Properties of fuzzy knowledge base representation in the form of metagraph
Keywords:
Mamdani fuzzy knowledge base; linguistic variable; metagraph; redundancy; contradictoriness; circularity; completeness
Abstract
The paper describes Mamdani fuzzy knowledge base representation in the form of a metagraph. The fuzzy knowledge base properties which have an influence on confidence of fuzzy inference are analyzed. The definitions of non-redundant, linguistic non-contradicted, without circularity and linguistic complete Mamdani fuzzy knowledge base are given. The metagraph structure requirements corresponding to non-redundant, linguistic non-contradicted and linguistic complete Mamdani fuzzy knowledge base are defined. Mamdani fuzzy knowledge base properties static verification based on metagraph structure analysis is proposed.
Downloads
Download data is not yet available.
References
Ротштейн А. П. Интеллектуальные технологии идентификации: нечеткие множества, генетические алгоритмы, нейронные сети / Винница: УНИВЕРСУМ, 1999. – 320 с.
Глоба Л.С., Терновой М.Ю., Штогріна О. С. Технологія обробки інформації в гетерогенному інформаційно-телекомунікаційному середовищі // Электроника и связь. Тематический выпуск «Проблемы электроники», ч. 1, 2008. – С. 204 – 207.
Терновой М.Ю., Штогріна О.С. Представлення баз нечітких знань за допомогою метаграфа та проведення нечіткого логічного виведення на його основі // Вісник Харк. нац. ун-ту., Сер. «Математичне моделювання. Інформаційні технології. Автоматизовані системи управління», 2014, № 1105. –С. 156 – 165.
Amit Basu, Robert W. Blanning. Metagraphs and their applications. Springer. 2007. 172 p.
Zheng-Hua Tan. Fuzzy Metagraph and Its Combination with the Indexing Approach in Rule-Based Systems // IEEE Transactions on Knowledge and Data Engineering. 2006. Vol. 18, No. 6. pp.829-841.
Preece A.D., Shinghal R. Foundation and Application of Knowledge Base Verification // International Journal of Intelligent Systems. 1994. Vol. 9. pp. 683-701.
Nguyen T. A., Perkins W. A., Laffey T. J., Pecora D. Knowledge base verification // AI Magazine. 1987. Vol. 8, No. 2. pp. 69–75.
Пеrат А. Нечеткое моделирование и управление / А. Пеrат; пер. с анrл. 2-е изд. М. : БИНОМ. Лаборатория знаний, 2013. 798 с.: ил.
Сергиенко М.А. Методы анализа и структуризации базы нечетких правил. Автореферат диссертации на соискание ученой степени кандидата технических наук по специальности 05.13.17 – Теоретические основы информатики. Воронеж, 2010.
Сергиенко М.А. Методы проектирования нечеткой базы знаний. Вестник ВГУ, серия: Системный анализ и информационные технологии, 2008, № 2. - С. 67-71.
Поспелова Л.Я., Чуканова О.В. Поиск противоречий в продукционных базах знаний [Электронный ресурс]. – Режим доступа: http://library.mephi.ru/data/scientific-sessions/2009/t5/0-5-1.doc – Электрон. текстовые данные. (дата обращения 7.04.2014)
Поспелова Л.Я. Метод поиска противоречий в нечеткой базе знаний. [Электронный ресурс]. – Режим доступа: http://ekhneu.org.ua/content/metod-poiska-protivorechiy-v-nechetkoy-baze-znaniy – Электрон. текстовые данные. (дата обращения 19.01.2015)
Поспелова Л.Я. Оценка степени непротиворечивости системы нечетких правил. БізнесІнформ №12, 2013. - С. 124-129.
Кривуля Г.Ф. Власов И.В., Павлов О.А. Оптимизация продукционных правил в диагностической экспертной системе. Тезисы тринадцатой международной научно-технической конференции «Проблемы информатики и моделирования», НТУ "ХПИ", Харьков-Ялта, 2013. - С. 5-7.
Carmona P., Castro J.L., Zurita J.M. Contradiction Sensitive Fuzzy Model-Based Adaptive Control – [Электронный ресурс]. – Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.101.9361&rep=rep1&type=pdf – Электрон. текстовые данные. (дата обращения 19.01.2015)
Поморова О.В., Гнатчук Є.Г. Виявлення суперечливості правил в нечітких базах знань інтелектуальних систем технічного діагностування. Радіоелектронні і комп’ютерні системи, 2009, № 7 (41). – С. 171-176.
