Aprendizaje Supervisado de Reglas Difusas mediante un Sistema Clasificador Evolutivo Estilo Michigan

Abstract

Este artículo presenta Fuzzy-UCS, un sistema clasificador de la familia de Michigan diseñado para tratar problemas de aprendizaje supervisado. Fuzzy-UCS se inspira en el sistema clasificador UCS para crear una arquitectura de aprendizaje incremental de reglas difusas. En este trabajo se presenta detalladamente el sistema, se prueba sobre un conjunto de problemas de clasificación y se compara con otros sistemas de aprendizaje. Los resultados muestran que Fuzzy-UCS tiene un rendimiento equiparable al de UCS y otras técnicas de aprendizaje automático ampliamente utilitzadas, y que la representación difusa permite una mayor interpretabilidad de las reglas evolucionadas. Estos resultados prometedores abren líneas de investigación futura en el uso de sistemas clasificadores Michigan con representación difusa en aprendizaje supervisado.