論文の概要: An empirical study of computing with words approaches for multi-person
and single-person systems
- arxiv url: http://arxiv.org/abs/2004.14892v1
- Date: Thu, 30 Apr 2020 15:45:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 05:01:58.269536
- Title: An empirical study of computing with words approaches for multi-person
and single-person systems
- Title（参考訳）: 多人数・単人数システムに対する単語アプローチによる計算の実証的研究
- Authors: Prashant K Gupta and Pranab K. Muhuri
- Abstract要約: 言語情報処理の強力なツールとして,単語認識(CWW)が登場している。
言語情報処理の強力なツールとして,単語認識(CWW)が登場している。
言語情報処理の強力なツールとして,単語認識(CWW)が登場している。
- 参考スコア（独自算出の注目度）: 13.548237279353408
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Computing with words (CWW) has emerged as a powerful tool for processing the
linguistic information, especially the one generated by human beings. Various
CWW approaches have emerged since the inception of CWW, such as perceptual
computing, extension principle based CWW approach, symbolic method based CWW
approach, and 2-tuple based CWW approach. Furthermore, perceptual computing can
use interval approach (IA), enhanced interval approach (EIA), or Hao-Mendel
approach (HMA), for data processing. There have been numerous works in which
HMA was shown to be better at word modelling than EIA, and EIA better than IA.
But, a deeper study of these works reveals that HMA captures lesser fuzziness
than the EIA or IA. Thus, we feel that EIA is more suited for word modelling in
multi-person systems and HMA for single-person systems (as EIA is an
improvement over IA). Furthermore, another set of works, compared the
performances perceptual computing to the other above said CWW approaches. In
all these works, perceptual computing was shown to be better than other CWW
approaches. However, none of the works tried to investigate the reason behind
this observed better performance of perceptual computing. Also, no comparison
has been performed for scenarios where the inputs are differentially weighted.
Thus, the aim of this work is to empirically establish that EIA is suitable for
multi-person systems and HMA for single-person systems. Another dimension of
this work is also to empirically prove that perceptual computing gives better
performance than other CWW approaches based on extension principle, symbolic
method and 2-tuple especially in scenarios where inputs are differentially
weighted.
- Abstract（参考訳）: cww(compute with words)は、言語情報、特に人間が生成する情報を処理する強力なツールとして登場した。
知覚コンピューティング、拡張原理に基づくCWWアプローチ、シンボリックメソッドに基づくCWWアプローチ、2タプルベースのCWWアプローチなど、CWWの登場以来、様々なCWWアプローチが出現している。
さらに、知覚コンピューティングは、データ処理にインターバルアプローチ(IA)、拡張インターバルアプローチ(EIA)、Hao-Mendelアプローチ(HMA)を使用することができる。
HMA は EIA よりも単語モデリングに優れており,IA よりは EIA の方が優れていた。
しかし、より深く研究した結果、HMAはIAやIAよりもファジィネスが低いことが判明した。
したがって,マルチパーソンシステムでは単語モデリングに,シングルパーソンシステムではHMAの方が適している(IAはIAよりも改善されている)。
さらに、他の一連の研究は、上記のCWWアプローチとパーセプチュアルコンピューティングのパフォーマンスを比較した。
これらすべての研究において、知覚コンピューティングは他のCWWアプローチよりも優れていることが示されている。
しかし、これらの研究は、知覚コンピューティングの優れた性能を観察する理由を探そうとはしなかった。
また、入力が差分重み付けされたシナリオでは比較は行われていない。
そこで本研究の目的は,EIAがマルチパーソンシステム,HMAがシングルパーソンシステムに適していることを実証的に確かめることである。
