論文の概要: Decision Making Using Rough Set based Spanning Sets for a Decision System

• arxiv url: http://arxiv.org/abs/2107.12477v1
• Date: Wed, 21 Jul 2021 20:58:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-01 12:24:03.589287
• Title: Decision Making Using Rough Set based Spanning Sets for a Decision System
• Title（参考訳）: ラフセットに基づくスパンニングセットを用いた意思決定システム
• Authors: Nidhika Yadav
• Abstract要約: 本稿では,決定表にRough Setをベースとしたスパンを用いたジェネリック意思決定プロセスの新たな概念を提案する。 本稿では,提案するRough Set を用いた決定表の現実的利用について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rough Set based concepts of Span and Spanning Sets were recently proposed to deal with uncertainties in data. Here, this paper, presents novel concepts for generic decision-making process using Rough Set based span for a decision table. Majority of problems in Artificial Intelligence deal with decision making. This paper provides real life applications of proposed Rough Set based span for decision tables. Here, novel concept of span for a decision table is proposed, illustrated with real life example of flood relief and rescue team assignment. Its uses, applications and properties are explored. The key contribution of paper is primarily to study decision making using Rough Set based Span for a decision tables, as against an information system in prior works. Here, the main contribution is that decision classes are automatically learned by the technique of Rough Set based span, for a particular problem, hence automating the decision-making process. These decision-making tools based on span can guide an expert in taking decisions in tough and time-bound situations.
• Abstract（参考訳）: ラフセットに基づくスパンとスパンニングセットの概念は、データの不確実性を扱うために最近提案された。 本稿では,決定表にRough Setをベースとしたスパンを用いた一般的な意思決定プロセスの新しい概念を提案する。 人工知能における問題の多くは意思決定に対処する。 本稿では,決定表に対するラフセットに基づくスパンの実際の応用について述べる。 ここでは, 洪水救助と救助隊の任務の実例を例に, 決定表のためのスパンという新しい概念を提案する。 その用途、応用、特性を探求する。 論文の主な貢献は主に、事前の作業における情報システムに対して、決定表にRough SetベースのSpanを用いた意思決定を研究することである。 ここでの主な貢献は、決定クラスが特定の問題に対してラフセットベースのスパンのテクニックによって自動的に学習され、意思決定プロセスが自動化されることである。 spanに基づくこれらの意思決定ツールは、厳しい状況と時間的な状況における意思決定の専門家を導くことができる。

関連論文リスト

• Optimized Task Assignment and Predictive Maintenance for Industrial Machines using Markov Decision Process [0.0]
  本稿では,タスク割り当てと条件に基づく機械の健康維持のための分散意思決定手法について考察する。 マルコフ決定プロセスに基づく意思決定エージェントの設計を提案する。
  論文  参考訳（メタデータ） (2024-01-20T12:12:14Z)
• Preservation of Feature Stability in Machine Learning Under Data Uncertainty for Decision Support in Critical Domains [0.0]
  人間の活動における決定は、しばしば重要な領域であっても不完全なデータに依存する。 本稿では,従来の機械学習手法を用いた一連の実験を行うことで,このギャップに対処する。 ML記述法は,データの不完全性が増大するにつれて特徴選択の安定性を確保しつつ,高い分類精度を維持する。
  論文  参考訳（メタデータ） (2024-01-19T22:11:54Z)
• Explainable Data-Driven Optimization: From Context to Decision and Back Again [76.84947521482631]
  データ駆動最適化では、コンテキスト情報と機械学習アルゴリズムを使用して、不確実なパラメータによる決定問題の解決策を見つける。 本稿では,データ駆動型問題に対する解法を説明するために,対実的説明手法を提案する。 在庫管理やルーティングといった運用管理における重要な問題を説明することで,我々のアプローチを実証する。
  論文  参考訳（メタデータ） (2023-01-24T15:25:16Z)
• What is a decision problem? [0.0]
  私たちのモチベーションは、意思決定分析と運用研究が、メソッドのクラスを中心に(規律として)構造化されているという事実に関連しています。 この目的のために、クライアントから提供された(または提供された)プリミティブに基づいて、既存のメソッドとは独立して、新しいフレームワークを導入します。
  論文  参考訳（メタデータ） (2023-01-07T01:03:08Z)
• RISE: Robust Individualized Decision Learning with Sensitive Variables [1.5293427903448025]
  素直なベースラインは、決定規則を学習する際の繊細な変数を無視し、重大な不確実性と偏見をもたらすことである。 本稿では、オフライントレーニング中に機密変数を組み込む決定学習フレームワークを提案するが、モデル展開中に学習された決定ルールの入力には含まない。
  論文  参考訳（メタデータ） (2022-11-12T04:31:38Z)
• Modularity in Reinforcement Learning via Algorithmic Independence in Credit Assignment [79.5678820246642]
  提案手法は, 事前決定の順序に対して, スパース変化のみを必要とする伝達問題に対して, 政策段階の手法よりも, より標本効率が高いことを示す。 我々は最近提案された社会的意思決定の枠組みをマルコフ決定プロセスよりもよりきめ細かい形式主義として一般化する。
  論文  参考訳（メタデータ） (2021-06-28T21:29:13Z)
• Efficient PAC Reinforcement Learning in Regular Decision Processes [99.02383154255833]
  定期的な意思決定プロセスで強化学習を研究します。 我々の主な貢献は、最適に近いポリシーをパラメータのセットで時間内にPACを学習できることである。
  論文  参考訳（メタデータ） (2021-05-14T12:08:46Z)
• A Scalable Two Stage Approach to Computing Optimal Decision Sets [29.946141040012545]
  決定木、決定リスト、決定セットといったルールベースのモデルは、伝統的に最も解釈可能なものとみなされる。 最近の研究は、最小サイズの決定セットを生成するために、命題満足度(SAT)の解を用いている。 本稿では,目的とする決定セットの個々のルールを互いに独立して列挙し,ルールのサブセットを選択することで,最小限の決定セットを学習するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-02-03T06:51:49Z)
• Stein Variational Model Predictive Control [130.60527864489168]
  不確実性の下での意思決定は、現実の自律システムにとって極めて重要である。 モデル予測制御 (MPC) 法は, 複雑な分布を扱う場合, 適用範囲が限られている。 この枠組みが、挑戦的で非最適な制御問題における計画の成功に繋がることを示す。
  論文  参考訳（メタデータ） (2020-11-15T22:36:59Z)
• Inverse Active Sensing: Modeling and Understanding Timely Decision-Making [111.07204912245841]
  我々は,内因性,文脈依存型時間圧下でのエビデンスに基づく意思決定の一般的な設定のための枠組みを開発する。 意思決定戦略において、サプライズ、サスペンス、最適性の直感的な概念をモデル化する方法を実証する。
  論文  参考訳（メタデータ） (2020-06-25T02:30:45Z)
• Continual Learning using a Bayesian Nonparametric Dictionary of Weight Factors [75.58555462743585]
  訓練されたニューラルネットワークは、シーケンシャルなタスク設定で破滅的な忘れを経験する傾向がある。 Indian Buffet Process (IBP) に基づく原則的非パラメトリック手法を提案する。 連続学習ベンチマークにおける本手法の有効性を実証し、トレーニングを通して重み要因の配分と再利用方法を分析する。
  論文  参考訳（メタデータ） (2020-04-21T15:20:19Z)

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。