귀납학습에서 NN을 이용한 attribute selection 기법

귀납적 학습 시스템 데이타들 사이의 상호작용과 상호 의존적인 형태를 조사하는 작업이 필요하다. 그러나 제공되는 속성이 많아질수록 학습 프로그램에 대한 처리시간이 증가한다. 초기에 제공된 많은 속성들 중에서 어떤 것이 분류 규칙을 형성하는데 가장 많은 정보를 포함하는가는 속성 선택(attribute selection)의 문제로 정의되어지는데 형태 인식(pattern recognition)의 차원 감소(dimensionality reduction)나 기계 학습(machin learning)의 정보 이론(information theory)에 근거한 방법들이 해결방안으로 제시되고 있다. 본 논문에서는 역전파 신경망을 이용하여 학습된 신경망의 출력노드와 여기에 연결되는 각 입력노드의 강도(weight)를 구한후, 구해진 강도들중 제공된 훈련예들을 분류하기에 가장 크게 영향을 미치는 값을 선택함으로 속성을 선택하는 방법을 제안한다.