Поморова О.В., Крищук А.Ф. Метод виявлення суперечностей у базах знань систем технічного діагностування. Вісник Хмельницького національного університету. –Хмельницький: ХНУ, 2010, №.3. – С. 257-260.
Пивкин В. Я., Бакулин Е. П., Кореньков Д. И. Нечеткие множества в системах управления – [Электронный ресурс]. – Режим доступа: http://ref.rushkolnik.ru/v46863/?page=7 – Электрон. текстовые данные. (дата обращения 19.01.2015)
El-Korany A., Shaalan K., Baraka H., Rafea A. An Approach for Automating the verification of KADS-based Expert Systems // New review of applied expert systems. 1998. Vol. 4. pp. 107–124.
Arman N. Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoint Sets // The International Arab Journal of Information Technology. 2007. Vol.4, No.1 pp.67-72.
G. Valiente Feruglio Knowledge Base Verification using Algebraic Graph Transformations [Электронный ресурс]. – Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.55.2760&rep=rep1&type=pdf – Электрон. текстовые данные. (дата обращения 27.02.2015)
Mues C., Vanthienen J. Efficient Rule Base Verification using Binary Decision Diagrams // Database and Expert Systems Applications Lecture Notes in Computer Science. 2004. V. 3180. pp. 445-454.
Strehl K., Moraga C., Karl-Heinz Temme, Stancovi R. Fuzzy Decision Diagrams for the Representation, Analysis, and Optimization of Rule Bases // Research Report No. 725 Department of Computer Science, University of Dortmund. 1999.
Vanthienen J., Mues C., Goedertier S. Experiences with Modeling and Verification of Regulations // In Proceedings of the CAiSE'06 Workshop on Regulations Modeling and their Validation & Verification (REMO2V’06).2006. pp. 793-799.
Saud M.A. Maghrabi Matrix Verification of Knowledge-Based System // JKAU: Sci. 2001. Vol. 13. pp. 63-82.
Обідін Д.М. Метод верифікації баз знань системи автоматичного управління за допомогою матричних операцій // Системи обробки інформації, 2012, випуск 3 (101), т. 2. - С. 85-89.
Simiński R., Wakulicz-Deja A. Circularity in Rule Knowledge Bases Detection using Decision Unit Approach // Monitoring, Security, and Rescue Techniques in Multiagent Systems Advances in Soft Computing. 2005. Vol. 28. pp 273-279.
Глоба Л.С., Терновой М.Ю., Штогріна О. С. Технологія обробки інформації в гетерогенному інформаційно-телекомунікаційному середовищі // Электроника и связь. Тематический выпуск «Проблемы электроники», ч. 1, 2008. – С. 204 – 207.
Терновой М.Ю., Штогріна О.С. Представлення баз нечітких знань за допомогою метаграфа та проведення нечіткого логічного виведення на його основі // Вісник Харк. нац. ун-ту., Сер. «Математичне моделювання. Інформаційні технології. Автоматизовані системи управління», 2014, № 1105. –С. 156 – 165.
Amit Basu, Robert W. Blanning. Metagraphs and their applications. Springer. 2007. 172 p.
Zheng-Hua Tan. Fuzzy Metagraph and Its Combination with the Indexing Approach in Rule-Based Systems // IEEE Transactions on Knowledge and Data Engineering. 2006. Vol. 18, No. 6. pp.829-841.
Preece A.D., Shinghal R. Foundation and Application of Knowledge Base Verification // International Journal of Intelligent Systems. 1994. Vol. 9. pp. 683-701.
Nguyen T. A., Perkins W. A., Laffey T. J., Pecora D. Knowledge base verification // AI Magazine. 1987. Vol. 8, No. 2. pp. 69–75.
Пеrат А. Нечеткое моделирование и управление / А. Пеrат; пер. с анrл. 2-е изд. М. : БИНОМ. Лаборатория знаний, 2013. 798 с.: ил.
Сергиенко М.А. Методы анализа и структуризации базы нечетких правил. Автореферат диссертации на соискание ученой степени кандидата технических наук по специальности 05.13.17 – Теоретические основы информатики. Воронеж, 2010.
Сергиенко М.А. Методы проектирования нечеткой базы знаний. Вестник ВГУ, серия: Системный анализ и информационные технологии, 2008, № 2. - С. 67-71.
