Fugu-MT 論文翻訳(概要): Fuzzy Integral = Contextual Linear Order Statistic

論文の概要: Fuzzy Integral = Contextual Linear Order Statistic

arxiv url: http://arxiv.org/abs/2007.02874v2
Date: Tue, 20 Oct 2020 18:45:49 GMT
ステータス: 処理完了
システム内更新日: 2022-11-13 03:12:00.661877
Title: Fuzzy Integral = Contextual Linear Order Statistic
Title（参考訳）: ファジィ積分=文脈線形次数統計
Authors: Derek Anderson, Matthew Deardorff, Timothy Havens, Siva Kakula, Timothy Wilkin, Muhammad Islam, Anthony Pinar, and Andrew Buck
Abstract要約: ファジィ積分は、幅広い応用において有用である強力なパラメトリック非線形関数である。文脈線形次数統計の集合で表すことができることを示す。
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: The fuzzy integral is a powerful parametric nonlin-ear function with utility in a wide range of applications, from information fusion to classification, regression, decision making,interpolation, metrics, morphology, and beyond. While the fuzzy integral is in general a nonlinear operator, herein we show that it can be represented by a set of contextual linear order statistics(LOS). These operators can be obtained via sampling the fuzzy measure and clustering is used to produce a partitioning of the underlying space of linear convex sums. Benefits of our approach include scalability, improved integral/measure acquisition, generalizability, and explainable/interpretable models. Our methods are both demonstrated on controlled synthetic experiments, and also analyzed and validated with real-world benchmark data sets.
Abstract（参考訳）: ファジィ積分は、情報融合から分類、回帰、意思決定、補間、メトリクス、形態学など、幅広い応用において有用性を持つ強力なパラメトリック非リンイヤー関数である。ファジィ積分は一般に非線形作用素であるが、ここでは文脈線形次数統計(los)の集合によって表現できることを示す。これらの作用素はファジィ測度をサンプリングすることで得ることができ、クラスタリングを用いて線形凸和の基礎空間の分割を生成する。このアプローチの利点は、スケーラビリティ、積分/測度獲得の改善、一般化可能性、説明可能な/解釈可能なモデルである。本手法は制御された合成実験で実証され,実世界のベンチマークデータセットで解析,検証される。

関連論文リスト

Generalized Sparse Additive Model with Unknown Link Function [19.807823040041896]
我々は、未知リンク関数(GSAMUL)を持つ一般化スパース加法モデルという新しいスパース加法モデルを提案する。成分関数はB-スプラインベースで推定され、未知リンク関数は多層パーセプトロン(MLP)ネットワークで推定される。応用において、合成および実世界のデータセットの実験的評価は、提案手法の有効性を一貫して検証する。
論文参考訳（メタデータ） (2024-10-08T13:13:58Z)
Manifold Learning with Sparse Regularised Optimal Transport [0.17205106391379024]
実世界のデータセットはノイズの多い観測とサンプリングを受けており、基礎となる多様体に関する情報を蒸留することが大きな課題である。本稿では,2次正規化を用いた最適輸送の対称版を利用する多様体学習法を提案する。得られたカーネルは連続的な極限においてLaplace型演算子と整合性を証明し、ヘテロスケダスティックノイズに対する堅牢性を確立し、これらの結果をシミュレーションで示す。
論文参考訳（メタデータ） (2023-07-19T08:05:46Z)
Reinforcement Learning from Partial Observation: Linear Function Approximation with Provable Sample Efficiency [111.83670279016599]
部分観察決定過程(POMDP)の無限観測および状態空間を用いた強化学習について検討した。線形構造をもつPOMDPのクラスに対する部分可観測性と関数近似の最初の試みを行う。
論文参考訳（メタデータ） (2022-04-20T21:15:38Z)
Test Set Sizing Via Random Matrix Theory [91.3755431537592]
本稿ではランダム行列理論の手法を用いて、単純な線形回帰に対して理想的なトレーニング-テストデータ分割を求める。それは「理想」を整合性計量を満たすものとして定義し、すなわち経験的モデル誤差は実際の測定ノイズである。本論文は,任意のモデルのトレーニングとテストサイズを,真に最適な方法で解決した最初の論文である。
論文参考訳（メタデータ） (2021-12-11T13:18:33Z)
Efficient Multidimensional Functional Data Analysis Using Marginal Product Basis Systems [2.4554686192257424]
多次元関数データのサンプルから連続表現を学習するためのフレームワークを提案する。本研究では, テンソル分解により, 得られた推定問題を効率的に解けることを示す。我々は、ニューロイメージングにおける真のデータ応用で締めくくっている。
論文参考訳（メタデータ） (2021-07-30T16:02:15Z)
Understanding Implicit Regularization in Over-Parameterized Single Index Model [55.41685740015095]
我々は高次元単一インデックスモデルのための正規化自由アルゴリズムを設計する。暗黙正則化現象の理論的保証を提供する。
論文参考訳（メタデータ） (2020-07-16T13:27:47Z)
Random extrapolation for primal-dual coordinate descent [61.55967255151027]
本稿では,データ行列の疎度と目的関数の好適な構造に適応する,ランダムに外挿した原始-双対座標降下法を提案する。一般凸凹の場合, 主対差と目的値に対するシーケンスのほぼ確実に収束と最適サブ線形収束率を示す。
論文参考訳（メタデータ） (2020-07-13T17:39:35Z)
Learning Inconsistent Preferences with Gaussian Processes [14.64963271587818]
我々は,Chuらによる優先的なガウス過程を再考し,潜在ユーティリティ関数の値を通じてデータ項目のランク付けを強制するモデル化の仮定に挑戦する。本稿では、より表現力のある遅延優先構造をデータ中に捉えることのできるpgpの一般化を提案する。実験結果から, ランキングビリティの侵害は, 現実の優先データにおいてユビキタスである可能性が示唆された。
論文参考訳（メタデータ） (2020-06-06T11:57:45Z)
Asymptotic Analysis of an Ensemble of Randomly Projected Linear Discriminants [94.46276668068327]
[1]では、ランダムに投影された線形判別式のアンサンブルを用いてデータセットを分類する。我々は,計算コストのかかるクロスバリデーション推定器の代替として,誤分類確率の一貫した推定器を開発する。また、実データと合成データの両方で投影次元を調整するための推定器の使用を実証する。
論文参考訳（メタデータ） (2020-04-17T12:47:04Z)
Linear predictor on linearly-generated data with missing values: non consistency and solutions [0.0]
本研究では,予測対象が全観測データの線形関数である場合について検討する。不足する値が存在する場合、最適予測器は線形でない可能性があることを示す。
論文参考訳（メタデータ） (2020-02-03T11:49:35Z)
Invariant Feature Coding using Tensor Product Representation [75.62232699377877]
我々は,群不変特徴ベクトルが線形分類器を学習する際に十分な識別情報を含んでいることを証明した。主成分分析やk平均クラスタリングにおいて,グループアクションを明示的に考慮する新たな特徴モデルを提案する。
論文参考訳（メタデータ） (2019-06-05T07:15:17Z)

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。