Abstract- A connectionist expert sy

Abstract- A connectionist expert system model, based on a fuzzy version of the multilayer perceptron developed by the authors, is proposed. It infers the output class membership value(s) of an input pattern and also generates a measure of certainty expressing confidence in the decision. The model is capable of querying the user for the more important input feature information, if and when required, in case of partial inputs. Justification for an inferred decision may be produced in rule form, when so desired by the user. The magnitudes of the con¬nection weights of the trained neural network are utilized in every stage of the proposed inferencing procedure. The antecedent and consequent parts of the justificatory rules are provided in natural forms. The effectiveness of the algorithm is tested on the speech recognition problem, on some medical data and on artificially generated intractable (linearly nonseparable) pattern classes.

Hasil (Bahasa Indonesia) 2:

Abstrak Sebuah model sistem pakar koneksionis, berdasarkan versi kabur dari perceptron multilayer dikembangkan oleh penulis, diusulkan. Ini menyimpulkan nilai keanggotaan kelas keluaran (s) dari pola masukan dan juga menghasilkan ukuran kepastian mengekspresikan keyakinan dalam keputusan. Model ini mampu query pengguna untuk informasi fitur masukan yang lebih penting, jika dan ketika diperlukan, dalam kasus input parsial. Pembenaran untuk keputusan tereka dapat diproduksi dalam bentuk aturan, ketika begitu diinginkan oleh pengguna. Besaran bobot con¬nection dari jaringan saraf yang terlatih digunakan dalam setiap tahap prosedur inferensia yang diusulkan. Anteseden dan konsekuen bagian dari aturan membenarkan disediakan dalam bentuk alami. Efektivitas algoritma diuji pada masalah pengenalan suara, pada beberapa data medis dan artifisial yang dihasilkan keras (linear nonseparable) kelas pola.