Since knowledge-based systems generate solutions to problems by using knowledge, it is important for them to have effective knowledge representation and manipulation methods. In real problems, some pieces of knowledge may be given fuzzily. Such knowledge can be easily represented in knowledge-based systems by employing fuzzy techniques. For manipulating such represented knowledge to produce solutions, several processing techniques are needed. Among them, inferencing for fuzzy rule-based systems, ranking of fuzzy values and tuning of fuzzy production rule-bases are fundamental processing to fuzzy knowledge-based systems. This thesis presents effective methods for such fuzzy knowledge processing.
First, for the purpose of inferencing of fuzzy rule-based systems, several measures are introduced which evaluate matching degrees resulting from fuzzy matching, fuzzy comparison and interval inclusion tests occurring in the course of performing inference. Then an inference method is presented for fuzzy rule-based systems which enables the flexible use of both conventional rules and fuzzy production rules. Second, in order to rank fuzzy values, a way to make a fuzzy preference relation for fuzzy values is considered. Then a ranking algorithm for fuzzy values is developed which is based on that preference relation. Third, in order to tune fuzzy production rulebases so as to improve their behavior, two new fuzzy neural network models are introduced which can embody fuzzy production rulebases and carry out fuzzy inference. Two tuning methods based on these fuzzy neural network models are proposed. Finally, a general purpose fuzzy expert system shell called FOPS5 is presented which has been designed in consideration of the proposed fuzzy knowledge processing methods.
Our inference strategy is as follows: For fuzzy production rulebases to be used in knowledge base, we refine them with the proposed tuning methods before their use. When we need to perform inference for a fuzzy rule-based system, we use the proposed inference method. When multiple alternative solutions evaluated by using fuzzy values are produced in the course of inferencing, we use the developed ranking algorithm to determine the 'best' alternative. By this way, we can effectively perform inference for fuzzy knowledge-based systems.
지식기반 시스템은 지식을 사용하여 문제에 대한 해답을 찾아내기 때문에, 지식의 표현방법과 표현된 지식의 처리방법이 효과적이어야 한다. 실제 문제에서는 일부 지식이 애매한 형태로 주어지기 때문에, 이들 지식에 대한 효과적인 표현벙법과 처리방법이 절실히 요구된다. 이러한 지식은 퍼지기법을 도입함으써 지식기반시스템에서 쉽게 표현될 수 있다. 퍼지기법을 사용하여 표현된 지식의 처리를 위해서는 여러가지 방법이 필요하다. 그중에서 퍼지규칙베이스에 대한 추론, 퍼지값의 랭킹방법과 퍼지 생성규칙베이스의 조정방법은 퍼지 지식기반시스템의 추론과정에서 기본적으로 요구된다. 본 논문에서는 이들 퍼지지식의 처리 방법에 대해서 다룬다.
첫째, 퍼지 지식기반시스템에 대한 추론을 위해서, 추론과정에서 발생하게 되는 퍼지매칭, 퍼지비교, 구간포함검사 등에 대한 만족정도의 측정을 위해 필요한 몇 가지 척도를 도입한다. 한편, 이들 척도를 사용하여 일반규칙과 퍼지생성규칙을 융통성있게 사용할 수 있도록 해주는 추론방법을 제안한다. 둘째, 퍼지값의 순서화를 위해 퍼지값에 대한 선호관계를 생성하는 방법을 제시한 다음, 이 선호관계에 기반한 퍼지값의 랭킹알고리즘을 제시한다. 세째, 지식베이스에서 사용되는 퍼지 생성규칙베이스의 조정을 위해서 퍼지 생성규칙베이스를 표현할 수 있으면서 퍼지추론을 수행할 수 있는 퍼지신경회로망 모델을 도입한다. 또한, 이들 퍼지신경회로망 모델에 기반한 퍼지 생성규칙베이스의 조정방법을 제안한다. 끝으로 지식 기반시스템을 실제 구축할때 제안된 퍼지지식에 대한 처리방법들을 쉽게 사용할 수 있도록 해주는 도구로서 개발한 범용 퍼지전문가시스템 개발도구인 FOPS5에 대해서 다룬다.
제안된 방법은 퍼지 지식기반시스템의 추론과정에서 다음과 같은 방법으로 적용된다. 지식베이스에서 사용될 퍼지 생성규칙베이스에 대해서는 사용에 앞서 제안된 방법을 통해서 특성향성을 위해 조정하는 과정을 거친다. 퍼지지식베이스에 대한 추론을 수행할 때는 제안된 추론 방법을 사용한다. 한편 추론결과로서 적합도가 퍼지값으로 주어진 여러개의 해법이 생성되는 경우에는, 적합도가 가장 큰 해법을 선택하기 위해서는 제안된 퍼지값의 랭킹방법을 사용한다. 이와같이 함으로써 퍼지기법을 지식기반시스템에 도입할 때 추론과정에서 발생하는 문제점들을 효과적으로 해결할 수 있다.
