Inductive Learning using Theory-Refinement Knowledge-Based Artificial Neural Network

이론정련 지식기반인공신경망을 이용한 귀납적 학습

Since KBANN (knowledge-based artificial neural network) combing the inductive learning algorithm and the analytical learning algorithm was proposed, several methods such as TopGen, TR-KBANN, THRE-KBANN which modify KBANN have been proposed. But these methods can be applied when there is a domain theory. The algorithm representing the problem into KBANN based on only the instances without domain theory is proposed in this paper. Domain theory represented into KBANN can be refined by THRE-KBANN. The performance of this algorithm is more efficient than the C4.5 in the experiment for some problem domains of inductive learning.

귀납적학습 알고리즘과 분석적학습 알고리즘을 결합한 지식기반인공신경망이 제안된 후, 이를 개선한 TopGen, TR-KBANN, THRE-KBANN과 같은 영역이론정련알고리즘이 제시되었다. 그러나 이들은 모두 KBANN과 같이 영역이론이 있을 경우에만 사용할 수 있다. 본 연구에서는 영역이론이 없이 예제만 있는 경우 KBANN으로 표기하는 알고리즘을 제시하였다. KBANN으로 표현된 영역 이론은 THRE-KBANN으로 정련화될 수 있다. 이 알고리즘을 귀납적 학습에서 사용하는 몇 개의 문제영역에 적용하여 실험한 결과 C4.5보다 좋은 성능을 나타냈다.