論文の概要: Combination of interval-valued belief structures based on belief entropy
- arxiv url: http://arxiv.org/abs/2011.13636v1
- Date: Fri, 27 Nov 2020 10:09:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 02:04:16.352150
- Title: Combination of interval-valued belief structures based on belief entropy
- Title(参考訳): 信念エントロピーに基づく区間値信頼構造の組み合わせ
- Authors: Miao Qin, Yongchuan Tang
- Abstract要約: 本稿では、証拠のデプスター・シェーファー理論の枠組みの中で、間隔値の信念構造の組み合わせと正規化の問題について検討する。
不確実性尺度に基づく新しい最適性アプローチが開発され、区間値の信念構造を結合する問題は、基本確率代入の組み合わせに縮退する。
- 参考スコア(独自算出の注目度): 5.221097007424518
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper investigates the issues of combination and normalization of
interval-valued belief structures within the framework of Dempster-Shafer
theory of evidence. Existing approaches are reviewed and thoroughly analyzed.
The advantages and drawbacks of previous approach are presented. A new
optimality approach based on uncertainty measure is developed, where the
problem of combining interval-valued belief structures degenerates into
combining basic probability assignments. Numerical examples are provided to
illustrate the rationality of the proposed approach.
- Abstract(参考訳): 本稿では,デンプスター・シェーファー証拠理論の枠組みにおける区間値信念構造の組み合わせと正規化の問題について検討する。
既存のアプローチをレビューし、徹底的に分析する。
従来のアプローチの利点と欠点を述べる。
不確実性尺度に基づく新しい最適性アプローチが開発され、区間値の信念構造を結合する問題は、基本確率代入の組み合わせに縮退する。
提案手法の合理性を示す数値的な例を示す。
関連論文リスト
- Improving Kernel-Based Nonasymptotic Simultaneous Confidence Bands [0.0]
本報告では,非漸近的かつ非漸近的保証を伴う非パラメトリック同時信頼バンドの構築問題について検討する。
このアプローチは、パーリー・ウィーナー核がヒルベルト空間を再現する理論に基づいている。
論文 参考訳(メタデータ) (2024-01-28T22:43:33Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳(メタデータ) (2023-11-08T00:10:21Z) - Towards Trustworthy Explanation: On Causal Rationalization [9.48539398357156]
本研究では,2つの因果デシラタに基づく合理化モデルを提案する。
提案した因果合理化の優れた性能は,実世界のレビューや医療データセットで実証されている。
論文 参考訳(メタデータ) (2023-06-25T03:34:06Z) - Advancing Counterfactual Inference through Nonlinear Quantile Regression [77.28323341329461]
ニューラルネットワークで実装された効率的かつ効果的な対実的推論のためのフレームワークを提案する。
提案手法は、推定された反事実結果から見つからないデータまでを一般化する能力を高める。
複数のデータセットで実施した実証実験の結果は、我々の理論的な主張に対する説得力のある支持を提供する。
論文 参考訳(メタデータ) (2023-06-09T08:30:51Z) - Trusted Multi-View Classification with Dynamic Evidential Fusion [73.35990456162745]
信頼型マルチビュー分類(TMC)と呼ばれる新しいマルチビュー分類アルゴリズムを提案する。
TMCは、様々な視点をエビデンスレベルで動的に統合することで、マルチビュー学習のための新しいパラダイムを提供する。
理論的および実験的結果は、精度、堅牢性、信頼性において提案されたモデルの有効性を検証した。
論文 参考訳(メタデータ) (2022-04-25T03:48:49Z) - Robust Probabilistic Time Series Forecasting [20.235389891676512]
本稿では,頑健な確率的時系列予測のためのフレームワークを提案する。
逆入力摂動の概念を一般化し、境界ワッサーシュタイン偏差の項でロバストネスの概念を定式化する。
本手法は,加法的対向攻撃による予測品質の向上と雑音観測の補足による予測整合性向上に実証的に有効である。
論文 参考訳(メタデータ) (2022-02-24T05:46:26Z) - On the Minimal Adversarial Perturbation for Deep Neural Networks with
Provable Estimation Error [65.51757376525798]
敵の摂動の存在は、証明可能な堅牢性に関する興味深い研究ラインを開いた。
検証可能な結果は、コミットしたエラーを見積り、バウンドするものではない。
本稿では,最小対向摂動を求めるための2つの軽量戦略を提案する。
その結果, 提案手法は, 分類に近い試料の理論的距離とロバスト性を近似し, 敵攻撃に対する確実な保証が得られた。
論文 参考訳(メタデータ) (2022-01-04T16:40:03Z) - Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。
画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
論文 参考訳(メタデータ) (2020-10-09T12:26:27Z) - Nonparametric Score Estimators [49.42469547970041]
未知分布によって生成されたサンプルの集合からスコアを推定することは確率モデルの推論と学習における基本的なタスクである。
正規化非パラメトリック回帰の枠組みの下で、これらの推定器の統一的なビューを提供する。
カールフリーカーネルと高速収束による計算効果を享受する反復正規化に基づくスコア推定器を提案する。
論文 参考訳(メタデータ) (2020-05-20T15:01:03Z) - Causal Modeling with Stochastic Confounders [11.881081802491183]
この作業は、共同設立者との因果推論を拡張します。
本稿では,ランダムな入力空間を持つ表現子定理に基づく因果推論のための変分推定手法を提案する。
論文 参考訳(メタデータ) (2020-04-24T00:34:44Z)
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。