Knowledge-Based Neurocomputing: A Fuzzy Logic Approach

در این تک نگاری، نویسندگان یک پایه قانون فازی جدید را معرفی می کنند که به آن مبنای قانون همه جایگشت های فازی (FARB) گفته می شود. آنها نشان می‌دهند که استنباط FARB، با استفاده از ابزارهای استاندارد از نظریه منطق فازی، یک نقشه ورودی-خروجی به دست می‌دهد که از نظر ریاضی با نقشه یک شبکه عصبی مصنوعی معادل است. برعکس، هر شبکه عصبی مصنوعی استاندارد دارای یک FARB معادل است.

معادل FARB-ANN شایستگی‌های پایه‌های قانون فازی نمادین و شبکه‌های عصبی مصنوعی زیر نمادین را ادغام می‌کند و رویکرد جدیدی را برای ارائه می‌کند. محاسبات عصبی مبتنی بر دانشدر شبکه های عصبی مصنوعی.

In this monograph, the authors introduce a novel fuzzy rule-base, referred to as the Fuzzy All-permutations Rule-Base (FARB). They show that inferring the FARB, using standard tools from fuzzy logic theory, yields an input-output map that is mathematically equivalent to that of an artificial neural network. Conversely, every standard artificial neural network has an equivalent FARB.

The FARB-ANN equivalence integrates the merits of symbolic fuzzy rule-bases and sub-symbolic artificial neural networks, and yields a new approach for knowledge-based neurocomputing in artificial neural networks.