論文の概要: An approach utilizing negation of extended-dimensional vector of
disposing mass for ordinal evidences combination in a fuzzy environment
- arxiv url: http://arxiv.org/abs/2104.05416v1
- Date: Tue, 6 Apr 2021 09:35:29 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-03 19:42:35.945197
- Title: An approach utilizing negation of extended-dimensional vector of
disposing mass for ordinal evidences combination in a fuzzy environment
- Title（参考訳）: ファジィ環境における順序証明の組合せに対する変位質量の拡大次元ベクトルの否定を用いたアプローチ
- Authors: Yuanpeng He
- Abstract要約: 本論文では,分類の順序フレームの詳細な定義について述べる。
コンピュータビジョンの概念を利用した革新的な手法が提案され、識別のフレームの2つの重要な要素間の関係をよりよく表す。
ベクトルのレベルを識別する順序フレームの不確かさのレベルを示すために、特別に設計された方法も提供される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How to measure the degree of uncertainty of a given frame of discernment has
been a hot topic for years. A lot of meaningful works have provided some
effective methods to measure the degree properly. However, a crucial factor,
sequence of propositions, is missing in the definition of traditional frame of
discernment. In this paper, a detailed definition of ordinal frame of
discernment has been provided. Besides, an innovative method utilizing a
concept of computer vision to combine the order of propositions and the mass of
them is proposed to better manifest relationships between the two important
element of the frame of discernment. More than that, a specially designed
method covering some powerful tools in indicating the degree of uncertainty of
a traditional frame of discernment is also offered to give an indicator of
level of uncertainty of an ordinal frame of discernment on the level of vector.
- Abstract（参考訳）: 特定の認識の枠組みの不確実性の度合いを測定する方法は、長年にわたってホットな話題となっている。
多くの有意義な研究が、学位を適切に測定するための効果的な方法を提供している。
しかし、伝統的な識別の枠組みの定義において重要な要素である命題の列が欠落している。
本稿では, 識別の順序フレームの詳細な定義について述べる。
また,提案の順序とそれらの質量を組み合わせるコンピュータビジョンの概念を利用した革新的な手法を提案し,識別の枠組みの2つの重要な要素間の関係を明確化する。
さらに、従来の識別フレームの不確実性を示すための、いくつかの強力なツールをカバーする特別に設計された方法も提供され、ベクトルのレベルに対する識別フレームの不確実性のレベルを示す。
関連論文リスト
- Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳（メタデータ） (2024-11-03T17:32:00Z) - Independence Constrained Disentangled Representation Learning from Epistemological Perspective [13.51102815877287]
Disentangled Representation Learningは、データ生成プロセスにおいて意味論的に意味のある潜伏変数を識別するデータエンコーダをトレーニングすることで、ディープラーニングメソッドの説明可能性を向上させることを目的としている。
不整合表現学習の目的については合意が得られない。
本稿では,相互情報制約と独立性制約を統合した非絡み合い表現学習手法を提案する。
論文 参考訳（メタデータ） (2024-09-04T13:00:59Z) - Infusion: Preventing Customized Text-to-Image Diffusion from Overfitting [51.606819347636076]
本研究では, 概念知識を損なう概念非依存オーバーフィッティングと, 限られたモダリティのカスタマイズに限定した概念特化オーバーフィッティングを分析した。
Infusionは、ターゲット概念の学習を、限られた訓練モダリティによって制限されるのを避けることができるT2Iカスタマイズ手法である。
論文 参考訳（メタデータ） (2024-04-22T09:16:25Z) - What is Flagged in Uncertainty Quantification? Latent Density Models for
Uncertainty Categorization [68.15353480798244]
不確実性定量化(UQ)は、信頼できる機械学習モデルを作成する上で不可欠である。
近年、疑わしい事例にフラグを立てるUQ手法が急上昇している。
分類タスクにおけるUQ手法によってフラグ付けされた不確実な例を分類する枠組みを提案する。
論文 参考訳（メタデータ） (2022-07-11T19:47:00Z) - Learning Discriminative Representations and Decision Boundaries for Open
Intent Detection [16.10123071366136]
オープンインテント検出は自然言語理解において重要な問題である。
オープンな意図検出のための距離認識意図表現と適応的決定境界を学習するDA-ADBを提案する。
我々のフレームワークは3つのベンチマークデータセットで大幅に改善されている。
論文 参考訳（メタデータ） (2022-03-11T10:02:09Z) - Resolving label uncertainty with implicit posterior models [71.62113762278963]
本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。
異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
論文 参考訳（メタデータ） (2022-02-28T18:09:44Z) - An Efficient and Accurate Rough Set for Feature Selection,
Classification and Knowledge Representation [89.5951484413208]
本稿では, 特徴選択, 分類, 知識表現を同時に実現する, 粗集合に基づく強力なデータマイニング手法を提案する。
まず, ノイズ特性の処理において, 粗集合の非効率性について検討し, 相対的重要度と呼ばれる特性のロバストな測定法を提案する。
公開ベンチマークデータセットによる実験結果から,提案フレームワークは7つの人気や最先端の機能選択手法よりも精度が高いことがわかった。
論文 参考訳（メタデータ） (2021-12-29T12:45:49Z) - Ensemble-based Uncertainty Quantification: Bayesian versus Credal
Inference [0.0]
我々は、不確実性定量化に対するアンサンブルに基づくアプローチを検討する。
具体的には,いわゆる干潟集合に基づくベイズ的手法とアプローチに着目する。
拒否オプションを用いた分類に関する実証的研究において, 対応する尺度の有効性を評価し, 比較した。
論文 参考訳（メタデータ） (2021-07-21T22:47:24Z) - Ordinal relative belief entropy [0.0]
本論文では, 識別フレームの不確実性を測定するための新規な経口エントロピーを提案する。
これは、認識の枠組みに存在する命題の順序によってもたらされる不確実性の程度に影響を及ぼす。
提案したエントロピーの正当性と妥当性を検証するために,いくつかの数値例が提供される。
論文 参考訳（メタデータ） (2021-02-21T04:17:04Z) - A general framework for defining and optimizing robustness [74.67016173858497]
分類器の様々な種類の堅牢性を定義するための厳密でフレキシブルなフレームワークを提案する。
我々の概念は、分類器の堅牢性は正確性とは無関係な性質と考えるべきであるという仮定に基づいている。
我々は,任意の分類モデルに適用可能な,非常に一般的なロバスト性フレームワークを開発する。
論文 参考訳（メタデータ） (2020-06-19T13:24:20Z)
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。