論文の概要: Accurate Prediction Using Triangular Type-2 Fuzzy Linear Regression

• arxiv url: http://arxiv.org/abs/2109.05461v1
• Date: Sun, 12 Sep 2021 08:34:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-14 15:30:25.999496
• Title: Accurate Prediction Using Triangular Type-2 Fuzzy Linear Regression
• Title（参考訳）: 三角型2ファジィ線形回帰を用いた高精度予測
• Authors: Assef Zare, Afshin Shoeibi, Narges Shafaei, Parisa Moridian, Roohallah Alizadehsani, Majid Halaji, Abbas Khosravi
• Abstract要約: 三次元型2ファジィ集合(DT2FS)を2次元間隔型2ファジィモデル(2DIT2F)に還元することにより、T2Fモデルの複素計算を単純化する。 開発したモデルは,他の最先端技術と比較して高い性能を示した。
• 参考スコア（独自算出の注目度）: 5.996411241086518
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many works have been done to handle the uncertainties in the data using type 1 fuzzy regression. Few type 2 fuzzy regression works used interval type 2 for indeterminate modeling using type 1 fuzzy membership. The current survey proposes a triangular type-2 fuzzy regression (TT2FR) model to ameliorate the efficiency of the model by handling the uncertainty in the data. The triangular secondary membership function is used instead of widely used interval type models. In the proposed model, vagueness in primary and secondary fuzzy sets is minimized and also, a specified x-plane of observed value is included in the same {\alpha}- plane of the predicted value. Complex calculations of the type-2 fuzzy (T2F) model are simplified by reducing three dimensional type-2 fuzzy set (3DT2FS) into two dimensional interval type-2 fuzzy (2DIT2F) models. The current survey presents a new regression model of T2F by considering the more general form of T2F membership functions and thus avoids high complexity. The performance of the developed model is evaluated using the TAIEX and COVID-19 forecasting datasets. Our developed model reached the highest performance as compared to the other state-of-art techniques. Our developed method is ready to be tested with more uncertain data and has the potential to use to predict the weather and stock prediction.
• Abstract（参考訳）: 1型ファジィ回帰を用いてデータの不確実性を扱うために多くの研究がなされている。 2型ファジィ回帰作業は1型ファジィメンバシップを用いた不確定モデルのためのインターバルタイプ2を用いた。 本研究では,データの不確実性を扱うことでモデルの効率を改善するための三角型2次元ファジィ回帰(tt2fr)モデルを提案する。 三角二次会員関数は広く使われているインターバル型モデルの代わりに用いられる。 提案モデルでは, 一次ファジィ集合と二次ファジィ集合の曖昧さを最小化するとともに, 予測値の同一面に観測値の指定されたx面を含む。 三次元型2ファジィ集合(DT2FS)を2次元間隔型2ファジィモデル(2DIT2F)に還元することにより、T2Fモデルの複素計算を単純化する。 現在の調査では、より一般的なT2Fメンバシップ関数の形式を考慮し、T2Fの回帰モデルを提案する。 TAIEXとCOVID-19予測データセットを用いて,開発したモデルの性能を評価する。 開発したモデルは,他の最先端技術と比較して高い性能を示した。 開発した手法はより不確定なデータでテスト可能で,天気予報や株価予報の予測に利用できる可能性がある。

関連論文リスト

• F3-Pruning: A Training-Free and Generalized Pruning Strategy towards Faster and Finer Text-to-Video Synthesis [94.10861578387443]
  変圧器と拡散モデルを用いた2つの主流T2Vモデルの推論過程について検討する。 本稿では、時間的余分な注意重みを突破するF3プルーニングと呼ばれるトレーニングフリーで一般化されたプルーニング戦略を提案する。 古典的なトランスフォーマーベースモデルCogVideoと典型的な拡散ベースモデルTune-A-Videoを用いた3つのデータセットの大規模な実験により、F3-Pruningの有効性が検証された。
  論文  参考訳（メタデータ） (2023-12-06T12:34:47Z)
• LARA: A Light and Anti-overfitting Retraining Approach for Unsupervised Time Series Anomaly Detection [49.52429991848581]
  深部変分自動エンコーダに基づく時系列異常検出手法(VAE)のための光・反オーバーフィット学習手法(LARA)を提案する。 本研究の目的は,1) 再学習過程を凸問題として定式化し, 過度に収束できること,2) 履歴データを保存せずに活用するルミネートブロックを設計すること,3) 潜在ベクトルと再構成データの微調整を行うと, 線形形成が基底真実と微調整されたブロックとの誤りを最小に調整できることを数学的に証明することである。
  論文  参考訳（メタデータ） (2023-10-09T12:36:16Z)
• DF2: Distribution-Free Decision-Focused Learning [53.2476224456902]
  決定中心学習(DFL)は近年,予測最適化問題に対する強力なアプローチとして出現している。 既存のエンドツーエンドDFL法は、モデル誤差、サンプル平均近似誤差、予測対象の分布に基づくパラメータ化の3つの重大なボトルネックによって妨げられている。 DF2は,これら3つのボトルネックに明示的に対処するために設計された,初となるテキストフリーな意思決定型学習手法である。
  論文  参考訳（メタデータ） (2023-08-11T00:44:46Z)
• Analysis of Interpolating Regression Models and the Double Descent Phenomenon [3.883460584034765]
  ノイズの多いトレーニングデータを補間するモデルは、一般化に乏しいと一般的に推測されている。 得られた最良のモデルは過度にパラメータ化され、テストエラーはモデル順序が増加するにつれて二重降下挙動を示す。 回帰行列の最小特異値の振舞いに基づいて、テスト誤差のピーク位置と二重降下形状をモデル順序の関数として説明する。
  論文  参考訳（メタデータ） (2023-04-17T09:44:33Z)
• Deep Neural Network Based Accelerated Failure Time Models using Rank Loss [0.0]
  加速故障時間(AFT)モデルは、障害時間と一連の共変量の間の対数線関係を仮定する。 ディープニューラルネットワーク(DNN)は過去数十年にわたって注目され、様々な分野で大きな成功を収めてきた。 本稿では,Gehan型損失モデルとサブサンプリング手法を組み合わせることで,AFTモデルにDNNを適用することを提案する。
  論文  参考訳（メタデータ） (2022-06-13T08:38:18Z)
• Probabilistic Registration for Gaussian Process 3D shape modelling in the presence of extensive missing data [63.8376359764052]
  本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。 様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
  論文  参考訳（メタデータ） (2022-03-26T16:48:27Z)
• X-model: Improving Data Efficiency in Deep Learning with A Minimax Model [78.55482897452417]
  ディープラーニングにおける分類と回帰設定の両面でのデータ効率の向上を目標とする。 両世界の力を生かすために,我々は新しいX-モデルを提案する。 X-モデルは、特徴抽出器とタスク固有のヘッドの間でミニマックスゲームを行う。
  論文  参考訳（メタデータ） (2021-10-09T13:56:48Z)
• 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 [1.599072005190786]
  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。
  論文  参考訳（メタデータ） (2021-08-11T13:00:13Z)
• A Bayesian Approach with Type-2 Student-tMembership Function for T-S Model Identification [47.25472624305589]
  2型ファジィセットに基づくファジィック回帰クラスタリングは,非スパースデータに対して顕著な結果を示した。 ファジック回帰モデルのための革新的アーキテクチャを示し、スパースデータモデリングのために設計された新しい学生分布に基づく会員関数を提案する。
  論文  参考訳（メタデータ） (2020-09-02T05:10:13Z)

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。