Neurodynamics and Neuroinformatics Studies

0032007 - UIVT-O 336151 RIV CZ eng M - Část monografie knihy
Holeňa, Martin
Knowledge Extraction from EEG Data using Fuzzy Neural Networks.
[Získávání znalostí z EEG dat pomocí umělých neuronových sítí.]
Neurodynamics and Neuroinformatics Studies. Praha: Ústav informatiky AV ČR, FD ČVUT, 2005, s. 144-157. Edice monografií NNW, 4. ISBN 80-903298-3-7
Grant CEP: GA MŠMT(CZ) ME 701; GA ČR(CZ) GA201/05/0325
Výzkumný záměr: CEZ:AV0Z10300504
Klíčová slova: rules extraction from data * artificial neural networks
Kód oboru RIV: BA - Obecná matematika

The extraction of logical rules from data has been, for nearly fifteen years, a key application of artificial neural networks in data mining. However, most of the ANN-based rules extraction methods rely primarily on heuristics, and their underlying theoretical fundamentals are not very deep. That is especially much true for methods extracting fuzzy logic rules, which usually allow to mix different logical connectives in such a way that extracted rules can not be correctly evaluated in any particular fuzzy logic model. This paper shows that mixing of connectives is not needed. A method for the extraction of rules in a general fuzzy disjunctive normal form, for which the evaluation of the extracted rules in a single model is one of the basic principles, is described in detail and illustrated on EEG data.

Získávání logických pravidel z dat je po téměř 15 roků klíčovou aplikací umělých neuronových sítí v dobývání znalostí z dat. Vetšina metod získávání pravidel založených na neuronových sítích však spočívá na heuristikách a jejich teoretické základy nejsou velmi hluboké. To platí zejména o metodách získávajících pravidla fuzzy logiky, které obvykle dovolují míchat různé logické spojky takovým způsobem, že pravdivostní hodnotu získaných pravidel nelze správně ohodnotit v žádném konkrétním modelu fuzzy logiky. Tento článek ukazuje, že takové míchání spojek není zapotřebí. Detailně je popsána metoda získávání pravidel v obecně fuzzy disjunktivní normální formě, pro niž je jedním ze základních principů ohodnotitelnost pravdivostní hodnoty v jediném modelu, a je ilustrována na EEG datech.
Trvalý link: http://hdl.handle.net/11104/0132623