Kempelen Farkas Hallgatói Információs Központ

A szabályszám csökkentésének egyik módja a bemeneti halmazokon megadott nyelvi változók, azaz a szabályantecedensek számának ( T ) mérséklése. Fennáll a lehetősége annak, hogy a szabályantecedensek elhagyásával olyan szituációhoz jutunk, amikor a bemenet ε -fedettsége már nem áll fenn semmilyen pozitív ε értékre sem, vagyis valamely bemenetnek van legalább egy olyan pontja, amelyhez nem rendelhető egyetlen (megtartott) szabály sem. Az ilyen „lyukas”, nem teljes fedettséget biztosító szabálybázist ritka szabálybázisnak nevezzük. Ritka szabálybázisok esetén létezik olyan A ∗ megfigyelés, amelyre

(8.4) A ∗ ∩ ⋃ i = 1 r supp ( A i ) ⊂ X = ∅ ,

ahol az i -edik ( 1 ≤ i ≤ r ) szabály R i : A i → B i alakú (lásd 8.1. ábra). Ebben az esetben a klasszikus (ZADEH-, MAMDANI-féle) következtetési eljárások alapján nem lehet a konklúziót meghatározni, ezért ezek az eljárások itt egyáltalán nem alkalmazhatók.

8.1. ábra - Ritka szabálybázis: a megfigyelés a szabályokkal diszjunkt

Érdemes megjegyezni, hogy a szabálybázis ritkításán túl más okok is vezethetnek ritka szabálybázisokhoz. Függetlenül attól, hogy milyen eljárást alkalmazunk valamely szabálybázis létrehozásására, ha a modellezett rendszerről csak részleges információ áll rendelkezésre, az eredményként kapott szabálybázis eleve lehet ritka. A szabálybázis összeállításához ZADEH több tanulmányában közvetlenül a szakértői tudás felhasználását javasolta. Újabban viszont egyre gyakrabban alkalmaznak például neurális hálózat alapú tanulási technikákat a szabálybázis megalkotásához, melyek alapjául a rendelkezésre álló numerikus mintaadatok szolgálnak. Ez utóbbi esetben az eredményezhet ritka szabálybázist, ha a mintaadatok nem kellően reprezentálják a bemeneti paramétereket, az előbbi esetben pedig természetesen az, ha a szakértő nem rendelkezik kellő információval egyes rendszerkonfigurációkról.

Ritka szabálybázishoz juthatunk hangolás eredményeként is (lásd 8.2. ábra). A szabályantecedensek eltolása és/vagy zsugorítása következtében előfordulhat olyan szituáció, mikor a hangolt modell lyukakat tartalmaz, noha a kiinduló antecedenshalmaz még teljes fedettséget biztosított [19].

8.2. ábra - Hangolás eredményeként keletkezett ritka szabálybázis [19]

Hierarchikus rendszerek esetén definiálható két szabálybázis távolsága úgy, hogy köztük lyuk legyen [70].

Ahhoz, hogy a ritka szabálybázisokkal kapott szabályszámcsökkenés ténylegesen kiaknázható legyen, teljesen új következtetési eljárás szükséges. A ritka szabálybázisokon is alkalmazható technika alapötlete az, hogy a lyukak helyén a szomszédos szabályok segítségével közelítő következtetést határozunk meg. Ezt az eljárást (fuzzy) szabályinterpolációnak nevezzük.