Tudásbázis redukció a szakértői szabályrendszerrel bővített FRIQ-learning módszerben

Tompa, Tamás and Kovács, Szilveszter (2021) Tudásbázis redukció a szakértői szabályrendszerrel bővített FRIQ-learning módszerben. MULTIDISZCIPLINÁRIS TUDOMÁNYOK: A MISKOLCI EGYETEM KÖZLEMÉNYE, 11 (4). pp. 70-80. ISSN 2062-9737 (nyomtatott), 2786-1465 (online)

Preview

Text 773_doi.pdf - Published Version Download (489kB) | Preview

Abstract

A megerősítéses tanulási módszerek tudásábrázolási formája eltérő, a klasszikus Q-learning algoritmus Q-táblát, a fuzzy szabályalapú megerősítéses tanuló rendszerek pedig fuzzy szabálybázist alkalmaznak a rendszer működtető tudásbázisának leírására. A végső tudásbázis mérete, azaz a Q-tábla elemeinek száma, a fuzzy szabályrendszer szabályainak száma függ az adott probléma méretétől, dimenzióinak számától, így előfordulhat olyan eset mikor ezek mérete igen nagy is lehet. A fuzzy szabály interpoláció alapú megerősítéses tanulási rendszerekben a rendszer végleges működtető tudásbázis méretének csök-kentésére szabálybázis redukálási (csökkentési) módszerek alkalmazhatók. A FRIQ-learning rendszer-ben a tudásbázist leíró szabálybázis méretének csökkentésére, azaz az elhagyható szabályok keresésére a tanulási fázis után van lehetőség opcionálisan. A szakértői tudásbázissal bővített FRIQ-learning rendszerben a tudásbázis építési módszer működéséből adódóan elfordulhatnak olyan esetek mikor több szabály közel kerülhet egymáshoz. Célszerű lehet ezen szabályokat valamilyen stratégia alapján össze-vonni, csökkentve ezáltal a szabálybázis méretét. Jelen cikk célja a szakértői tudásbázissal bővített FRIQ-learning rendszerben egy olyan tudásbázis redukálási módszer bemutatása, amely már a tanulási fázis közben megvalósítja a rendszer tudásbázisának redukálását, olyan módon, hogy egyesíti a hason-ló tudást leíró fuzzy szabályokat.

Actions (login required)

Edit Item