論文の概要: IT2CFNN: An Interval Type-2 Correlation-Aware Fuzzy Neural Network to
Construct Non-Separable Fuzzy Rules with Uncertain and Adaptive Shapes for
Nonlinear Function Approximation
- arxiv url: http://arxiv.org/abs/2108.08704v1
- Date: Wed, 11 Aug 2021 13:00:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-22 14:43:04.843130
- Title: IT2CFNN: An Interval Type-2 Correlation-Aware Fuzzy Neural Network to
Construct Non-Separable Fuzzy Rules with Uncertain and Adaptive Shapes for
Nonlinear Function Approximation
- Title（参考訳）: it2cfnn : 非線形関数近似のための不確かで適応的な形状を持つ非分離ファジィルールを構成する区間型2相関認識ファジィニューラルネットワーク
- Authors: Armin Salimi-Badr
- Abstract要約: 適応形状を持つ非分離型ファジィ規則を構築できる新しいインターバル型2ファジィニューラルネットワークを提案する。
提案手法は実世界の時系列予測,回帰問題,非線形システム同定に適用可能である。
- 参考スコア（独自算出の注目度）: 1.599072005190786
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this paper, a new interval type-2 fuzzy neural network able to construct
non-separable fuzzy rules with adaptive shapes is introduced. To reflect the
uncertainty, the shape of fuzzy sets considered to be uncertain. Therefore, a
new form of interval type-2 fuzzy sets based on a general Gaussian model able
to construct different shapes (including triangular, bell-shaped, trapezoidal)
is proposed. To consider the interactions among input variables, input vectors
are transformed to new feature spaces with uncorrelated variables proper for
defining each fuzzy rule. Next, the new features are fed to a fuzzification
layer using proposed interval type-2 fuzzy sets with adaptive shape.
Consequently, interval type-2 non-separable fuzzy rules with proper shapes,
considering the local interactions of variables and the uncertainty are formed.
For type reduction the contribution of the upper and lower firing strengths of
each fuzzy rule are adaptively selected separately. To train different
parameters of the network, the Levenberg-Marquadt optimization method is
utilized. The performance of the proposed method is investigated on clean and
noisy datasets to show the ability to consider the uncertainty. Moreover, the
proposed paradigm, is successfully applied to real-world time-series
predictions, regression problems, and nonlinear system identification.
According to the experimental results, the performance of our proposed model
outperforms other methods with a more parsimonious structure.
- Abstract（参考訳）: 本稿では,適応形状を持つ非分離ファジィルールを構築可能な新しい区間型2ファジィニューラルネットワークを提案する。
不確実性を反映して、ファジィ集合の形状は不確かであると考えられる。
そこで, 異なる形状(三角形, ベル形状, 台形を含む)を構築可能な一般ガウスモデルに基づく区間型2ファジィ集合の新たな形式を提案する。
入力変数間の相互作用を考慮するため、入力ベクトルはファジィ規則の定義に適さない非相関変数を持つ新しい特徴空間に変換される。
次に, 適応形状の間隔型2ファジィ集合を用いて, ファジィ層に新たな特徴を供給した。
その結果,変数の局所的相互作用と不確実性を考慮した区間型2非分離ファジィ規則が形成される。
タイプ低減のために、各ファジィルールの上下の発射強度の寄与を別々に選択する。
ネットワークの異なるパラメータを学習するために、Levanz-Marquadt最適化法を用いる。
提案手法の性能をクリーンでノイズの多いデータセットを用いて検討し,不確実性を考慮する能力を示す。
