論文の概要: Application of Fuzzy Rule based System for Highway Research Board Classification of Soils

• arxiv url: http://arxiv.org/abs/2006.08347v1
• Date: Sun, 10 May 2020 14:33:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 01:29:43.303381
• Title: Application of Fuzzy Rule based System for Highway Research Board Classification of Soils
• Title（参考訳）: ファジィルールに基づく土壌のハイウェイ研究板分類への応用
• Authors: Sujatha A, L Govindaraju and N Shivakumar
• Abstract要約: ハイウェイ研究委員会の分類体系はファジィルールに基づくモデルであると考えられている。 土壌の指数特性は三角形関数を用いてファジィ化され、ファジィメンバシップ値が算出される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Fuzzy rule-based model is a powerful tool for imitating the human way of thinking and solving uncertainty-related problems as it allows for understandable and interpretable rule bases. The objective of this paper is to study the applicability of fuzzy rule-based modelling to quantify soil classification for engineering purposes by qualitatively considering soil index properties. The classification system of the Highway Research Board is considered to illustrate a fuzzy rule-based model. The soil's index properties are fuzzified using triangular functions, and the fuzzy membership values are calculated. Fuzzy arithmetical operators are then applied to the membership values obtained for classification. Fuzzy decision tree classification algorithm is used to derive fuzzy if-then rules to quantify qualitative soil classification. The proposed system is implemented in MATLAB. The results obtained are checked and the implementation of the proposed model is measured against the outcomes of the laboratory tests.
• Abstract（参考訳）: ファジィルールベースのモデルは、人間の考え方を模倣し、不確実性に関連する問題を解決する強力なツールである。 本研究の目的は, ファジィ・ルール・モデルの適用性を検討することであり, 土壌指標特性を質的に考慮して, 工学的目的の土壌分類を定量化することである。 高速道路研究委員会の分類システムはファジィルールに基づくモデルを示すものと考えられる。 土壌の指数特性は三角形関数を用いてファジィ化され、ファジィメンバシップ値が算出される。 ファジィ算術演算子は、分類のために得られた会員値に適用される。 ファジィ決定木分類アルゴリズムは、ファジィif-thenルールを導出して質的土壌分類を定量化する。 提案システムはMATLABで実装されている。 得られた結果を確認し,実験結果に対して提案したモデルの実装を測定した。

関連論文リスト

• Compact Rule-Based Classifier Learning via Gradient Descent [0.7874708385247353]
  透明性と説明責任のある意思決定を必要とするシナリオにおいて、ルールベースのモデルは重要な役割を果たす。 そこで本研究では,規則の最大数と長さをユーザが制御できる,勾配降下法を用いて学習した新しいルールベース分類器を提案する。 数値的なパーティションの場合、ユーザはファジィセットで使用されるパーティションを制御できる。
  論文  参考訳（メタデータ） (2025-02-03T14:13:39Z)
• Improving Fuzzy Rule Classifier with Brain Storm Optimization and Rule Modification [7.930640482823393]
  本研究では,ブレインストーム最適化(BSO)アルゴリズムを用いて,糖尿病分類の課題を具体的に解決する。 指数モデルが標準BSOアルゴリズムに統合され、糖尿病関連データに特化された規則導出が強化される。 このファジィシステムは、糖尿病データセットを含む分類タスクに適用され、分類精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2024-10-02T10:48:23Z)
• A Voting Approach for Explainable Classification with Rule Learning [0.0]
  両世界を組み合わせた投票方式を導入し,その成果を(説明不能な)最先端手法として実現することを目的とする。 我々は,本手法が通常のルール学習法より明らかに優れているだけでなく,最先端の結果と同等の結果が得られることを証明した。
  論文  参考訳（メタデータ） (2023-11-13T13:22:21Z)
• Hierarchical confusion matrix for classification performance evaluation [0.0]
  階層的混乱行列の概念を開発し、階層的分類問題にその適用性を証明する。 我々は,3つの実世界の階層的分類のベンチマークにおけるモデルを評価するために,新しい混乱行列に基づく測度を用いる。 その結果、このアプローチの理性とその階層的分類問題を評価するための有用性について概説した。
  論文  参考訳（メタデータ） (2023-06-15T19:31:59Z)
• Variational Classification [51.2541371924591]
  我々は,変分オートエンコーダの訓練に用いるエビデンスローバウンド(ELBO)に類似した,モデルの訓練を目的とした変分目的を導出する。 軟質マックス層への入力を潜伏変数のサンプルとして扱うことで, 抽象化された視点から, 潜在的な矛盾が明らかとなった。 我々は、標準ソフトマックス層に見られる暗黙の仮定の代わりに、選択された潜在分布を誘導する。
  論文  参考訳（メタデータ） (2023-05-17T17:47:19Z)
• Machine Learning with Probabilistic Law Discovery: A Concise Introduction [77.34726150561087]
  Probabilistic Law Discovery (PLD) は、確率論的ルール学習の変種を実装した論理ベースの機械学習手法である。 PLDはDecision Tree/Random Forestメソッドに近いが、関連するルールの定義方法に大きく異なる。 本稿はPLDの主な原則を概説し、その利点と限界を強調し、いくつかのアプリケーションガイドラインを提供する。
  論文  参考訳（メタデータ） (2022-12-22T17:40:13Z)
• Parametric Classification for Generalized Category Discovery: A Baseline Study [70.73212959385387]
  Generalized Category Discovery (GCD)は、ラベル付きサンプルから学習した知識を用いて、ラベルなしデータセットで新しいカテゴリを発見することを目的としている。 パラメトリック分類器の故障を調査し,高品質な監視が可能であった場合の過去の設計選択の有効性を検証し,信頼性の低い疑似ラベルを重要課題として同定する。 エントロピー正規化の利点を生かし、複数のGCDベンチマークにおける最先端性能を実現し、未知のクラス数に対して強いロバスト性を示す、単純で効果的なパラメトリック分類法を提案する。
  論文  参考訳（メタデータ） (2022-11-21T18:47:11Z)
• Self-Certifying Classification by Linearized Deep Assignment [65.0100925582087]
  そこで我々は,PAC-Bayesリスク認定パラダイム内で,グラフ上のメトリックデータを分類するための新しい深層予測器のクラスを提案する。 PAC-Bayesの最近の文献とデータに依存した先行研究に基づいて、この手法は仮説空間上の後続分布の学習を可能にする。
  論文  参考訳（メタデータ） (2022-01-26T19:59:14Z)
• Evaluating State-of-the-Art Classification Models Against Bayes Optimality [106.50867011164584]
  正規化フローを用いて学習した生成モデルのベイズ誤差を正確に計算できることを示す。 われわれの手法を用いて、最先端の分類モデルについて徹底的な調査を行う。
  論文  参考訳（メタデータ） (2021-06-07T06:21:20Z)
• Evaluating the Disentanglement of Deep Generative Models through Manifold Topology [66.06153115971732]
  本稿では,生成モデルのみを用いた乱れの定量化手法を提案する。 複数のデータセットにまたがるいくつかの最先端モデルを実証的に評価する。
  論文  参考訳（メタデータ） (2020-06-05T20:54:11Z)
• Interpretation and Simplification of Deep Forest [4.576379639081977]
  完全訓練深部RFの特徴量と周波数を決定規則の形で定量化することを検討する。 モデルの単純化は、機能のコントリビューションを測定することによって不要なルールを排除することで達成される。 実験結果から,ブラックボックスモデルでは,ルールセットを定量的に解釈するために,機能コントリビューション分析を分解できることが確認された。
  論文  参考訳（メタデータ） (2020-01-14T11:30:26Z)

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。