Fugu-MT 論文翻訳(概要): Fuzzy Approximate Reasoning Method based on Least Common Multiple and its Property Analysis

論文の概要: Fuzzy Approximate Reasoning Method based on Least Common Multiple and its Property Analysis

arxiv url: http://arxiv.org/abs/2010.05453v1
Date: Mon, 5 Oct 2020 07:22:28 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 21:50:51.846116
Title: Fuzzy Approximate Reasoning Method based on Least Common Multiple and its Property Analysis
Title（参考訳）: 最小共通倍数に基づくファジィ近似推論法とその特性解析
Authors: I.M. Son, S.I. Kwak, M.O. Choe
Abstract要約: 提案手法は LCM 1 と呼ばれる。本稿では,その特性,すなわち還元特性,推論過程における情報損失,ファジィ制御の収束について解析する。
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: This paper shows a novel fuzzy approximate reasoning method based on the least common multiple (LCM). Its fundamental idea is to obtain a new fuzzy reasoning result by the extended distance measure based on LCM between the antecedent fuzzy set and the consequent one in discrete SISO fuzzy system. The proposed method is called LCM one. And then this paper analyzes its some properties, i.e., the reductive property, information loss occurred in reasoning process, and the convergence of fuzzy control. Theoretical and experimental research results highlight that proposed method meaningfully improve the reductive property and information loss and controllability than the previous fuzzy reasoning methods.
Abstract（参考訳）: 本稿では,最小公倍数(lcm)に基づく新しいファジィ近似推論法を提案する。その基本的な考え方は、前続ファジィ集合と後続ファジィ系の間のLCMに基づく拡張距離測度による新しいファジィ推論結果を得ることである。提案手法は LCM 1 と呼ばれる。そこで本論文では, 還元特性, 推論過程における情報損失, ファジィ制御の収束といった特性を解析した。理論的および実験的研究は,提案手法が従来のファジィ推論法よりも,還元特性と情報損失と制御性に有意義な改善をもたらすことを強調する。

関連論文リスト

Causal Order Discovery based on Monotonic SCMs [5.47587439763942]
本稿では,根変数を反復的に検出することで因果順序を直接同定する新しいシーケンシャル手順を提案する。この方法では、スパーシティ仮定と関連する最適化課題が不要になる。本稿では,ルート変数の逐次探索におけるアプローチの有効性を,ヤコビアン空間を最大化する手法と比較する。
論文参考訳（メタデータ） (2024-10-24T03:15:11Z)
A Unified Theory of Stochastic Proximal Point Methods without Smoothness [52.30944052987393]
近点法はその数値的安定性と不完全なチューニングに対する頑健性からかなりの関心を集めている。本稿では,近位点法(SPPM)の幅広いバリエーションの包括的解析について述べる。
論文参考訳（メタデータ） (2024-05-24T21:09:19Z)
On Minimum Trace Factor Analysis -- An Old Song Sung to a New Tune [0.0]
本稿では,1940年のリーダーマンの研究にさかのぼる根を持つ凸最適化法であるMTFA(Minimum Trace Factor Analysis)の緩和版を紹介する。提案手法は,結果の低階部分空間の精度と,その行列を計算するアルゴリズムの収束率に関する理論的保証を提供する。
論文参考訳（メタデータ） (2024-02-04T12:15:56Z)
Multi-modal Causal Structure Learning and Root Cause Analysis [67.67578590390907]
根本原因局所化のためのマルチモーダル因果構造学習手法であるMulanを提案する。ログ選択言語モデルを利用してログ表現学習を行い、ログシーケンスを時系列データに変換する。また、モダリティの信頼性を評価し、最終因果グラフを共同学習するための新しいキーパフォーマンスインジケータ対応アテンション機構も導入する。
論文参考訳（メタデータ） (2024-02-04T05:50:38Z)
Disentanglement Learning via Topology [22.33086299021419]
マルチスケールなトポロジ的損失項を付加することにより,不整合表現を学習するTopDisを提案する。ディスタングルメントは、ディープラーニングモデルの説明可能性と堅牢性にとって重要なデータ表現の重要な特性である。提案した位相損失を用いて,訓練されたGANにおいて不整合方向を求める方法を示す。
論文参考訳（メタデータ） (2023-08-24T10:29:25Z)
Vector-Valued Least-Squares Regression under Output Regularity Assumptions [73.99064151691597]
最小二乗回帰問題を無限次元出力で解くために,還元ランク法を提案し,解析する。提案手法の学習バウンダリを導出し、フルランク手法と比較して統計的性能の設定を改善する研究を行う。
論文参考訳（メタデータ） (2022-11-16T15:07:00Z)
False Correlation Reduction for Offline Reinforcement Learning [115.11954432080749]
本稿では,実効的かつ理論的に証明可能なアルゴリズムであるオフラインRLに対するfalSe Correlation Reduction (SCORE)を提案する。 SCOREは、標準ベンチマーク(D4RL)において、様々なタスクにおいて3.1倍の高速化でSoTA性能を達成することを実証的に示す。
論文参考訳（メタデータ） (2021-10-24T15:34:03Z)
Weakly Supervised Disentangled Generative Causal Representation Learning [21.392372783459013]
本研究は, 従来手法では, 監督下においても, 因果関係の要因を解消できないことを示す。本稿では、因果制御可能な生成と因果表現学習を可能にする、新たな非絡み合い学習法を提案する。
論文参考訳（メタデータ） (2020-10-06T11:38:41Z)
Lower bounds in multiple testing: A framework based on derandomized proxies [107.69746750639584]
本稿では, 各種コンクリートモデルへの適用例を示す, デランドマイズに基づく分析戦略を提案する。これらの下界のいくつかを数値シミュレーションし、Benjamini-Hochberg (BH) アルゴリズムの実際の性能と密接な関係を示す。
論文参考訳（メタデータ） (2020-05-07T19:59:51Z)
A Novel Fuzzy Approximate Reasoning Method Based on Extended Distance Measure in SISO Fuzzy System [0.0]
本稿ではファジィ近似推論のオリジナル手法を提案する。人工知能(AI)と計算知能(CI)の不確実性推論の新しい研究方向を開くことができる
論文参考訳（メタデータ） (2020-03-27T02:31:53Z)
Approximate MMAP by Marginal Search [78.50747042819503]
本稿では,グラフィカルモデルにおける最小値MAPクエリの戦略を提案する。提案した信頼度尺度は,アルゴリズムが正確であるインスタンスを適切に検出するものである。十分に高い信頼度を得るために、アルゴリズムは正確な解を与えるか、正確な解からハミング距離が小さい近似を与える。
論文参考訳（メタデータ） (2020-02-12T07:41:13Z)

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。