[論文レビュー] Design a Technology Based on the Fusion of Genetic Algorithm, Neural network and Fuzzy logic

Raid Rafi Omar Al-Nima, Fawaz S. Abdullah+1 more|arXiv (Cornell University)|Feb 16, 2021

Fuzzy Logic and Control Systems参考文献 35被引用数 8

ひとこと要約

本論文は、遺伝的アルゴリズム、ニューラルネットワーク、ファジィ論理を統合することで、リアルタイムシステムにおける意思決定の正確性と適応性を向上させる、新規のハイブリッド人工知能技術である遺伝的ニューロファジィ（GNF）を提案する。この統合は信頼度レベルで行われ、複雑で動的な環境における性能向上を図るスコアベースの情報統合を可能にする。

ABSTRACT

This paper describes the design and development of a prototype technique for artificial intelligence based on the fusion of genetic algorithm, neural network and fuzzy logic. It starts by establishing a relationship between the neural network and fuzzy logic. Then, it combines the genetic algorithm with them. Information fusions are at the confidence level, where matching scores can be reported and discussed. The technique is called the Genetic Neuro-Fuzzy (GNF). It can be used for high accuracy real-time environments.

研究の動機と目的

• 遺伝的アルゴリズム、ニューラルネットワーク、ファジィ論理を包括的に統合する統一された人工知能フレームワークの開発を目的とする。
• 最適化、学習、不確実性処理の各強みを活かし、個々のAI部品の限界を克服することを目的とする。
• 信頼度レベルでの情報統合を通じて、リアルタイムで高精度な意思決定を可能とすることを目的とする。
• 複雑で不確実的かつ動的な環境に対応できる、強固で適応可能なシステムの構築を目的とする。
• 実用的なAIアプリケーションにおける統合モデルの実現可能性と性能向上を実証することを目的とする。

提案手法

• ニューラルネットワークとファジィ論理の間の基礎的関係を確立し、意味的・機能的な統合を可能にする。
• 進化的な探索により、ニューロファジィシステムのパラメータおよび構造を最適化するため、遺伝的アルゴリズムを統合する。
• 信頼度レベルでの情報統合を実装し、複数のコンポONENTからのスコアを統合して意思決定出力を得る。
• ファジィ論理が不確実性を処理し、ニューラルネットワークがデータから学習し、遺伝的アルゴリズムがシステムパラメータを調整するハイブリッドアーキテクチャを採用する。
• パフォーマンス指標に基づいて、遺伝的アルゴリズムがメンバーシップ関数およびネットワーク重みを進化させるフィードバックループを設計する。
• プロトタイプシステムに統合モデルを適用し、リアルタイムおよび動的入力シナリオにおけるパフォーマンスを評価する。

実験結果

リサーチクエスチョン

• RQ1 遺伝的アルゴリズムは、ニューロファジィシステムのパラメータをどのように効果的に最適化できるか？
• RQ2 ニューラルネットワーク、ファジィ論理、遺伝的アルゴリズムの間で、信頼度レベルでの情報統合に最適な方法は何か？
• RQ3 これらの3つのコンポONENTの統合により、リアルタイム環境における意思決定の正確性と適応性が著しく向上するか？
• RQ4 提案されたGNFモデルは、単体または二重コンポonentのAIシステムと比較して、不確実性や動的データの処理において優れているか？
• RQ5 信頼度レベルでのスコア評価は、統合システムの信頼性および解釈可能性をどのように向上させるか？

主な発見

• 提案された遺伝的ニューロファジィ（GNF）フレームワークは、遺伝的アルゴリズム、ニューラルネットワーク、ファジィ論理を包括的に統合した一貫性のあるシステムを実現した。
• 信頼度レベルでの統合により、不確実性の強力な処理が可能となり、スコアベースの集約によって意思決定の信頼性が向上した。
• パラメータの進化的最適化のおかげで、リアルタイム環境におけるシステムの適応性と正確性が向上した。
• ファジィ論理とニューラルネットワークの統合により、不確実またはノイズの多い入力条件下でも解釈可能性と耐性が向上した。
• 遺伝的アルゴリズムは、メンバーシップ関数およびネットワーク重みの微調整に効果的に機能し、収束性とパフォーマンスの向上をもたらした。
• プロトタイプは、複雑で動的な意思決定タスクにおける実現可能性と性能向上を示しており、ハイブリッドアプローチの有効性を検証した。