Journal of the Institute of Electronics Engineers of Korea CI (전자공학회논문지CI)

The Institute of Electronics and Information Engineers (대한전자공학회)
권호 표지

Learning of Fuzzy Rules Using Fuzzy Classifier System

퍼지 분류자 시스템을 이용한 퍼지 규칙의 학습

  • Jeong, Chi-Seon (Dept.of Control Instrumentation, Chungang University) ;
  • Sim, Gwi-Bo (Dept.of Electronics Electric Engineering, Chungang University)
  • 정치선 (중앙대학교 제어계측학과) ;
  • 심귀보 (중앙대학교 전자전기공학부)
  • Published : 2000.09.01
Download PDF
⟨ Previous Next ⟩

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.

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.

Keywords

References

  1. David E. Goldberg, Genetic Algorithms in Search, Optimization, and Machine Learning, Addison-Wesley, 1989
  2. Holland J.H., 'Properties of the bucket brigade algorithm,' Proceedings of the First International Conference on Genetic Algorithms, pp 1-7. 1985
  3. Whitehead, S. D., & D. H. Ballard, 'Learning to perceive and act by trial and error,' Machine Learning. 7, pp 45-83 https://doi.org/10.1007/BF00058926
  4. Valenzuela-Rendon M, 'The Fuzzy classifier System: Motivations and first results,C' Parallel Problem Solving from Nature - PPSNII, Springer-Verlag, pp. 330-334, 1991
  5. Parodi A, Bonelli P., 'A new approach to fuzzy classifier systems,' Proceedings of the Fifth International Conference on Genetic Algorithms, pp 223-230, 1993
  6. Furuhashi T., Nakaoka K., Morikawa K. and Uchikawa Y., 'Controlling excessive fuzziness in a fuzzy classifier system,' Proceeding of the Fifth International Conference on Genetic Algorithms, pp 635, 1993
  7. Bonarini, A., 'Anytime learning and adaptation of hierarchical fuzzy logic behaviors,' Journal of Adaptive Behavior, Special Issue on Complete Agent Learning in Complex Environments, vol 5(3-4), pp. 281-315, 1997 https://doi.org/10.1177/105971239700500304
  8. Dorigo, M. and Bersini, H., 'A Comparison of Q-Learning and Classifier Systems,' Proc. of From Animals to Anirnats, Third International Conference on Simulation of Adaptive Behavior, 1994
  9. Wilson, S. W., 'Knowledge growth in an artificial animal,' Proceedings of the first International Conference on Genetic Algorithms and their Applications, 1985