論文の概要: On fine-tuning of Autoencoders for Fuzzy rule classifiers

• arxiv url: http://arxiv.org/abs/2106.11182v1
• Date: Mon, 21 Jun 2021 15:20:37 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 18:45:35.514301
• Title: On fine-tuning of Autoencoders for Fuzzy rule classifiers
• Title（参考訳）: ファジィルール分類器のオートエンコーダの微調整について
• Authors: Rahul Kumar Sevakula, Nishchal Kumar Verma, Hisao Ishibuchi
• Abstract要約: 本稿では、ファジィルール分類器(FRC)にオートエンコーダを組み込む新しい手法を提案する。 積み重ねられたオートエンコーダは、データ間の複雑な非線形関係を学習し、FRCのために構築されたフレームワークにより、システムに専門家の知識を入力することができる。 さらに,FRCの分類とルール削減性能を改善するために,オートエンコーダの4つの新しい微調整手法を提案する。
• 参考スコア（独自算出の注目度）: 6.80011340736829
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent discoveries in Deep Neural Networks are allowing researchers to tackle some very complex problems such as image classification and audio classification, with improved theoretical and empirical justifications. This paper presents a novel scheme to incorporate the use of autoencoders in Fuzzy rule classifiers (FRC). Autoencoders when stacked can learn the complex non-linear relationships amongst data, and the proposed framework built towards FRC can allow users to input expert knowledge to the system. This paper further introduces four novel fine-tuning strategies for autoencoders to improve the FRC's classification and rule reduction performance. The proposed framework has been tested across five real-world benchmark datasets. Elaborate comparisons with over 15 previous studies, and across 10-fold cross validation performance, suggest that the proposed methods are capable of building FRCs which can provide state of the art accuracies.
• Abstract（参考訳）: 近年のDeep Neural Networksの発見により、画像分類や音声分類といった非常に複雑な問題に、理論的および経験的正当性を改良して対処できるようになった。 本稿では,ファジィルール分類器(FRC)にオートエンコーダを組み込む新しい手法を提案する。 積み重ねられたオートエンコーダは、データ間の複雑な非線形関係を学習し、FRCのために構築されたフレームワークにより、システムに専門家の知識を入力することができる。 さらに,FRCの分類とルール削減性能を改善するために,オートエンコーダの4つの新しい微調整手法を提案する。 提案されたフレームワークは、5つの実世界のベンチマークデータセットでテストされている。 従来の15以上の研究と10倍のクロスバリデーション性能を比較した結果,提案手法がFRCの構築に有効であることが示唆された。

関連論文リスト

• Fast Context-Biasing for CTC and Transducer ASR models with CTC-based Word Spotter [57.64003871384959]
  この研究は、CTCベースのWord Spotterでコンテキストバイアスを高速化するための新しいアプローチを示す。 提案手法は,CTCログ確率をコンパクトなコンテキストグラフと比較し,潜在的なコンテキストバイアス候補を検出する。 その結果、FスコアとWERの同時改善により、文脈バイアス認識の大幅な高速化が示された。
  論文  参考訳（メタデータ） (2024-06-11T09:37:52Z)
• Enhancing Intrusion Detection In Internet Of Vehicles Through Federated Learning [0.0]
  フェデレートされた学習は、複数のパーティが協力し、生データを共有せずに共有モデルを学習することを可能にする。 本稿では,CIC-IDS 2017データセットを用いたIoT(Internet of Vehicles)における侵入検知のための連合学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-23T04:04:20Z)
• The Cascaded Forward Algorithm for Neural Network Training [61.06444586991505]
  本稿では,ニューラルネットワークのための新しい学習フレームワークであるCascaded Forward(CaFo)アルゴリズムを提案する。 FFとは異なり、我々のフレームワークは各カスケードブロックのラベル分布を直接出力する。 我々のフレームワークでは、各ブロックは独立して訓練できるので、並列加速度システムに容易に展開できる。
  論文  参考訳（メタデータ） (2023-03-17T02:01:11Z)
• Fast Rule-Based Decoding: Revisiting Syntactic Rules in Neural Constituency Parsing [9.858565876426411]
  従来の研究では、構文規則に基づく確率論的統計手法が特に選挙区解析に有効であることが示されている。 本稿では,GPUアクセラレーションを利用した高速なCKY復号法を最初に実装し,さらに構文規則に基づく(ルール制約付き)CKY復号法を導出する。
  論文  参考訳（メタデータ） (2022-12-16T13:07:09Z)
• Supervised Dimensionality Reduction and Classification with Convolutional Autoencoders [1.1164202369517053]
  畳み込みオートエンコーダを組み合わせることで、教師付き次元の減少と予測を同時に生成する。 結果として得られるラテント空間は、伝統的な解釈可能な分類アルゴリズムを改善するために利用することができる。 提案手法は, 生成した潜在空間を通してのデータ構造だけでなく, 分類行動についても, 高度な説明可能性を導入している。
  論文  参考訳（メタデータ） (2022-08-25T15:18:33Z)
• KG-FiD: Infusing Knowledge Graph in Fusion-in-Decoder for Open-Domain Question Answering [68.00631278030627]
  検索した通路間の構造的関係を知識グラフで利用することにより,ノイズのある通路をフィルタする新しい手法KG-FiDを提案する。 我々は,KG-FiDが解答一致スコアの最大1.5%向上し,計算コストの40%程度でFiDに匹敵する性能が得られることを示した。
  論文  参考訳（メタデータ） (2021-10-08T18:39:59Z)
• DeFRCN: Decoupled Faster R-CNN for Few-Shot Object Detection [17.326702469604676]
  未確認クラスのごく少数の例から、新しいオブジェクトを迅速に検出することを目的としていない。 既存のほとんどのアプローチでは、基本的な検出フレームワークとしてFaster R-CNNを使用している。 DeFRCN (Decoupled Faster R-CNN) というシンプルなアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-08-20T06:12:55Z)
• A Generalizable Model-and-Data Driven Approach for Open-Set RFF Authentication [74.63333951647581]
  高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。 RFF抽出と識別のために機械学習に基づく手法が提案されている。 生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:59:37Z)
• A Meta-embedding-based Ensemble Approach for ICD Coding Prediction [64.42386426730695]
  国際疾病分類 (icd) は、世界中で臨床コーディングに使われているデファクトコードである。 これらのコードにより、医療提供者は償還を請求し、診断情報の効率的な保管と検索を容易にします。 提案手法は,日常的な医学データと科学論文の外部知識を用いて,効果的に単語ベクトルを訓練することにより,神経モデルの性能を高める。
  論文  参考訳（メタデータ） (2021-02-26T17:49:58Z)
• AP-Loss for Accurate One-Stage Object Detection [49.13608882885456]
  一段階の物体検出器は、分類損失と局所化損失を同時に最適化することによって訓練される。 前者は、多数のアンカーのため、非常に前景と後方のアンカーの不均衡に悩まされる。 本稿では,一段検知器の分類タスクをランキングタスクに置き換える新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-08-17T13:22:01Z)

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。