[논문 리뷰] Literature Review of the Recent Trends and Applications in various Fuzzy Rule based systems

Ayush K. Varshney, Vicenç Torra|arXiv (Cornell University)|2022. 09. 15.

Fuzzy Logic and Control Systems인용 수 4

한 줄 요약

이 논문은 2010년에서 2021년까지 흐린 규칙 기반 시스템(FRBSs)에 대한 종합적인 문헌 고찰을 제공하며, 유전적, 계층적, 신경-흐린, 진화적, 대용량 데이터, 불균형 데이터, 클러스터 중심 기반, 해석 가능성 중심의 FRBSs에서의 최근 추세와 응용을 중점적으로 다룬다. 신경-흐린 시스템, 대용량 데이터 응용, 그리고 해석 가능성은 가장 활발한 연구 분야로 규명되었으며, 모델 최적화, 윤리적 고려사항, 로봇 통합 등 열린 과제들이 강조되었다.

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.

연구 동기 및 목표

• 2010년에서 2021년까지의 FRBSs에 대한 체계적인 문헌 고찰을 제공하여, 새로운 유형과 응용을 중점적으로 다룬다.
• 여덟 가지 주요 FRBS 하위분야에서의 출판 추세, 인용 영향력, 연구 활동을 분석한다.
• 모델 최적화, 해석 가능성, 윤리적 고려사항과 같은 FRBSs의 열린 연구 과제를 규명한다.
• 기존 고찰을 확장하여 대용량 데이터, 불균형 데이터, 클러스터 중심 기반 규칙을 포함한 다루지 않은 분야를 포함한다.
• 딥 퍼지 네트워크와 로봇 응용과 같은 개발이 부족하지만 유망한 방향성을 강조함으로써 향후 연구를 이끌어낸다.

제안 방법

• 2010년에서 2021년 사이에 출판된 원본 영문 논문을 대상으로 Scopus 데이터베이스를 활용한 체계적 문헌 고찰을 수행하였다.
• 유전적/진화적, 계층적, 신경-흐린, 진화적, 대용량 데이터, 불균형 데이터, 클러스터 중심 기반, 해석 가능성 중심의 시스템을 포함한 8개의 주요 FRBS 유형을 분류하고 분석하였다.
• 출판 통계, 인용 추세, 각 FRBS 유형별 핵심 논문을 수집하고 평가하여 연구의 활동성과 추세를 평가하였다.
• 각 범주에서 대표적인 논문들을 검토하여 핵심 기술, 아키텍처, 성능 지표를 규명하였다.
• 문헌 고찰 분석을 통해 하위분야 간 연구 활동을 비교하고 주요 추세를 식별하였다.
• 기존 문헌의 한계와 격차를 체계적으로 분석함으로써 열린 연구 문제를 규명하였다.

실험 결과

연구 질문

• RQ1 2010년에서 2021년까지 흐린 규칙 기반 시스템(FRBSs)에서 가장 활발한 연구 추세는 무엇인가?
• RQ2 해석 가능성, 고차원 데이터, 불확실성과 같은 도전 과제에 대응하여 FRBSs는 어떻게 진화해 왔는가?
• RQ3 신경-흐린, 진화적, 또는 대용량 데이터 시스템과 같은 FRBS 유형 중에서 연구 성장률이 가장 높은 것은 무엇인가?
• RQ4 모델 최적화 및 윤리적 영향과 같은 측면에서 현재 FRBS 연구의 주요 한계와 열린 과제는 무엇인가?
• RQ5 딥 러닝 또는 진화 알고리즘과 같은 기술과 융합된 하이브리드 FRBS 모델은 성능 향상과 해석 가능성에 어떻게 기여하는가?

주요 결과

• 2010년에서 2021년까지 흐린 규칙 기반 시스템(FRBSs)에서 신경-흐린 시스템(NFS), 대용량 데이터 응용, 해석 가능성/설명 가능성 분야가 가장 활발한 연구 분야로 부상하였다.
• 유전적 흐린 시스템(GFS)의 연구 활동은 상당히 감소하여 연구 커뮤니티의 관심이 이동하고 있음을 시사한다.
• 딥 러닝 또는 진화 알고리즘과 융합된 다중 FRBS 유형을 결합한 하이브리드 모델이 점점 더 인기를 끌고 있다.
• 특히 두 개 이상의 전제 조건을 가진 규칙의 경우 인간이 이해하기 어려워지므로, 해석 가능성은 여전히 핵심적인 고려사항이다.
• 멤버십 함수 선택 및 규칙 기반 설계와 같은 측면에서 Mamdani 및 TSK FRBSs의 모델 최적화는 여전히 주로 수작업이며 자동화되지 않은 상태이다.
• 딥 퍼지 신경망(DFNNs)은 투명성 없는 모델에서의 해석 가능성에 유망한 가능성을 보이고 있으나, 높은 계산 비용을 지니고 있으며 기울기 하강법 외의 최적화가 추가로 필요로 한다.