論文の概要: A Comparative Study of AHP and Fuzzy AHP Method for Inconsistent Data
- arxiv url: http://arxiv.org/abs/2101.01067v1
- Date: Wed, 23 Dec 2020 06:08:23 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-26 04:25:08.324833
- Title: A Comparative Study of AHP and Fuzzy AHP Method for Inconsistent Data
- Title(参考訳): 不整合データに対するAHP法とファジィAHP法の比較検討
- Authors: Md. Ashek-Al-Aziz, Sagar Mahmud, Md. Azizul Islam, Jubayer Al Mahmud,
Khan Md. Hasib
- Abstract要約: 2つの方法の出力間の類似性と類似性を観察しようと試みた。
出力のほぼ同じ傾向や変動は、両方の方法で同じ入力データに対して観測されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In various cases of decision analysis we use two popular methods: Analytical
Hierarchical Process (AHP) and Fuzzy based AHP or Fuzzy AHP. Both the methods
deal with stochastic data and can determine decision result through Multi
Criteria Decision Making (MCDM) process. Obviously resulting values of the two
methods are not same though same set of data is fed into them. In this research
work, we have tried to observe similarities and dissimilarities between two
methods outputs. Almost same trend or fluctuations in outputs have been seen
for both methods for same set of input data which are not consistent. Both
method outputs ups and down fluctuations are same for fifty percent cases.
- Abstract(参考訳): 決定分析の様々なケースでは、分析階層プロセス(ahp)とファジィベースahpまたはファジィahpという2つの一般的な方法を用いる。
どちらの手法も確率的データを扱うことができ、MCDM(Multi Criteria Decision Making)プロセスによって決定結果を決定することができる。
2つのメソッドの値は明らかに同じではないが、同じデータセットがそれらに供給される。
本研究では,2つの方法の類似点と類似点の観察を試みた。
出力のほぼ同じ傾向や変動は、整合性のない同じ入力データのセットに対して両方の手法で観測されている。
どちらの方法も50%の場合、アップとダウンの変動は同じである。
関連論文リスト
- Causal Discovery under Identifiable Heteroscedastic Noise Model [50.23769985430187]
因果DAG学習は、最近精度と効率の両面で有望な性能を達成した。
本稿では,変数間のノイズ分散の変動を考慮したDAG学習のための新しい定式化を提案する。
次に、最適化の難しさに対処する効果的な2相反復DAG学習アルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-12-20T08:51:58Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳(メタデータ) (2023-11-09T23:32:06Z) - Variable Selection in Maximum Mean Discrepancy for Interpretable
Distribution Comparison [9.12501922682336]
2サンプルテストは、同じ分布から2つのデータセットが生成されるかどうかを決定する。
本稿では,2サンプルテストにおける変数選択について検討し,2つの分布の相違の原因となる変数を同定する。
論文 参考訳(メタデータ) (2023-11-02T18:38:39Z) - MINDE: Mutual Information Neural Diffusion Estimation [8.316365279740188]
確率変数間の相互情報(MI)を推定するための新しい手法を提案する。
スコアベース拡散モデルを用いて、スコア関数間の差分として2つの密度間のクルバック・リーブラーの偏差を推定する。
副産物として,確率変数のエントロピーの推定も可能である。
論文 参考訳(メタデータ) (2023-10-13T11:47:41Z) - SA-Solver: Stochastic Adams Solver for Fast Sampling of Diffusion Models [66.67616086310662]
拡散確率モデル(DPM)は生成タスクでかなりの成功を収めた。
DPM からのサンプリングは、時間を要する拡散 SDE や ODE の解法と等価であるため、改良された微分方程式解法に基づく多数の高速サンプリング手法が提案されている。
拡散SDEを解くための効率の良いAdams法であるSA-of-rを提案する。
論文 参考訳(メタデータ) (2023-09-10T12:44:54Z) - Meta-Learning Approaches for a One-Shot Collective-Decision Aggregation:
Correctly Choosing how to Choose Correctly [0.7874708385247353]
単発の機械学習に基づくアグリゲーションアプローチを2つ提示する。
最初の予測では、集団の選択に関する複数の特徴が与えられた場合、どのアグリゲーション法が最善かが予想される。
2つ目は、どの決定が最適かを直接予測する。
論文 参考訳(メタデータ) (2022-04-03T15:06:59Z) - Multivariate feature ranking of gene expression data [62.997667081978825]
ペアワイズ相関とペアワイズ整合性に基づく2つの新しい多変量特徴ランキング手法を提案する。
提案手法は, クラスタリング変動, チ・スクエアド, 相関, 情報ゲイン, ReliefF および Significance の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2021-11-03T17:19:53Z) - A Subsampling-Based Method for Causal Discovery on Discrete Data [18.35147325731821]
本研究では,原因発生方式とメカニズムの独立性をテストするためのサブサンプリング方式を提案する。
我々の手法は、離散データと分類データの両方で機能し、データ上の機能的モデルを含まないため、より柔軟なアプローチである。
論文 参考訳(メタデータ) (2021-08-31T17:11:58Z) - 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) - Comparison of Anomaly Detectors: Context Matters [0.0]
この比較の目的は、様々なパラダイムの異常検出方法の比較と、異なる結果をもたらす可能性のある変動源の同定である。
画像データの最良の結果は、実験条件に応じて、特徴マッチングGANまたは変動オートエンコーダ(VAE)とOC-SVMの組み合わせによって得られた。
論文 参考訳(メタデータ) (2020-12-11T11:50:35Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳(メタデータ) (2020-11-13T10:53:27Z)
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。