[논문 리뷰] A conditional, a fuzzy and a probabilistic interpretation of self-organising maps

Laura Giordano, Valentina Gliozzi외 1명|arXiv (Cornell University)|2021. 03. 11.

Rough Sets and Fuzzy Logic참고 문헌 86인용 수 5

한 줄 요약

이 논문은 자기조직화 지도(SOMs)를 흐릿한 및 선호 기반 서술 논리와 연결함으로써, 성질 검증을 위한 모델 체킹이 가능한 논리적 해석을 제공한다. SOMs가 흐릿한 $δ$-해석과 다중 선호 기반 $δ$-해석으로 해석될 수 있음을 입증하고, 자데의 흐린 사건의 확률 이론을 통해 확률적 해석을 도출함으로써 사후 설명 가능성과 기호 지식 시스템과의 통합을 가능하게 한다.

ABSTRACT

In this paper we establish a link between fuzzy and preferential semantics for description logics and Self-Organising Maps, which have been proposed as possible candidates to explain the psychological mechanisms underlying category generalisation. In particular, we show that the input/output behavior of a Self-Organising Map after training can be described by a fuzzy description logic interpretation as well as by a preferential interpretation, based on a concept-wise multipreference semantics, which takes into account preferences with respect to different concepts and has been recently proposed for ranked and for weighted defeasible description logics. Properties of the network can be proven by model checking on the fuzzy or on the preferential interpretation. Starting from the fuzzy interpretation, we also provide a probabilistic account for this neural network model.

연구 동기 및 목표

• 자기조직화 지도(SOMs)에 대한 공식적인 논리적 해석을 수립하여 인공지능에서의 설명 가능성 향상.
• 특히 카테고리 일반화를 위해 SOMs를 흐릿한 및 선호 기반 의미론과 연결하여 서술 논리의 의미론과 연계.
• 학습된 SOM에서 논리적 성질(예: 취약한 포함 관계)의 모델 체킹을 통한 검증 가능.
• 기존의 선호 기반 해석을 확장하여 흐릿한 및 확률적 의미론을 포함.
• 신경망 행동을 가중 조건부 기반 기호 지식 기반으로 매핑함으로써 신경기호 통합 지원.

제안 방법

• 논문은 경량 서술 논리 $δ$-LC에 대해 개념별 다중 선호 의미론을 정의하며, 각 개념(카테고리)이 카테고리 원형에서의 거리 기반으로 선호 관계를 가짐.
• 각 SOM 카테고리가 입력 자극에 대한 흐릿한 집합으로 해석되며, 카테고리 표현으로부터의 상대적 거리를 기반으로 [0,1] 범위의 소속도 값을 할당함. 이는 글리오츠지와 플랭켓의 유사도 기반 모델에 기반.
• 자극을 흐릿한 진리값으로 매핑함으로써 흐릿한 $δ$-LC 해석을 구성하고, 이로써 흐릿한 포함 공리의 평가가 가능.
• Zadeh의 흐린 사건의 확률 이론을 사용하여 흐린 모델에서 확률적 해석을 도출함으로써, 흐린 소속도를 확률적 신뢰도와 연결.
• 모델 체킹을 통해 흐린 해석과 선호 기반 해석 모두에 적용하여 취약한 포함 관계 및 학습된 SOM의 논리적 성질 검증.
• 네트워크가 학습한 가중치와 위상적 구조를 활용하여 입력 자극의 근접도에 기반한 의미론적 해석 정의.

실험 결과

연구 질문

• RQ1 학습된 자기조직화 지도의 입력/출력 행동은 흐린 서술 논리 의미론을 사용해 공식적으로 해석될 수 있는가?
• RQ2 개념별 선호 기반의 다중 선호 의미론은 SOM의 카테고리 일반화를 모델링하는 데 어떻게 활용될 수 있는가?
• RQ3 SOM의 흐린 해석은 자데의 흐린 사건 이론을 사용해 확률적 해석으로 확장될 수 있는가?
• RQ4 유도된 흐린 또는 선호 기반 해석에 대한 모델 체킹을 통해 SOM의 논리적 성질을 어느 정도 검증할 수 있는가?
• RQ5 SOM은 취약하거나 흐린 지식 기반과 얼마나 잘 통합될 수 있으며, 신경기호 인공지능에 어떤 잠재력을 지닌다?

주요 결과

• 학습된 SOM의 행동은 각 카테고리가 자극과 카테고리 간 거리에 의해 정의된 흐릿한 집합으로 해석되는 흐린 $δ$-LC 해석으로 공식적으로 기록될 수 있다.
• SOM은 또한 상대적 거리 기반으로 원형에 대한 거리 기반으로 정의된 예시 간 선호 관계를 가진 다중 선호 기반 $δ$-LC 모델로도 해석될 수 있다.
• 흐린 해석과 선호 기반 해석에 대한 모델 체킹을 통해 취약한 포함 관계 및 네트워크의 논리적 성질 검증이 가능하다.
• Zadeh의 흐린 사건의 확률 이론을 사용하여 흐린 모델에서 유도된 SOM의 확률적 해석을 통해 불확실성 정량화 가능.
• 이 접근법은 사후 설명과 기호 추론 시스템과의 SOM 통합을 가능하게 하여 신뢰할 수 있고 설명 가능한 인공지능 지원.
• 이 프레임워크는 기존 연구를 확장하여 흐린 및 선호 기반 의미론을 모두 지원하는 통합된 논리적 해석을 제공하며, 다른 신경망 모델로의 확장 가능성도 지닌다.