본 논문은 규칙 기반 모델의 투명성과 해석 가능성을 유지하면서 최적화 및 확장성 문제를 해결하기 위해 새로운 경사 기반 규칙 학습 시스템인 Fuzzy Rule-based Reasoner (FRR)를 제안합니다. FRR은 기존 뉴로퍼지 접근 방식과 달리 의미론적으로 의미 있는 퍼지 논리 분할과 충분한(단일 규칙) 의사결정을 사용하여 해석 가능성을 극대화합니다. 40개의 데이터셋에 대한 광범위한 평가를 통해 FRR은 기존 규칙 기반 방법보다 우수한 성능(RIPPER 대비 평균 정확도 5% 향상), 트리 기반 모델과 비교 가능한 정확도(90% 더 작은 규칙 기반 사용), 최첨단 가산 규칙 기반 모델의 정확도의 96% 달성(규칙 기반 크기의 3%만 사용)을 보여줍니다.
