論文の概要: FCM-RDpA: TSK Fuzzy Regression Model Construction Using Fuzzy C-Means Clustering, Regularization, DropRule, and Powerball AdaBelief

• arxiv url: http://arxiv.org/abs/2012.00060v1
• Date: Mon, 30 Nov 2020 19:22:15 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 15:01:07.941083
• Title: FCM-RDpA: TSK Fuzzy Regression Model Construction Using Fuzzy C-Means Clustering, Regularization, DropRule, and Powerball AdaBelief
• Title（参考訳）: FCM-RDpA:Fzzy C-Means Clustering, Regularization, DropRule, Powerball AdaBeliefを用いたTSKファジィ回帰モデルの構築
• Authors: Zhenhua Shi, Dongrui Wu, Chenfeng Guo, Changming Zhao, Yuqi Cui, and Fei-Yue Wang
• Abstract要約: 本稿では,Powerball AdaBeliefによるMBGD-RDAとAdaBoundを改善したFCM-RDpAを提案する。 MBGD-RDAよりもFCM-RDpAの方が優れていた。 また,FCM-RDpAxという新たな手法を提案し,FCM-RDpAをさらに改良する。
• 参考スコア（独自算出の注目度）: 31.210783937923832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: To effectively optimize Takagi-Sugeno-Kang (TSK) fuzzy systems for regression problems, a mini-batch gradient descent with regularization, DropRule, and AdaBound (MBGD-RDA) algorithm was recently proposed. This paper further proposes FCM-RDpA, which improves MBGD-RDA by replacing the grid partition approach in rule initialization by fuzzy c-means clustering, and AdaBound by Powerball AdaBelief, which integrates recently proposed Powerball gradient and AdaBelief to further expedite and stabilize parameter optimization. Extensive experiments on 22 regression datasets with various sizes and dimensionalities validated the superiority of FCM-RDpA over MBGD-RDA, especially when the feature dimensionality is higher. We also propose an additional approach, FCM-RDpAx, that further improves FCM-RDpA by using augmented features in both the antecedents and consequents of the rules.
• Abstract（参考訳）: 回帰問題に対する高木スゲノカン(TSK)ファジィシステムを効果的に最適化するために, 正規化, DropRule および AdaBound (MBGD-RDA) アルゴリズムを用いたミニバッチ勾配降下法を提案する。 本稿ではさらに,ファジィc-meansクラスタリングによるルール初期化におけるグリッド分割アプローチと,最近提案されたpowerballgradientとadabeliefを統合したpowerball adabeliefによるadaboundの置き換えにより,mbgd-rdaを改善するfcm-rdpaを提案する。 FCM-RDpA が MBGD-RDA よりも優れていること,特に特徴次元が高ければ, 様々なサイズと次元を持つ22の回帰データセットに対する大規模な実験を行った。 また,前置詞と前置詞の両方に拡張機能を用いることにより,さらに fcm-rdpa を改良する手法である fcm-rdpax を提案する。

