Takács Márta

FUZZY KOGNITÍV TÉRKÉPEK TANULÓ ALGORITMUSAI

Szerzők: TAKÁCS Márta rendes egyetemi tanár (takacs.marta@magister.uns.ac.rs ), ORCID-száma: 0009-0007-8087-3432

SÖRFŐZŐ SZÜGYI Judit tanársegéd, doktorandusz (judit.sorfozo.szugyi@magister.uns.ac.rs ), ORCID száma: 0009-0003-4159-6015

Intézmény: Újvidéki Egyetem, MagyarTannyelvű Tanítóképző Kar, Szabadka

A fuzzy kognitív térképek (Fuzzy Cognitive Maps – FCM) olyan irányított, súlyzott gráffal vizualizált matematikai modellek, amelyek a rendszerparaméterek összefüggéseit és kölcsönhatásaik alapján dinamikusan változó kapcsolatát írják le. A rendszert a gráf mellett a paraméterértékek, a gráfban a csomópontok (concepts) értékvektora (C), és a csomópontokat összkötő élek súlyai (W súlymátrix) írja le. A modell célja, hogy ismert adathalmazból nyert információk alapján a kölcsönhatásokat modellező élsúlyok a tapasztalati adatokkal összhangban módosuljanak, tanuljanak, valamint hogy ezek alapján következtetni lehessen a csomópontértékek változásaira, alakulására. Az elmúlt két évtizedben több tanuló algoritmus beépítésével találkoztunk a FCM szimulációs környezeteiben, és több megközelítéssel is a kezdeti súlymátrix kialakítása tekintetében. Továbbá több olyan szoftvermegoldás is született, amely támogatja a grafikai megjelenítést, különböző tanuló algoritmusok alkalmazását a felépített modellek tekintetében, és különböző szimulációs eljárások, valamint úgynevezett szcenáriók futtatását. Ezek áttekintésére került sor a kutatás folyamán egy esettanulmány segítségével, mégpedig a cukorbetegség kockázati tényezőinek vizsgálatával, ahol természetesen figyelembe vettük nem csak az adott paraméterértékekre vonatkozó összesített kockázati mértéket, hanem azt is, hogy a paraméterek egymás közötti kölcsönhatása hogyan befolyásolja a teljes kockázat alakulását.

Források:

[1] D. Apostolopoulos, N. I. Papandrianos, N. D. Papathanasiou, and E. I. Papageorgiou, “Fuzzy Cognitive Map Applications in Medicine over the Last Two Decades: A Review Study”, (2024), Bioengineering 11(2), pp. https://doi.org/10.3390/bioengineering11020139

[2] Felix, R. Senthil Kumar, A. Parthiban“Soft computing decision making system to analyze the risk factors of T2DM”, (2019), AIP Conf. Proc. 2112, 020086

Kulcsszavak: Fuzzy kognitív térképek, tanuló algoritmusok, szoftver támogatás

LEARNING ALGORITHMS OF FUZZY COGNITIVE MAPS

Author: Márta TAKÁCS, full university professor (takacs.marta@magister.uns.ac.rs ), ORCID: 0009-0007-8087-3432

Judit SÖRFŐZŐ SZÜGYI, assistant, PhD student (judit.sorfozo.szugyi@magister.uns.ac.rs ), ORCID: 0009-0003-4159-6015

Institution: University of Novi Sad, Hungarian Language Teacher Training Faculty, Subotica

Fuzzy Cognitive Maps (FCM) are mathematical models visualized with directed, weighted graphs that describe the relationships of system parameters and the dynamically changing relationship based on their interactions. In addition to the graph, the system is described by the parameter values, the value vector (C) of the nodes (concepts) in the graph, and the weights of the edges connecting the nodes (weight matrix W). The purpose of the model is that, on the basis of information obtained from a known data set, the leading weights modeling the interactions are modified and learned in accordance with the empirical data, as well as to be able to infer the changes and evolution of the node values based on them. In the last two decades, we have encountered the incorporation of several learning algorithms in FCM simulation environments, and several approaches to the formation of the initial weight matrix. Furthermore, several software solutions have been created that support graphical interpretation, the application of different learning algorithms for the constructed models, and the running of different simulation procedures and so-called scenarios. These were reviewed in the research with the help of a case study, namely by examining the risk factors of diabetes, where we naturally took into account not only the summarized risk measure for the given parameter values, but also how the interaction of the parameters affects the development of the overall risk.

References:

[2] Felix, R. Senthil Kumar, A. Parthiban“Soft computing decision making system to analyze the risk factors of T2DM”, (2019), AIP Conf. Proc. 2112, 020086

Keywords: Fuzzy Cognitive Maps, learning algorithms, software support