論文の概要: Uncertainty Measurement of Basic Probability Assignment Integrity Based
on Approximate Entropy in Evidence Theory
- arxiv url: http://arxiv.org/abs/2105.07382v1
- Date: Sun, 16 May 2021 08:41:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 14:50:03.459224
- Title: Uncertainty Measurement of Basic Probability Assignment Integrity Based
on Approximate Entropy in Evidence Theory
- Title（参考訳）: エビデンス理論における近似エントロピーに基づく基本確率割当て積分の不確かさの測定
- Authors: Tianxiang Zhan, Yuanpeng He, Hanwen Li, Fuyuan Xiao
- Abstract要約: 不確かさの測定は証拠理論と確率理論の両方において重要な役割を果たす。
論文の主な貢献は、基本的な確率割り当ての完全性を定義することです。
BPAの近似エントロピーは、BPAの完全性の不確実性を測定するために提案される。
- 参考スコア（独自算出の注目度）: 9.22384870426709
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Evidence theory is that the extension of probability can better deal with
unknowns and inaccurate information. Uncertainty measurement plays a vital role
in both evidence theory and probability theory. Approximate Entropy (ApEn) is
proposed by Pincus to describe the irregularities of complex systems. The more
irregular the time series, the greater the approximate entropy. The ApEn of the
network represents the ability of a network to generate new nodes, or the
possibility of undiscovered nodes. Through the association of network
characteristics and basic probability assignment (BPA) , a measure of the
uncertainty of BPA regarding completeness can be obtained. The main
contribution of paper is to define the integrity of the basic probability
assignment then the approximate entropy of the BPA is proposed to measure the
uncertainty of the integrity of the BPA. The proposed method is based on the
logical network structure to calculate the uncertainty of BPA in evidence
theory. The uncertainty based on the proposed method represents the uncertainty
of integrity of BPA and contributes to the identification of the credibility of
BPA.
- Abstract（参考訳）: 証拠理論は、確率の延長は未知や不正確な情報にうまく対処できるというものである。
不確かさの測定は証拠理論と確率理論の両方において重要な役割を果たす。
近似エントロピー (ApEn) は、複素系の不規則性を記述するためにピンカスによって提案されている。
時系列が不規則であればあるほど、近似エントロピーは大きくなる。
ネットワークのApEnは、ネットワークが新しいノードを生成する能力、または未発見ノードの可能性を表す。
ネットワーク特性と基本確率割当(BPA)の関連付けにより、完全性に関するBPAの不確実性の尺度を得ることができる。
論文の主な貢献は、基本確率割り当ての完全性を定義することであり、BPAの近似エントロピーは、BPAの完全性の不確実性を測定するために提案される。
提案手法は,証拠理論におけるBPAの不確実性を計算するための論理ネットワーク構造に基づく。
提案手法に基づく不確実性は,BPAの完全性の不確実性を表し,BPAの信頼性の同定に寄与する。
関連論文リスト
- Evaluating the Security of Merkle Trees in the Internet of Things: An Analysis of Data Falsification Probabilities [27.541105686358378]
本稿では,メルクルパスの長さとハッシュ長を考慮し,データ改ざん確率を計算する理論的枠組みを開発する。
実験的な実験により理論モデルが検証され、様々なハッシュ長とメルクルパス長を持つシミュレーションが探索された。
以上の結果より, より長いメルクル経路との逆関係と, ハッシュ長の増加に伴うファルシフィケーション確率の低下が示唆された。
