論文の概要: Uncertainty measures for probabilistic hesitant fuzzy sets in multiple
criteria decision making
- arxiv url: http://arxiv.org/abs/2011.08182v1
- Date: Mon, 16 Nov 2020 08:25:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-25 00:24:21.708267
- Title: Uncertainty measures for probabilistic hesitant fuzzy sets in multiple
criteria decision making
- Title（参考訳）: 複数基準決定における確率的ハシタントファジィ集合の不確実性対策
- Authors: Bahram Farhadinia, Uwe Aickelin, Hadi Akbarzadeh Khorshidi
- Abstract要約: 我々は、確率論的ヘシタントファジィ要素(PHFE)のエントロピー測度の新しい公理的枠組みを開発する。
それぞれの不確実性に関して、PHFEエントロピー測度の柔軟な選択を可能にするために、多くの公式が導出される。
比較分析の一部で用いられるエントロピーに基づく距離測定について紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This contribution reviews critically the existing entropy measures for
probabilistic hesitant fuzzy sets (PHFSs), and demonstrates that these entropy
measures fail to effectively distinguish a variety of different PHFSs in some
cases. In the sequel, we develop a new axiomatic framework of entropy measures
for probabilistic hesitant fuzzy elements (PHFEs) by considering two facets of
uncertainty associated with PHFEs which are known as fuzziness and
nonspecificity. Respect to each kind of uncertainty, a number of formulae are
derived to permit flexible selection of PHFE entropy measures. Moreover, based
on the proposed PHFE entropy measures, we introduce some entropy-based distance
measures which are used in the portion of comparative analysis.
- Abstract（参考訳）: この貢献は、確率的重畳ファジィ集合(PHFS)に対する既存のエントロピー測度を批判的に評価し、これらのエントロピー測度が、いくつかのケースにおいて様々な異なるPHFSを効果的に区別できないことを示す。
本研究は,不確実性と非特異性(fuzziness and nonspecificity)として知られるPHFEに関連付けられた不確実性の2つの側面を考慮し,確率的ヘシタントファジィ要素(PHFE)に対するエントロピー尺度の新しい公理的枠組みを開発する。
それぞれの不確実性に関して、PHFEエントロピー尺度の柔軟な選択を可能にするために、いくつかの公式が導出される。
さらに,提案したPHFEエントロピー測度に基づいて,比較分析において用いられるエントロピーに基づく距離測度を導入する。
関連論文リスト
- On Information-Theoretic Measures of Predictive Uncertainty [5.8034373350518775]
その重要性にも拘わらず、予測の不確実性の正しい測定に関するコンセンサスはいまだに解明されていない。
提案手法は, 予測の不確かさを, (I) 予測モデル (II) 真の予測分布の近似の2つの要因により分類する。
本研究では, 誤分類検出, 選択的予測, アウト・オブ・ディストリビューション検出など, 典型的な不確実性推定設定において, これらの指標を実証的に評価する。
論文 参考訳（メタデータ） (2024-10-14T17:52:18Z) - CLUE: Concept-Level Uncertainty Estimation for Large Language Models [49.92690111618016]
大規模言語モデル(LLM)のための概念レベル不確実性推定のための新しいフレームワークを提案する。
LLMを利用して、出力シーケンスを概念レベルの表現に変換し、シーケンスを個別の概念に分解し、各概念の不確かさを個別に測定する。
我々は,文レベルの不確実性と比較して,CLUEがより解釈可能な不確実性推定結果を提供できることを示す実験を行った。
論文 参考訳（メタデータ） (2024-09-04T18:27:12Z) - To Believe or Not to Believe Your LLM [51.2579827761899]
大規模言語モデル(LLM)における不確実性定量化について検討する。
疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。
定式化の利点を実証する一連の実験を行う。
論文 参考訳（メタデータ） (2024-06-04T17:58:18Z) - Label-wise Aleatoric and Epistemic Uncertainty Quantification [15.642370299038488]
本稿では,不確実性尺度のラベルワイズ分解に基づく分類タスクにおける不確実性定量化手法を提案する。
提案手法は,いくつかの望ましい特性に則っていることを示す。
論文 参考訳（メタデータ） (2024-06-04T14:33:23Z) - Kernel Language Entropy: Fine-grained Uncertainty Quantification for LLMs from Semantic Similarities [79.9629927171974]
大規模言語モデル(LLM)の不確実性は、安全性と信頼性が重要であるアプリケーションには不可欠である。
ホワイトボックスとブラックボックス LLM における不確実性評価手法である Kernel Language Entropy (KLE) を提案する。
論文 参考訳（メタデータ） (2024-05-30T12:42:05Z) - Is Epistemic Uncertainty Faithfully Represented by Evidential Deep Learning Methods? [26.344949402398917]
本稿では,顕在的深層学習の新たな理論的考察について述べる。
これは二階損失関数の最適化の難しさを強調している。
第二次損失最小化における識別可能性と収束性の問題に関する新たな洞察を提供する。
論文 参考訳（メタデータ） (2024-02-14T10:07:05Z) - Measuring and Modeling Uncertainty Degree for Monocular Depth Estimation [50.920911532133154]
単分子深度推定モデル(MDE)の本質的な不適切さと順序感性は、不確かさの程度を推定する上で大きな課題となる。
本稿では,MDEモデルの不確かさを固有確率分布の観点からモデル化する。
新たなトレーニング正規化用語を導入することで、驚くほど単純な構成で、余分なモジュールや複数の推論を必要とせずに、最先端の信頼性で不確実性を推定できる。
論文 参考訳（メタデータ） (2023-07-19T12:11:15Z) - Decision-Making Under Uncertainty: Beyond Probabilities [5.358161704743754]
古典的な仮定は、確率はシステムの不確実性をすべて十分に捉えることができるというものである。
本稿では、この古典的解釈を超える不確実性に焦点を当てる。
離散モデルと連続モデルの両方に対していくつかの解法を示す。
論文 参考訳（メタデータ） (2023-03-10T10:53:33Z) - The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。
我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
論文 参考訳（メタデータ） (2022-05-20T10:10:32Z) - Non-Linear Spectral Dimensionality Reduction Under Uncertainty [107.01839211235583]
我々は、不確実性情報を活用し、いくつかの従来のアプローチを直接拡張する、NGEUと呼ばれる新しい次元削減フレームワークを提案する。
提案したNGEUの定式化は,大域的な閉形式解を示し,Radecherの複雑性に基づいて,基礎となる不確実性がフレームワークの一般化能力に理論的にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2022-02-09T19:01:33Z) - A geometric way to find the measures of uncertainty from statistical
divergences for discrete and finite probability distributions [0.0]
統計的発散の幾何学的性質をエクスプロイトし、離散確率分布と有限確率分布に対する関連する帰納的不確実性尺度を定義する方法を考案する。
量子状態の生成における不確実性を測定するために同様の手法を適用する。
論文 参考訳（メタデータ） (2021-06-28T17:46:59Z)
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。