時に処理型モデルはニューラルおよびファジィコンポーネントを分離しており、モularityを提供するが、学習と推論の間の連携は限定的である。
• 協働型モデルは部分的な相互作用を可能にし、反復的最適化によって性能を向上させるが、連携の複雑さが増加する。
• 完全統合型モデルは学習とルールベース推論をコアに統合しており、エンドツーエンド最適化を可能にするが、解釈性が低下する。
• 各モデルタイプは、適応性、解釈可能性、計算効率の間でトレードオフを呈する。
• 応用分野に応じた選定が不可欠であり、あらゆる分野で優れるモデルは存在しない。
• ANNとFISの統合は、学習と人間が読める推論を必要とする現実世界の問題に対して、効果的に対応できる。