의사결정에 있어 정보란 의사결정자가 의사결정을 하는데 사용하도록 의미 있고 유용한 형태로 처리된 데이터이다. 이러한 정보들에 있어서 불필요한 속성들을 제거하여 처리함으로써 의사결정의 효율을 높일 수 있다. 러프 집합 이론은 불필요한 속성을 제거하고 분류화 하는데 뛰어난 능력을 가지고 있으나 속성 감축시 속성 수와 튜플 수에 따라 복잡한 계산을 요구한다. 따라서 속성들 사이의 상호연관성을 나타내는 척도로서, 두 변수간의 독립성에 관한 검정방법인 $chi$2와 러프 집합의 종속성을 이용하여 속성들을 감축하고 이를 신경망의 입력 유니트로 사용하므로써 기존의 모든 속성을 입력으로 하여 신경망을 구성하는 것보다 간단하며 학습효율의 향상 및 정확한 의사결정을 지원할 수 있다.
In decision-making, information is the thing manufactured as the useful type for decision -making. We can improve the efficiency of decision-making by elimination of unnecessary information. Rough set is the theory that can classify and reduce the unnecessary. But the reduction process of rough set becomes more complex according to the number of attribute and tuple. After eliminating of the dispensable attributes using $chi$2 and rough set, the indispensable attributes are used for the units of input layers in neural network. This rough-neural network can support more correct decision-making of neural network.
