論文の概要: A new approach for generation of generalized basic probability
assignment in the evidence theory
- arxiv url: http://arxiv.org/abs/2004.02746v1
- Date: Mon, 6 Apr 2020 15:40:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-16 06:55:23.007150
- Title: A new approach for generation of generalized basic probability
assignment in the evidence theory
- Title（参考訳）: 証拠理論における一般化基本確率代入生成の新しいアプローチ
- Authors: Dongdong Wu and Zijing Liu and Yongchuan Tang
- Abstract要約: デンプスター・シェーファーエビデンス理論は多ソース情報融合において広く用いられている。
本稿では,不完全情報を用いた基本確率割当(BPA)の生成について検討する。
提案手法は, 単純かつ柔軟に異なる複雑な環境でも利用できるだけでなく, 情報処理における情報損失も少ない。
- 参考スコア（独自算出の注目度）: 5.794599007795347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The process of information fusion needs to deal with a large number of
uncertain information with multi-source, heterogeneity, inaccuracy,
unreliability, and incompleteness. In practical engineering applications,
Dempster-Shafer evidence theory is widely used in multi-source information
fusion owing to its effectiveness in data fusion. Information sources have an
important impact on multi-source information fusion in an environment of
complex, unstable, uncertain, and incomplete characteristics. To address
multi-source information fusion problem, this paper considers the situation of
uncertain information modeling from the closed world to the open world
assumption and studies the generation of basic probability assignment (BPA)
with incomplete information. In this paper, a new method is proposed to
generate generalized basic probability assignment (GBPA) based on the
triangular fuzzy number model under the open world assumption. The proposed
method can not only be used in different complex environments simply and
flexibly, but also have less information loss in information processing.
Finally, a series of comprehensive experiments basing on the UCI data sets are
used to verify the rationality and superiority of the proposed method.
- Abstract（参考訳）: 情報融合のプロセスは、多元性、異質性、不正確性、信頼性、不完全性といった多くの不確実な情報を扱う必要がある。
実用工学の応用において、デンプスター・シェーファーエビデンス理論は、データ融合の有効性のため、多ソース情報融合において広く用いられている。
情報ソースは、複雑で不安定で不確実で不完全な特性を持つ環境でのマルチソース情報融合に重要な影響を与える。
本稿では,多元情報融合問題に対処するために,閉じた世界から開放世界への不確定な情報モデリングの現状を考察し,不完全な情報を含む基本確率割当(bpa)の生成について考察する。
本稿では,オープンワールド仮定の下での三角ファジィ数モデルに基づいて,一般化基本確率代入(GBPA)を生成する新しい手法を提案する。
提案手法は,異なる複雑な環境において簡易かつ柔軟に使用できるだけでなく,情報処理における情報損失も少ない。
最後に、UCIデータセットに基づく一連の総合実験を用いて、提案手法の合理性と優越性を検証した。
関連論文リスト
- Discovering Common Information in Multi-view Data [35.37807004353416]
多視点データから共通情報を計算するための革新的で数学的に厳密な定義を導入する。
我々は,共通情報と一意情報の両方を捉えるために,教師付き多視点学習フレームワークを開発した。
論文 参考訳（メタデータ） (2024-06-21T10:47:06Z) - Interpretable Multi-Source Data Fusion Through Latent Variable Gaussian Process [8.207427766052044]
提案手法は,2つの数学的および2つの材料科学ケーススタディを用いて実証および解析を行った。
シングルソースおよびソースを意識しない機械学習モデルと比較して、提案したマルチソースデータ融合フレームワークはスパースデータ問題に対してより良い予測を提供することができる。
論文 参考訳（メタデータ） (2024-02-06T16:54:59Z) - Information Fusion for Assistance Systems in Production Assessment [49.40442046458756]
証拠理論を用いたn個の情報ソースの融合のための枠組みを提供する。
本稿では,機械データに基づくアンサンブル分類器とエキスパート中心モデルという,2つの主要な情報源の情報融合手法を提案する。
本稿では,エビデンス理論を用いたモデル更新手法を提案することにより,データドリフトの問題に対処する。
論文 参考訳（メタデータ） (2023-08-31T22:08:01Z) - Learning World Models with Identifiable Factorization [39.767120163665574]
我々は、遅延状態変数の4つの異なるカテゴリをモデル化するために、IFactorを提案する。
我々の分析は、これらの潜伏変数のブロックワイド識別性を確立する。
本稿では,ブロックを識別して世界モデルを学習するための実践的アプローチを提案する。
論文 参考訳（メタデータ） (2023-06-11T02:25:15Z) - Robust Direct Learning for Causal Data Fusion [14.462235940634969]
我々は、他のニュアンス関数から処理効果を分離するマルチソースデータを統合するためのフレームワークを提供する。
また,半パラメトリック効率理論の理論的洞察に基づく因果情報認識重み付け関数を提案する。
論文 参考訳（メタデータ） (2022-11-01T03:33:22Z) - Variational Distillation for Multi-View Learning [104.17551354374821]
我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。
厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
論文 参考訳（メタデータ） (2022-06-20T03:09:46Z) - Principled Knowledge Extrapolation with GANs [92.62635018136476]
我々は,知識外挿の新たな視点から,対実合成を研究する。
本稿では, 知識外挿問題に対処するために, クローズド形式判別器を用いた対角ゲームが利用可能であることを示す。
提案手法は,多くのシナリオにおいて,エレガントな理論的保証と優れた性能の両方を享受する。
論文 参考訳（メタデータ） (2022-05-21T08:39:42Z) - Non-Linear Spectral Dimensionality Reduction Under Uncertainty [107.01839211235583]
我々は、不確実性情報を活用し、いくつかの従来のアプローチを直接拡張する、NGEUと呼ばれる新しい次元削減フレームワークを提案する。
提案したNGEUの定式化は,大域的な閉形式解を示し,Radecherの複雑性に基づいて,基礎となる不確実性がフレームワークの一般化能力に理論的にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2022-02-09T19:01:33Z) - A Bayesian Framework for Information-Theoretic Probing [51.98576673620385]
我々は、探索は相互情報を近似するものとみなすべきであると論じる。
これは、表現が元の文とターゲットタスクに関する全く同じ情報をエンコードしているというかなり直感的な結論を導いた。
本稿では,ベイズ的相互情報(Bayesian mutual information)と呼ぶものを測定するための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-09-08T18:08:36Z) - BayesIMP: Uncertainty Quantification for Causal Data Fusion [52.184885680729224]
本研究では,複数の因果グラフに関連するデータセットを組み合わせ,対象変数の平均処理効果を推定する因果データ融合問題について検討する。
本稿では、確率積分とカーネル平均埋め込みのアイデアを組み合わせて、再生されたカーネルヒルベルト空間における干渉分布を表現するフレームワークを提案する。
論文 参考訳（メタデータ） (2021-06-07T10:14:18Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。