Fugu-MT 論文翻訳(概要): Methods of ranking for aggregated fuzzy numbers from interval-valued data

論文の概要: Methods of ranking for aggregated fuzzy numbers from interval-valued data

arxiv url: http://arxiv.org/abs/2012.02194v1
Date: Thu, 3 Dec 2020 02:56:15 GMT
ステータス: 処理完了
システム内更新日: 2021-05-24 03:23:15.143563
Title: Methods of ranking for aggregated fuzzy numbers from interval-valued data
Title（参考訳）: 間隔値データを用いた集合ファジィ数のランク付け法
Authors: Justin Kane Gunn, Hadi Akbarzadeh Khorshidi, Uwe Aickelin
Abstract要約: 本論文は, 時間間隔から集約ファジィ数をランク付けする2つの手法を, Interval Agreement Approach (IAA) を用いて提案する。提案手法の改良とともに, 従来手法の欠点を, 合成・実世界の両面から示す。
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 paper primarily presents two methods of ranking aggregated fuzzy numbers from intervals using the Interval Agreement Approach (IAA). The two proposed ranking methods within this study contain the combination and application of previously proposed similarity measures, along with attributes novel to that of aggregated fuzzy numbers from interval-valued data. The shortcomings of previous measures, along with the improvements of the proposed methods, are illustrated using both a synthetic and real-world application. The real-world application regards the Technique for Order of Preference by Similarity to Ideal Solution (TOPSIS) algorithm, modified to include both the previous and newly proposed methods.
Abstract（参考訳）: 本論文は、主に、IAA(Interval Agreement Approach)を用いて、間隔から集約されたファジィ数をランク付けする2つの方法を示す。本研究で提案された2つのランク付け手法は,前述した類似度尺度の組み合わせと適用,および区間値データから集計したファジィ数と異なる属性を含む。提案手法の改善とともに, 先行手法の欠点は, 合成と実世界の応用の両方を用いて示される。実世界のアプリケーションでは,従来の手法と新しく提案された手法の両方を含むように改良されたTOPSISアルゴリズムが検討されている。

関連論文リスト

Exogenous Data in Forecasting: FARM -- A New Measure for Relevance Evaluation [62.997667081978825]
FARM - Forward Relevance Aligned Metricという新しいアプローチを導入する。我々のフォワード法は、その後のデータポイントの変化を時系列に合わせるために比較する角測度に依存する。第1の検証ステップとして、FARMアプローチの合成信号・代表信号への適用について述べる。
論文参考訳（メタデータ） (2023-04-21T15:22:33Z)
Adaptive Consensus Optimization Method for GANs [2.1227526213206542]
本稿では,ADAMとRMSpropを併用した2次勾配法を提案する。提案手法に対応する固定点反復法を導出し,提案手法が収束していることを示す。提案手法は,最近提案された他の最先端2次手法と比較して,画像の質や質が向上している。
論文参考訳（メタデータ） (2023-04-20T13:50:42Z)
Heuristic Rating Estimation Method for the incomplete pairwise comparisons matrices [0.0]
ヒューリスティックレーティング推定法により、意思決定者は既存のランキングデータと専門家の比較に基づいて決定できる。これらのアルゴリズムがどのように拡張され、専門家が全ての選択肢をペアで比較する必要がないかを示す。
論文参考訳（メタデータ） (2022-07-21T23:14:21Z)
COSTI: a New Classifier for Sequences of Temporal Intervals [0.0]
時間間隔のシーケンスを直接操作する新しい分類法を開発した。提案手法は高い精度を保ち、変換データの操作に接続する欠点を回避しつつ、より良い性能が得られる。
論文参考訳（メタデータ） (2022-04-28T12:55:06Z)
A Supervised Learning Approach to Rankability [0.6015898117103067]
データランキングビリティは、グラフとして表現されたデータセットが、そのデータに含まれる項目の有意義なランキングを生成する能力を考える問題である。そこで本稿では,効率的な評価が可能なランキング評価手法を提案する。
論文参考訳（メタデータ） (2022-03-14T17:55:43Z)
Riemannian classification of EEG signals with missing values [67.90148548467762]
本稿では脳波の分類に欠落したデータを扱うための2つの方法を提案する。第1のアプローチでは、インプットされたデータと$k$-nearestの隣人アルゴリズムとの共分散を推定し、第2のアプローチでは、期待最大化アルゴリズム内で観測データの可能性を活用することにより、観測データに依存する。その結果, 提案手法は観測データに基づく分類よりも優れており, 欠落したデータ比が増大しても高い精度を維持することができることがわかった。
論文参考訳（メタデータ） (2021-10-19T14:24:50Z)
Adaptive Sampling for Heterogeneous Rank Aggregation from Noisy Pairwise Comparisons [85.5955376526419]
ランキングアグリゲーション問題では、各項目を比較する際に、様々な精度レベルが示される。本稿では,ノイズのあるペアワイズ比較によってアイテムのランクを推定する,除去に基づくアクティブサンプリング戦略を提案する。提案アルゴリズムは,商品の真のランキングを高い確率で返却できることを示す。
論文参考訳（メタデータ） (2021-10-08T13:51:55Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
A Statistical Analysis of Summarization Evaluation Metrics using Resampling Methods [60.04142561088524]
信頼区間は比較的広く,信頼性の高い自動測定値の信頼性に高い不確実性を示す。多くのメトリクスはROUGEよりも統計的改善を示していないが、QAEvalとBERTScoreという2つの最近の研究は、いくつかの評価設定で行われている。
論文参考訳（メタデータ） (2021-03-31T18:28:14Z)
Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文参考訳（メタデータ） (2020-06-15T10:08:39Z)

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。