Поспелова Л.Я., Чуканова О.В. Поиск противоречий в продукционных базах знаний [Электронный ресурс]. – Режим доступа: http://library.mephi.ru/data/scientific-sessions/2009/t5/0-5-1.doc – Электрон. текстовые данные. (дата обращения 7.04.2014)
Поспелова Л.Я. Метод поиска противоречий в нечеткой базе знаний. [Электронный ресурс]. – Режим доступа: http://ekhneu.org.ua/content/metod-poiska-protivorechiy-v-nechetkoy-baze-znaniy – Электрон. текстовые данные. (дата обращения 19.01.2015)
Поспелова Л.Я. Оценка степени непротиворечивости системы нечетких правил. БізнесІнформ №12, 2013. - С. 124-129.
Кривуля Г.Ф. Власов И.В., Павлов О.А. Оптимизация продукционных правил в диагностической экспертной системе. Тезисы тринадцатой международной научно-технической конференции «Проблемы информатики и моделирования», НТУ "ХПИ", Харьков-Ялта, 2013. - С. 5-7.
Carmona P., Castro J.L., Zurita J.M. Contradiction Sensitive Fuzzy Model-Based Adaptive Control – [Электронный ресурс]. – Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.101.9361&rep=rep1&type=pdf – Электрон. текстовые данные. (дата обращения 19.01.2015)
Поморова О.В., Гнатчук Є.Г. Виявлення суперечливості правил в нечітких базах знань інтелектуальних систем технічного діагностування. Радіоелектронні і комп’ютерні системи, 2009, № 7 (41). – С. 171-176.
Поморова О.В., Крищук А.Ф. Метод виявлення суперечностей у базах знань систем технічного діагностування. Вісник Хмельницького національного університету. –Хмельницький: ХНУ, 2010, №.3. – С. 257-260.
Пивкин В. Я., Бакулин Е. П., Кореньков Д. И. Нечеткие множества в системах управления – [Электронный ресурс]. – Режим доступа: http://ref.rushkolnik.ru/v46863/?page=7 – Электрон. текстовые данные. (дата обращения 19.01.2015)
El-Korany A., Shaalan K., Baraka H., Rafea A. An Approach for Automating the verification of KADS-based Expert Systems // New review of applied expert systems. 1998. Vol. 4. pp. 107–124.
Arman N. Fault Detection in Dynamic Rule Bases Using Spanning Trees and Disjoint Sets // The International Arab Journal of Information Technology. 2007. Vol.4, No.1 pp.67-72.
G. Valiente Feruglio Knowledge Base Verification using Algebraic Graph Transformations [Электронный ресурс]. – Режим доступа: http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.55.2760&rep=rep1&type=pdf – Электрон. текстовые данные. (дата обращения 27.02.2015)
Mues C., Vanthienen J. Efficient Rule Base Verification using Binary Decision Diagrams // Database and Expert Systems Applications Lecture Notes in Computer Science. 2004. V. 3180. pp. 445-454.
Strehl K., Moraga C., Karl-Heinz Temme, Stancovi R. Fuzzy Decision Diagrams for the Representation, Analysis, and Optimization of Rule Bases // Research Report No. 725 Department of Computer Science, University of Dortmund. 1999.
Vanthienen J., Mues C., Goedertier S. Experiences with Modeling and Verification of Regulations // In Proceedings of the CAiSE'06 Workshop on Regulations Modeling and their Validation & Verification (REMO2V’06).2006. pp. 793-799.
Saud M.A. Maghrabi Matrix Verification of Knowledge-Based System // JKAU: Sci. 2001. Vol. 13. pp. 63-82.
Обідін Д.М. Метод верифікації баз знань системи автоматичного управління за допомогою матричних операцій // Системи обробки інформації, 2012, випуск 3 (101), т. 2. - С. 85-89.
Simiński R., Wakulicz-Deja A. Circularity in Rule Knowledge Bases Detection using Decision Unit Approach // Monitoring, Security, and Rescue Techniques in Multiagent Systems Advances in Soft Computing. 2005. Vol. 28. pp 273-279.
Published
2015-10-26
How to Cite
Терновой, М. Ю., & Штогрина, Е. С. (2015). Properties of fuzzy knowledge base representation in the form of metagraph. Bulletin of V.N. Karazin Kharkiv National University, Series «Mathematical Modeling. Information Technology. Automated Control Systems», 27, 157-171. Retrieved from https://periodicals.karazin.ua/mia/article/view/14207
Issue
Section
Статті