論文 参考訳（メタデータ） (2024-04-18T11:24:12Z) - Efficient Conformal Prediction under Data Heterogeneity [79.35418041861327]
コンフォーマル予測(CP)は不確実性定量化のための頑健な枠組みである。
非交換性に対処するための既存のアプローチは、最も単純な例を超えて計算不可能なメソッドにつながる。
この研究は、比較的一般的な非交換可能なデータ分布に対して証明可能な信頼セットを生成する、CPに新しい効率的なアプローチを導入する。
論文 参考訳（メタデータ） (2023-12-25T20:02:51Z) - PICProp: Physics-Informed Confidence Propagation for Uncertainty
Quantification [30.66285259412019]
本稿では, 決定論的偏微分方程式の信頼区間推定を新しい問題として導入し, 研究する。
つまり、データロケーションからドメイン全体への信頼性を、確率的な保証を持って、CI形式で広めるのです。
重大な仮定を行なわずに有効なCIを計算するための2レベル最適化に基づくPICPropと呼ばれる手法を提案する。
論文 参考訳（メタデータ） (2023-10-10T18:24:50Z) - An entropic uncertainty principle for mixed states [0.0]
エントロピーの不確実性原理の一般化の族を提供する。
結果は、信頼できる当事者間の絡み合いを認証したり、信頼できない環境とシステムの絡み合いを結びつけるために使われる。
論文 参考訳（メタデータ） (2023-03-20T18:31:53Z) - The Trivial Bound of Entropic Uncertainty Relations [0.0]
エントロピック不確実性関係は量子暗号アプリケーションにおける量的セキュリティの計算に基礎を置いている。
本稿では,POVM変換された標準エントロピー不確実性関係の1つの事例を,自明な境界を求める。
論文 参考訳（メタデータ） (2022-07-30T15:01:40Z) - The Unreasonable Effectiveness of Deep Evidential Regression [72.30888739450343]
不確実性を考慮した回帰ベースニューラルネットワーク(NN)による新しいアプローチは、従来の決定論的手法や典型的なベイズ的NNよりも有望であることを示している。
我々は、理論的欠点を詳述し、合成および実世界のデータセットのパフォーマンスを分析し、Deep Evidential Regressionが正確な不確実性ではなく定量化であることを示す。
論文 参考訳（メタデータ） (2022-05-20T10:10:32Z) - Non-Linear Spectral Dimensionality Reduction Under Uncertainty [107.01839211235583]
我々は、不確実性情報を活用し、いくつかの従来のアプローチを直接拡張する、NGEUと呼ばれる新しい次元削減フレームワークを提案する。
提案したNGEUの定式化は,大域的な閉形式解を示し,Radecherの複雑性に基づいて,基礎となる不確実性がフレームワークの一般化能力に理論的にどのように影響するかを分析する。
論文 参考訳（メタデータ） (2022-02-09T19:01:33Z) - NUQ: Nonparametric Uncertainty Quantification for Deterministic Neural
Networks [151.03112356092575]
本研究では,Nadaraya-Watson の条件付きラベル分布の非パラメトリック推定に基づく分類器の予測の不確かさの測定方法を示す。
種々の実世界の画像データセットにおける不確実性推定タスクにおいて,本手法の強い性能を示す。
論文 参考訳（メタデータ） (2022-02-07T12:30:45Z) - Dense Uncertainty Estimation via an Ensemble-based Conditional Latent
Variable Model [68.34559610536614]
我々は、アレータリック不確実性はデータの固有の特性であり、偏見のないオラクルモデルでのみ正確に推定できると論じる。
そこで本研究では,軌道不確実性推定のためのオラクルモデルを近似するために,列車時の新しいサンプリングと選択戦略を提案する。
以上の結果から,提案手法は精度の高い決定論的結果と確実な不確実性推定の両方を達成できることが示唆された。
論文 参考訳（メタデータ） (2021-11-22T08:54:10Z) - Entropy, Information, and the Updating of Probabilities [0.0]
本稿では,推論の一般的な枠組みとして,最大エントロピー法に対する特定のアプローチを概説する。
ME法は1つの後部の単なる選択を越えているが、他の分布がどれだけ少ないかという問題にも対処する。
論文 参考訳（メタデータ） (2021-07-09T16:27:23Z) - The Hidden Uncertainty in a Neural Networks Activations [105.4223982696279]
ニューラルネットワークの潜在表現の分布は、アウト・オブ・ディストリビューション(OOD)データの検出に成功している。
本研究は、この分布が、モデルの不確実性と相関しているかどうかを考察し、新しい入力に一般化する能力を示す。
論文 参考訳（メタデータ） (2020-12-05T17:30:35Z)
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。