関連論文リスト

• A Fresh Look at Generalized Category Discovery through Non-negative Matrix Factorization [83.12938977698988]
  Generalized Category Discovery (GCD) は、ラベル付きベースデータを用いて、ベース画像と新規画像の両方を分類することを目的としている。 現在のアプローチでは、コサイン類似性に基づく共起行列 $barA$ の固有の最適化に不適切に対処している。 本稿では,これらの欠陥に対処するNon-Negative Generalized Category Discovery (NN-GCD) フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T07:24:11Z)
• Hyperboloid GPLVM for Discovering Continuous Hierarchies via Nonparametric Estimation [41.13597666007784]
  次元性低減(DR)は複雑な高次元データの有用な表現を提供する。 最近のDR法は、階層データの忠実な低次元表現を導出する双曲幾何学に焦点を当てている。 本稿では,非パラメトリック推定による暗黙的な連続性を持つ高次元階層データを埋め込むためのhGP-LVMを提案する。
  論文  参考訳（メタデータ） (2024-10-22T05:07:30Z)
• Curvature-Informed SGD via General Purpose Lie-Group Preconditioners [6.760212042305871]
  曲率情報を利用して勾配降下(SGD)を加速する新しい手法を提案する。 提案手法は,行列フリープレコンディショナーと低ランクプレコンディショナーの2つのプレコンディショナーを含む。 プレコンディショニングされたSGD(PSGD)は、ビジョン、NLP、RLタスクにおいてSoTAよりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-02-07T03:18:00Z)
• ALEXR: An Optimal Single-Loop Algorithm for Convex Finite-Sum Coupled Compositional Stochastic Optimization [53.14532968909759]
  ALEXRと呼ばれる,効率的な単ループプリマルデュアルブロックコーディネートアルゴリズムを提案する。 本研究では, ALEXR の凸面および強凸面の収束速度を滑らか性および非滑らか性条件下で確立する。 本稿では,ALEXRの収束速度が,検討されたcFCCO問題に対する1次ブロック座標アルゴリズムの中で最適であることを示すために,より低い複雑性境界を示す。
  論文  参考訳（メタデータ） (2023-12-04T19:00:07Z)
• Sparse high-dimensional linear regression with a partitioned empirical Bayes ECM algorithm [62.997667081978825]
  疎高次元線形回帰に対する計算効率が高く強力なベイズ的手法を提案する。 パラメータに関する最小の事前仮定は、プラグイン経験的ベイズ推定(英語版)を用いて用いられる。 提案手法はRパッケージプローブに実装されている。
  論文  参考訳（メタデータ） (2022-09-16T19:15:50Z)
• Coarse-to-Fine Embedded PatchMatch and Multi-Scale Dynamic Aggregation for Reference-based Super-Resolution [48.093500219958834]
  参照型スーパーリゾリューションのためのAMSA(Accelerated Multi-Scale Aggregation Network)を提案する。 提案したAMSAは,定量評価と定性評価の両面において,最先端の手法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-01-12T08:40:23Z)
• Bayesian Sparse learning with preconditioned stochastic gradient MCMC and its applications [5.660384137948734]
  提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束する。 提案アルゴリズムは, 温和な条件下で, 制御可能なバイアスで正しい分布に収束可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-29T20:57:20Z)
• Augmentation of the Reconstruction Performance of Fuzzy C-Means with an Optimized Fuzzification Factor Vector [99.19847674810079]
  Fuzzy C-Means (FCM) は情報グラニュラーを構成する最も頻繁に使用される手法の1つである。 本稿では, ファジィ化因子のベクトルを導入することにより, FCMに基づく脱顆粒機構を増強する。 合成データセットと公開データセットの両方で実験が完了し、提案手法が汎用データ再構成手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-13T04:17:30Z)
• MBGD-RDA Training and Rule Pruning for Concise TSK Fuzzy Regression Models [28.49647841631262]
  正規化, DropRule および AdaBound アルゴリズムを用いたミニバッチグラディエントDescent が最近提案されている。 優れたパフォーマンスを示しているが、ルールの数を直接指定することはできない。 本稿では, MBGD-RDAの2つの変種を提案する。 また,TSKファジィシステムに対して,回帰性能を著しく損なうことなく,ルール数を削減できるルールプーニングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-01T23:18:39Z)
• Kullback-Leibler Divergence-Based Fuzzy $C$-Means Clustering Incorporating Morphological Reconstruction and Wavelet Frames for Image Segmentation [152.609322951917]
  そこで我々は,厳密なウェーブレットフレーム変換と形態的再構成操作を組み込むことで,Kulback-Leibler (KL) 発散に基づくFuzzy C-Means (FCM) アルゴリズムを考案した。 提案アルゴリズムはよく機能し、他の比較アルゴリズムよりもセグメンテーション性能が優れている。
  論文  参考訳（メタデータ） (2020-02-21T05:19:10Z)

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。