Durulaştırmasız hiyerarşik bulanık çıkarsama kural üretme yönteminin yazılım hata kestirimi problemlerine uygulanması ve bulanık kural tartışması

Yapay zekanın bir alt dalı olan bulanık çıkarım sistemleri, bulanık küme teorisine dayanan karar destek sistemleridir. Bilgi bu sistemlere dilsel bulanık kurallarla iletilir. Genel olarak, kural tabanı uzman görüşü ile belirlenir. Ancak, problem alanı karmaşık hale geldiğinde ve uzman bilgisi yetersiz olduğunda kurallar otomatik kural üretme yöntemleriyle üretilir. Şimdiye kadar yapılan çalışmalarda, otomatik kural üretme yöntemleri ile üretilen kurallarda kullanılan veri seti ayrıntılı bir şekilde analiz edilmemiştir. Veri seti modeli yanlış yönlendirebilir ve projeden elde edilen kural kümesi her zaman en iyi kural kümesi olmayabilir. En doğru ve genellenebilir kural kümesi başka bir projeden üretilebilir. Böylece, kurallar aynı problem alanı için başka bir uygulamaya aktarılabilir. Bu çalışmanın amacı, veri seti değiştirildiğinde kuralları yeniden oluşturmak zorunda kalmadan farklı bir projenin kural kümesini kullanarak yeni sorunları daha etkili ve daha hızlı bir şekilde çözmektir. Bu nedenle, veri odaklı yaklaşımların aksine, bilgi, mevcut projede öngörücü bir model oluşturmak için kaynak alandan hedef alanına aktarılır. Kuralların taşınabilirliği, kuralları Yazılım Arıza Tahmin problemi için beş farklı projeden üreterek araştırıldı. Kural kümeleri, Wang-Mendel, Ayarlama ve Kural Seçimi ile Aralıklı Değerli Bulanık Muhakeme yöntemi ve Durulaştırmasız Hiyerarşik Bulanık Çıkarsama Sistemi'nin kural üretim yaklaşımı olan üç otomatik kural üretme yöntemi ile üretildi. Ayrıca, modelin başarısını karşılaştırmak için otomatik kural üretme yöntemleri, veri odaklı bir makine öğrenme yöntemi olan Yapay Sinir Ağları ile karşılaştırıldı. Deney sonuçları, bir projenin kendi veri kümesi yerine daha tutarlı veri setlerinden oluşturulan kuralların, mevcut bulanık çıkarım sistemlerinin performansını önemli ölçüde geliştirdiğini göstermektedir.