この研究のもう1つの次元は、知覚コンピューティングが拡張原理、シンボリックメソッド、および2-タプルに基づく他のcwwアプローチよりも優れたパフォーマンスをもたらすことを実証的に証明することである。
関連論文リスト
- UAV-enabled Collaborative Beamforming via Multi-Agent Deep Reinforcement Learning [79.16150966434299]
本稿では,UAVを用いた協調ビームフォーミング多目的最適化問題 (UCBMOP) を定式化し,UAVの伝送速度を最大化し,全UAVのエネルギー消費を最小化する。
ヘテロジニアス・エージェント・信頼領域ポリシー最適化(HATRPO)を基本フレームワークとし,改良されたHATRPOアルゴリズム,すなわちHATRPO-UCBを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:19:22Z) - ACE : Off-Policy Actor-Critic with Causality-Aware Entropy Regularization [52.5587113539404]
因果関係を考慮したエントロピー(entropy)という用語を導入し,効率的な探索を行うための潜在的影響の高いアクションを効果的に識別し,優先順位付けする。
提案アルゴリズムであるACE:Off-policy Actor-critic with Causality-aware Entropy regularizationは,29種類の連続制御タスクに対して,大幅な性能上の優位性を示す。
論文 参考訳（メタデータ） (2024-02-22T13:22:06Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-09-27T14:39:41Z) - Counterfactual Explanation via Search in Gaussian Mixture Distributed
Latent Space [19.312306559210125]
対実説明(CE)は2つの問題に対処するアルゴリズム・リコースにおいて重要なツールである。
簡単に理解しやすい説明を提供することによって、AIシステムに対するユーザのインタラクションを導くことは、AIシステムの信頼できる採用と長期的な受け入れに不可欠である。
本稿では,まずオートエンコーダの潜伏空間をガウス分布の混合として形成することにより,事前学習されたバイナリ分類器のCEを生成する手法を提案する。
論文 参考訳（メタデータ） (2023-07-25T10:21:26Z) - IM-IAD: Industrial Image Anomaly Detection Benchmark in Manufacturing [88.35145788575348]
画像異常検出(英: Image Anomaly Detection、IAD)は、産業用コンピュータビジョンの課題である。
統一IMベンチマークの欠如は、現実世界のアプリケーションにおけるIADメソッドの開発と利用を妨げる。
7つの主要なデータセットに19のアルゴリズムを含む包括的画像異常検出ベンチマーク(IM-IAD)を構築した。
論文 参考訳（メタデータ） (2023-01-31T01:24:45Z) - Performance of different machine learning methods on activity
recognition and pose estimation datasets [0.0]
本稿では、リッチポーズ推定(OpenPose)とHARデータセットにおける古典的アプローチとアンサンブルアプローチを用いる。
その結果,無作為林はADLの分類において最も正確であることが示唆された。
相対的にすべてのモデルは、ロジスティック回帰とAdaBoostを除いて、両方のデータセットで優れたパフォーマンスを持つ。
論文 参考訳（メタデータ） (2022-10-19T02:07:43Z) - Human-Algorithm Collaboration: Achieving Complementarity and Avoiding
Unfairness [92.26039686430204]
慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。
まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。
次に、このモデルを用いて相補性が不可能な条件を証明する。
論文 参考訳（メタデータ） (2022-02-17T18:44:41Z) - AAVAE: Augmentation-Augmented Variational Autoencoders [43.73699420145321]
本稿では,自動符号化に基づく自己教師型学習における第3のアプローチであるAugmentation-augmented variational autoencoders (AAVAE)を紹介する。
画像分類において提案したAAVAEを,最近のコントラスト学習アルゴリズムや非コントラスト学習アルゴリズムと同様に実証的に評価した。
論文 参考訳（メタデータ） (2021-07-26T17:04:30Z) - Systematic Assessment of Hyperdimensional Computing for Epileptic
Seizure Detection [4.249341912358848]
この研究は、てんかん発作の検出のためのHDコンピューティングフレームワークの体系的な評価を行うことである。
先程実装した2つの特徴と, てんかん発作検出におけるHDコンピューティングの新しいアプローチを検証した。
論文 参考訳（メタデータ） (2021-05-03T15:11:08Z) - SIMPLE: SIngle-network with Mimicking and Point Learning for Bottom-up
Human Pose Estimation [81.03485688525133]
Single-network with Mimicking and Point Learning for Bottom-up Human Pose Estimation (SIMPLE) を提案する。
具体的には、トレーニングプロセスにおいて、SIMPLEが高性能なトップダウンパイプラインからのポーズ知識を模倣できるようにする。
さらに、SIMPLEは人間検出とポーズ推定を統一的なポイントラーニングフレームワークとして定式化し、単一ネットワークで相互に補完する。
論文 参考訳（メタデータ） (2021-04-06T13:12:51Z)
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。