Neural Logic Network-Based Fuzzy Inference Network and its Search Strategy

신경논리망 기반의 퍼지추론 네트워크와 탐색 전략

Fuzzy logic ignores some informations in the reasoning process. Neural networks are powerful tools for the pattern processing. However, to model human knowledges, besides pattern processing capability, the logical reasoning capability is equally important. Another new neural network called neural logic network is able to do the logical reasoning. Because the fuzzy logical reasoning, we construct fuzzy inference net-work based on the neural logic network, extending the existing rule-inferencing network. And the traditional propagation rule is modified. For the search strategies to find out the belief value of a conclusion in the fuzzy inference network, we conduct a simulation to evaluate the search cost for searching sequentially and searching by means of priorities.

퍼지 논리는 추론과정에서 일부의 정보가 무시되어 적절하지 못한 추론 결과를 초래할 수 있다. 한편, 신경망은 패턴 처리에는 적합하지만 인간의 지식을 모델링하기 위해서 필요한 논리적인 추론에는 부적합하다. 그러나 신경망의 변형인 신경논리망 (neural logic network)을 이용하면 논리적인 추론이 가능하다. 따라서 본 논문에서는 기존의 신경논리망을 기반으로 하는 추론 네트워크를 확장하여 퍼지추론 네트워크(fuzzy inference network)를 구성한다. 그리고 기존의 추론 네트워크에서 사용되는 전파규칙 (propagation rule)을 보완하여 적용한다. 퍼지추론 네트워크 상에서 퍼지 규칙의 실행부에 해당하는 명제의 믿음값을 결정하기 위해서는 추론하고자 하는 명제에 연결된 노드들을 탐색해야 한다. 이를 위해서 연결된 모든 노드들의 링크를 따라 순차적인 탐색을 하는 경우와 링크에 부여된 우선순위에 의해 탐색을 하는 경우의 탐색비용에 대하여 실험을 통해 비교·평가한다.