論文の概要: Fuzzy OWL-BOOST: Learning Fuzzy Concept Inclusions via Real-Valued Boosting

• arxiv url: http://arxiv.org/abs/2008.05297v2
• Date: Fri, 26 Mar 2021 07:10:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-03 06:23:02.857887
• Title: Fuzzy OWL-BOOST: Learning Fuzzy Concept Inclusions via Real-Valued Boosting
• Title（参考訳）: ファジィowl-boost:実数値ブースティングによるファジィ概念包含学習
• Authors: Franco Alberto Cardillo and Umberto Straccia
• Abstract要約: ファジィ学習の概念公理の問題に対処し、Tの個々のインスタンスとなるための十分な条件を記述する。 本稿では(ファジィ)ケースに適応したRealBoostブースティングアルゴリズムに依存するFuzzy OWL-BOOSTを提案する。
• 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: OWL ontologies are nowadays a quite popular way to describe structured knowledge in terms of classes, relations among classes and class instances. In this paper, given a target class T of an OWL ontology, we address the problem of learning fuzzy concept inclusion axioms that describe sufficient conditions for being an individual instance of T. To do so, we present Fuzzy OWL-BOOST that relies on the Real AdaBoost boosting algorithm adapted to the (fuzzy) OWL case. We illustrate its effectiveness by means of an experimentation. An interesting feature is that the learned rules can be represented directly into Fuzzy OWL 2. As a consequence, any Fuzzy OWL 2 reasoner can then be used to automatically determine/classify (and to which degree) whether an individual belongs to the target class T.
• Abstract（参考訳）: OWLオントロジーは、クラス、クラス間の関係、およびクラスインスタンスの観点から構造化知識を記述するための非常に一般的な方法である。 本稿では,フクロウオントロジーの目標クラス t を与えられたとき,t の個々のインスタンスとなるのに十分な条件を記述するファジィ概念包含公理を学習する問題に対処し,(ファジィ)フクロウの場合に適応した実アダブーストブースティングアルゴリズムに依存するファジィフクロウブーストを提案する。 我々はその効果を実験によって示す。 興味深い特徴は、学習したルールをファジィ・フクロウ2に直接表現できることだ。 結果として、任意のファジィOWL 2推論器を使用して、個人が対象クラスTに属しているかどうかを自動で決定/分類することができる。

関連論文リスト

• TransBox: EL++-closed Ontology Embedding [14.850996103983187]
  我々は,多対一,一対多,多対多の関係を扱える効率的なEL++-クロース埋め込み法を開発した。 実験により,TransBoxは様々な実世界のデータセットにまたがって最先端のパフォーマンスを実現し,複雑な公理を予測できることを示した。
  論文  参考訳（メタデータ） (2024-10-18T16:17:10Z)
• OWL2Vec4OA: Tailoring Knowledge Graph Embeddings for Ontology Alignment [14.955861200588664]
  本稿では,組込みシステムOWL2Vec*の拡張であるOWL2Vec4OAを提案する。 本稿では,提案する拡張の理論的基礎,実装の詳細,および実験的評価について述べる。
  論文  参考訳（メタデータ） (2024-08-12T17:24:19Z)
• Multiclass Boosting: Simple and Intuitive Weak Learning Criteria [72.71096438538254]
  実現可能性の仮定を必要としない,単純かつ効率的なブースティングアルゴリズムを提案する。 本稿では,リスト学習者の向上に関する新たな結果と,マルチクラスPAC学習の特徴付けのための新しい証明を提案する。
  論文  参考訳（メタデータ） (2023-07-02T19:26:58Z)
• Interpretability at Scale: Identifying Causal Mechanisms in Alpaca [62.65877150123775]
  本研究では、Boundless DASを用いて、命令に従う間、大規模言語モデルにおける解釈可能な因果構造を効率的に探索する。 私たちの発見は、成長し、最も広くデプロイされている言語モデルの内部構造を忠実に理解するための第一歩です。
  論文  参考訳（メタデータ） (2023-05-15T17:15:40Z)
• PN-OWL: A Two Stage Algorithm to Learn Fuzzy Concept Inclusions from OWL Ontologies [0.0]
  P段とN段からなる2段階学習アルゴリズムであるPN-OWLを提案する。 PN-OWLは、P段とN段で学習したファジィ公理を集約する。 興味深い特徴はファジィデータ型の構築であり、学習されたファジィの概念を直接ファジィOWLに表現することができることである。
  論文  参考訳（メタデータ） (2023-03-01T09:08:55Z)
• When one Logic is Not Enough: Integrating First-order Annotations in OWL Ontologies [0.0]
  FOLアノテーションでOWLを拡張する'FOWL'の公理群の開発を支援するツールを提案する。 OWL ドメイン OBI に対して,FOL トップレベル BFOWL との強い統合により,いくつかの矛盾を検出することができることを示す。
  論文  参考訳（メタデータ） (2022-10-07T12:33:35Z)
• Prior Knowledge Guided Unsupervised Domain Adaptation [82.9977759320565]
  本稿では,対象とするクラス分布に関する事前知識を利用できる知識誘導型非教師付きドメイン適応(KUDA)設定を提案する。 特に,対象領域におけるクラス分布に関する2種類の事前知識について考察する。 このような事前知識を用いて生成した擬似ラベルを精査する修正モジュールを提案する。
  論文  参考訳（メタデータ） (2022-07-18T18:41:36Z)
• Transductive Learning for Unsupervised Text Style Transfer [60.65782243927698]
  教師なしスタイル転送モデルは、主に帰納的学習アプローチに基づいている。 本稿では,検索に基づく文脈認識スタイルの表現に基づく新しいトランスダクティブ学習手法を提案する。
  論文  参考訳（メタデータ） (2021-09-16T08:57:20Z)
• Affinity-Based Hierarchical Learning of Dependent Concepts for Human Activity Recognition [6.187780920448871]
  重なり合うクラスを階層化することで、分類性能が大幅に向上することを示す。 これは、SHLデータセットに特徴付けられるアクティビティ認識タスクの場合、特に当てはまります。 学習プロセスの最適階層を決定するために,クラス間の移動親和性に基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2021-04-11T01:08:48Z)
• Intersection Regularization for Extracting Semantic Attributes [72.53481390411173]
  本稿では,ネットワーク抽出した特徴が意味属性のセットと一致するように,教師付き分類の問題を考える。 例えば、鳥類のイメージを種に分類することを学ぶとき、動物学者が鳥類を分類するために使用する特徴の出現を観察したい。 本稿では,複数層パーセプトロン(MLP)と並列決定木を併用した,離散的なトップレベルアクティベーションを持つニューラルネットワークのトレーニングを提案する。
  論文  参考訳（メタデータ） (2021-03-22T14:32:44Z)
• Learning Adaptive Embedding Considering Incremental Class [55.21855842960139]
  CIL(Class-Incremental Learning)は,未知のクラスを逐次生成するストリーミングデータを用いて,信頼性の高いモデルをトレーニングすることを目的としている。 従来のクローズドセット学習とは異なり、CILには2つの大きな課題がある。 新たなクラスが検出された後、以前のデータ全体を使用して再トレーニングすることなく、モデルを更新する必要がある。
  論文  参考訳（メタデータ） (2020-08-31T04:11:24Z)

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。