《오늘 세계는 경제의 지식화에로 전환되고있으며 우리앞에는 나라의 경제를 지식의 힘으로 장성하는 경제로 일신시켜야 할 시대적과업이 나서고있습니다.》
오늘 우리 나라에서는
현재 지능정보처리분야에서는 높은 속도와 처리능력을 가진 모호추론의 원리와 방법에 대한 관심이 높아지고있다. 선행한 모호추론방법들은 서로 다른 착상 즉 합성규칙과 그의 변종들, 류사도, 거리측도 등에 기초하고있다.
이 론문에서는 보상연산에 기초한 모호추론원리와 그 응용에 대하여 서술한다.
제안방법의 기본적인 착상은 전건부모호모임과 관측값사이의 이동, 변환, 이동 및 변환관계에 대응하게 결론부모호모임을 이동시키고 변환시켜 새로운 추론결과를 얻는것이다. 이것은 인간의 사고에 부합될뿐만아니라 모호추론의 환원성도 만족한다. 제안방법은 전통적인 합성규칙이나 류사도에 기초하지 않으며 그의 연산은 선행방법들에 비하여 간단하다. 이 방법은 체계의 모형화 및 예측, 모호조종, 결심채택 등의 분야들에 적용할수 있다. 실제현실자료모임에 대한 실험결과들은 모호신경망학습의 정확도와 시간성능을 의의있게 개선한다는것을 보여주었다.
1. 보상형모호추론원리
모호규칙과 관측자료가 주어졌을 때 관측과 모호규칙의 전건부(후건부)사이에는 두가지 종류의 관계 즉 이동과 변환이 존재한다. 이 관계들을 모호규칙의 전건부(후건부)에 반영하여 새로운 후건부(전건부)모호모임을 얻는다. 이 착상을 보상형모호론추원리 또는 모호추론의 보상규칙이라고 한다. 모호추론의 합성규칙에 의한 추론결과가 비정규이고 불룩인 모호모임을 도출하는데 비하여 제안한 원리에 의한 모호추론결과는 정규이고 불룩인 모호모임을 도출한다. 비정규인 모호모임을 정규인 모호모임으로 정보처리를 진행한다는 의미에서 제안한 원리를 보상형모호추론원리라고 부른다. 이 모호추론원리에 기초한 모호긍정법과 모호부정법은 서로 다른 입력정보에 대하여 서로 다른 추론결과를 생성하므로 모호조종의 수렴성을 담보한다. 또한 제안방법은 추론의 환원성을 만족하며 인간의 사유에 부합된다. 우리는 이 원리에 기초하여 여러가지 형태의 모호추론방법과 알고리듬을 제안하고 실험실적규모에서 효과성을 검증하였다.
2. 보상형모호추론원리의 응용
우리가 제안한 원리를 맘다니모호체계에 적용하였을 때 제안방법은 복잡한 계산을 요구하지 않으며 최대값이나 초소값과 같은 비선형연산들을 포함하지 않으므로 수학적인 해석이 편리하고 정보손실이 없으며 다른 방법들과 결합하기 쉽다. 또한 T-S모호체계에 적용하였을 때 스게노방법은 하나의 입력도 전건부와 결합되지 않는 경우에도 해당한 규칙이 추론에 참가하지 못하게 한다. 이와 달리 제안방법은 턱값을 적당히 설정하여 이러한 규칙들이 추론에 참가할수 있게 한다. 적당한 턱값을 리용하여 추론에 참가하는 규칙의 개수를 조정할수 있다. 특히 제안한 방법이 입력에 대한 성원함수의 계산을 요구하지 않으므로 추론에 필요한 계산시간이 스게노의 방법보다 훨씬 작아진다. 제안한 모호추론방법의 효과성을 평가하기 위하여 모호신경망의 학습실험을 진행하고 스게노방법과 비교한 결과 제안방법은 강수량자료에 대한 학습속도가 스게노의 방법보다 약 5.2배 더 빠르며 보안상태자료의 모호신경망학습속도는 1.37배 더 빠르다. 강수량예측의 학습정확도는 7.35%로, 망보안상태의 예측정확도는 0.937% 개선되였다.
모호신경망을 통한 제안한 방법의 실험적평가는 그것의 학습정확도와 학습속도가 선행방법들에 비하여 현저히 개선되였다는것을 보여준다.
우리가 제안한 방법은 EI급(Computer Sciences, 2011.11, 2012.11), SCI급 (International Journal of Fuzzy Systems, 2018.8)을 비롯한 여러 국제잡지들과 국제학술토론회들에 발표되였다.