さらに,提案手法は実世界の時系列予測,回帰問題,非線形システム同定に適用可能である。
実験結果によると,提案モデルの性能は,より類似的な構造を持つ他の手法よりも優れていた。
関連論文リスト
- A New Self-organizing Interval Type-2 Fuzzy Neural Network for Multi-Step Time Series Prediction [9.546043411729206]
本稿では,マルチステップ時系列予測のための複数出力(SOIT2FNN-MO)を備えた新しい自己組織化間隔型2ファジィニューラルネットワークを提案する。
予測精度,不確実性処理,モデル解釈可能性を改善するため,9層ネットワークを開発した。
論文 参考訳（メタデータ） (2024-07-10T19:35:44Z) - Efficient Interpretable Nonlinear Modeling for Multiple Time Series [5.448070998907116]
本稿では,複数時系列に対する効率的な非線形モデリング手法を提案する。
異なる時系列変数間の非線形相互作用を含む。
実験結果から,提案アルゴリズムは相似的にVAR係数の支持値の同定を改善することが示された。
論文 参考訳（メタデータ） (2023-09-29T11:42:59Z) - Interval Type-2 Fuzzy Neural Networks for Multi-Label Classification [14.20513951604573]
間隔型2ファジィ論理に基づくマルチラベル分類モデルを提案する。
提案モデルでは、ディープニューラルネットワークを用いて、インスタンスのタイプ1ファジィメンバシップを予測する。
また,データセット内のバイナリラベルと,モデルが生成する間隔2型ファジィメンバシップの類似度を測定するための損失関数を提案する。
論文 参考訳（メタデータ） (2023-02-21T04:00:44Z) - UNFIS: A Novel Neuro-Fuzzy Inference System with Unstructured Fuzzy
Rules for Classification [1.0660480034605238]
本稿では,分類応用のための神経ファジィ推論システムを提案する。
各ファジィルールを構成するために、異なる入力変数のセットを選択することができる。
構造のないファジィからなる同義的な構造で、より良く、または非常に近い性能を持つ。
論文 参考訳（メタデータ） (2022-10-28T17:51:50Z) - Training Recurrent Neural Networks by Sequential Least Squares and the
Alternating Direction Method of Multipliers [0.20305676256390928]
本稿では、最適隠れネットワークパラメータを決定するために凸と2倍の差分損失と正規化項を用いることを提案する。
逐次最小二乗と交互方向乗算器を組み合わせる。
このアルゴリズムの性能は非線形システム同定ベンチマークで検証される。
論文 参考訳（メタデータ） (2021-12-31T08:43:04Z) - Training on Test Data with Bayesian Adaptation for Covariate Shift [96.3250517412545]
ディープニューラルネットワークは、信頼できない不確実性推定で不正確な予測を行うことが多い。
分布シフトの下でのラベルなし入力とモデルパラメータとの明確に定義された関係を提供するベイズモデルを導出する。
本手法は精度と不確実性の両方を向上することを示す。
論文 参考訳（メタデータ） (2021-09-27T01:09:08Z) - Convolutional Filtering and Neural Networks with Non Commutative
Algebras [153.20329791008095]
本研究では,非可換畳み込みニューラルネットワークの一般化について検討する。
非可換畳み込み構造は作用素空間上の変形に対して安定であることを示す。
論文 参考訳（メタデータ） (2021-08-23T04:22:58Z) - NeuroMorph: Unsupervised Shape Interpolation and Correspondence in One
Go [109.88509362837475]
入力2つの3次元形状を考慮したニューラルネットワークアーキテクチャであるNeuroMorphを提案する。
NeuroMorphはそれらの間のスムーズかつポイントツーポイント対応を生成する。
異なる対象カテゴリの非等尺性ペアを含む、さまざまな入力形状に対してうまく機能する。
論文 参考訳（メタデータ） (2021-06-17T12:25:44Z) - Exponentially Weighted l_2 Regularization Strategy in Constructing
Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。
調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
論文 参考訳（メタデータ） (2020-07-02T15:42:15Z) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳（メタデータ） (2020-01-30T01:52:07Z) - Adaptive Correlated Monte Carlo for Contextual Categorical Sequence
Generation [77.7420231319632]
我々は,モンテカルロ (MC) ロールアウトの集合を分散制御のために評価する政策勾配推定器に,カテゴリー列の文脈的生成を適用する。
また,二分木ソフトマックスモデルに相関したMCロールアウトを用いることで,大語彙シナリオにおける高生成コストを低減できることを示す。
論文 参考訳（メタデータ） (2019-12-31T03:01:55Z)
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。