퍼지 분류자 시스템을 이용한 퍼지 규칙의 학습 = Learning of Fuzzy Rules Using Fuzzy Classifier System

국문 초록 (Abstract)

본 논문에서는 연속적인 입력을 연속적인 출력으로 매핑하는 것을 가능하게 하는 퍼지 분류자 시스템을 제안한다. 퍼지 분류자 시스템은 기계학습의 방법을 퍼지 제어기의 개념에 적용한 것이다. 즉 분류자의 조건부와 행동부는 퍼지 규칙에서의 전건부와 후건부와 같은 형태이다. 퍼지 분류자 시스템은 입력 값을 퍼지화된 메시지로 변환하고 메시지 리스트에 저장한다. 저장된 메시지와 퍼지 분류자 리스트의 분류자들과 정합과정을 통해 룰-베이스를 구성하고, 버킷 릴레이 알고리즘을 적용하여 퍼지 분류자들의 유용성을 검증한다. 또한 유전 알고리즘을 사용하여 새로운 규칙을 생성하거나 규칙을 수정하여 시스템의 성능을 향상시킨다. 이러한 과정을 통해 유용한 규칙집합을 찾아낸다. 제안된 퍼지 분류자 시스템을 자율이동로봇의 목적지 지향과 충돌 회피 학습에 적용하여 그 유용성을 확인하였다.

다국어 초록 (Multilingual Abstract)

In this paper, we propose a Fuzzy Classifier System(FCS) makes the classifier system be able to carry out the mapping from continuous inputs to outputs. The FCS is based on the fuzzy controller system combined with machine learning. Therefore the antecedent and consequent of a classifier in FCS are the same as those of a fuzzy rule. In this paper, the FCS modifies input message to fuzzified message and stores those in the message list. The FCS constructs rule-base through matching between messages of message list and classifiers of fuzzy classifier list. The FCS verifies the effectiveness of classifiers using Bucket Brigade algorithm. Also the FCS employs the Genetic Algorithms to generate new rules and modify rules when performance of the system needs to be improved. Then the FCS finds the set of the effective rules. We will verify the effectiveness of the poposed FCS by applying it to Autonomous Mobile Robot avoiding the obstacle and reaching the goal.