[論文レビュー] Truth Maintenance Under Uncertainty

LiMin Fu|arXiv (Cornell University)|Mar 27, 2013

Rough Sets and Fuzzy Logic参考文献 8被引用数 6

ひとこと要約

本稿では、不確実性下におけるルールベースシステムにおける真実維持のためのニューラルネットワークベースのアプローチを提案し、誤りの解消を学習問題に再定式化する。ニューラルヒューリスティクスがルールシステムにおける特定の不確実性関連の問題を効果的に解決できることを示しているが、不確実性下でのすべてのルールベース推論を処理するには限界がある。

ABSTRACT

This paper addresses the problem of resolving errors under uncertainty in a rule-based system. A new approach has been developed that reformulates this problem as a neural-network learning problem. The strength and the fundamental limitations of this approach are explored and discussed. The main result is that neural heuristics can be applied to solve some but not all problems in rule-based systems.

研究の動機と目的

• 不確実性が存在する状況におけるルールベースシステムの誤りを解消する課題に対処すること。
• ニューラルネットワークの学習が不確実性下での真実維持に効果的に適用可能かどうかを調査すること。
• 不確実なルールベース推論における一貫性を維持するうえでのニューラルヒューリスティクスの強みと限界を特定すること。
• 不確実な環境下で真実維持を学習問題に再定式化する可能性を評価すること。

提案手法

• 不確実性下における真実維持をニューラルネットワークの学習問題に再定式化すること。
• 不確実性が存在する状況で、ニューラルヒューリスティクスを用いてルールベース推論を動的に調整・是正すること。
• 信念状態の更新とルールシステム内の不整合の解消に、学習メカニズムを適用すること。
• 不確実なルールインスタンス上でニューラルモデルを学習させ、耐性と適応性を向上させること。
• ルールセットに不確実性や矛盾が存在する状況でも論理的一貫性を維持できるか、システムの能力を評価すること。

実験結果

リサーチクエスチョン

• RQ1 ニューラルネットワークは、不確実性下におけるルールベースシステムの真実維持を効果的にモデル化できるか？
• RQ2 ニューラルヒューリスティクスは、不確実なルールベース推論の間の一貫性を維持するうえで、どのような限界を有するか？
• RQ3 ニューラル学習アプローチは、不確実な環境下で従来の真実維持システムと比べてどのように異なるか？
• RQ4 ニューラルネットワークは、ルールベースシステムにおけるさまざまな種類の不確実性に対して、どの程度一般化できるか？

主な発見

• ニューラルヒューリスティクスは、不確実性下におけるルールベースシステムの特定のクラスの誤りを効果的に解消できる。
• ルールに一貫性がなく、不確実性がある状況でも、一貫性を維持するうえで優れた適応性を示している。
• しかし、すべてのルールベース推論問題が、このニューラルアプローチで解決できるわけではない。
• 不確実性が時間とともに変化する動的環境において、この手法は有望である。