論文の概要: The Sigma-max System Induced from Randomness & Fuzziness and its Application in Time Series Prediction

• arxiv url: http://arxiv.org/abs/2110.07722v2
• Date: Thu, 02 Jan 2025 02:24:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-03 14:33:24.296820
• Title: The Sigma-max System Induced from Randomness & Fuzziness and its Application in Time Series Prediction
• Title（参考訳）: ランダム性・ファジィ性に起因するシグママックスシステムとその時系列予測への応用
• Authors: Wei Mei, Ming Li, Yuanzeng Cheng, Limin Liu,
• Abstract要約: 可能性尺度に「最大性」のキー公理が採用された理由に焦点をあてる。 我々の研究はファジネスの測定可能性の公理的定義のための物理的基盤を提供する。
• 参考スコア（独自算出の注目度）: 5.648717826360932
• License:
• Abstract: This paper managed to induce probability theory (sigma system) and possibility theory (max system) respectively from the clearly-defined randomness and fuzziness, while focusing the question why the key axiom of "maxitivity" is adopted for possibility measure. Such an objective is achieved by following three steps: a) the establishment of mathematical definitions of randomness and fuzziness; b) the development of intuitive definition of possibility as measure of fuzziness based on compatibility interpretation; c) the abstraction of the axiomatic definitions of probability/ possibility from their intuitive definitions, by taking advantage of properties of the well-defined randomness and fuzziness. We derived the conclusion that "max" is the only but un-strict disjunctive operator that is applicable across the fuzzy event space, and is an exact operator for extracting the value from the fuzzy sample space that leads to the largest possibility of one. Then a demonstration example of stock price prediction is presented, which confirms that max inference indeed exhibits distinctive performance, with an improvement up to 18.99%, over sigma inference for the investigated application. Our work provides a physical foundation for the axiomatic definition of possibility for the measure of fuzziness, which hopefully would facilitate wider adoption of possibility theory in practice.
• Abstract（参考訳）: 本稿では,確率論 (シグマ系) と可能性理論 (最大系) を, それぞれ明確に定義されたランダム性とファジィネスから導出するとともに, 「最大性」 の鍵公理が, 可能性測度になぜ採用されたのかという疑問に焦点をあてる。 このような目的は以下の3つのステップによって達成される。 a) ランダム性及びファジィ性の数学的定義の確立 b) 互換性の解釈に基づくファジィの尺度としての可能性の直観的定義の展開 c) 確率・可能性の公理的定義を直観的定義から抽象化すること。 我々は、"max" がファジィ事象空間全体に適用可能な唯一の非制限共役作用素であり、ファジィ標本空間から値を取り出すための正確な演算子である、という結論を導いた。 その後、株価予測の実証例が提示され、マックス推論は、調査対象のシグマ推論よりも18.99%まで改善され、実際に顕著な性能を示すことを確認した。 我々の研究は、ファジネスの測定のための可能性の公理的定義のための物理的基盤を提供する。

関連論文リスト

• Barycentric bounds on the error exponents of quantum hypothesis exclusion [7.812210699650153]
  量子状態排除の最適誤差確率を情報理論の観点から検討する。 我々は分析を、量子チャネル排除のより複雑なタスクにまで拡張する。
  論文  参考訳（メタデータ） (2024-07-18T17:27:36Z)
• A Semantic Approach to Decidability in Epistemic Planning (Extended Version) [72.77805489645604]
  我々は決定可能性を達成するために新しい意味論的アプローチを用いる。 具体的には、知識の論理S5$_n$と(知識)可換性と呼ばれる相互作用公理を拡大する。 我々は,本フレームワークが,独立した知識である共通知識の有限的非固定点的特徴を認めていることを証明した。
  論文  参考訳（メタデータ） (2023-07-28T11:26:26Z)
• What is \textit{Quantum} in Probabilistic Explanations of the Sure Thing Principle Violation? [0.0]
  囚人のジレンマゲーム(PDG)は、人間の意思決定過程の確率論的性質の単純なテストベッドの1つである。 量子確率モデルは、この違反を二階干渉効果として説明できる。 意思決定プロセスにおける他の量子情報理論量(量子絡み合いなど)の役割について論じる。
  論文  参考訳（メタデータ） (2023-06-21T00:01:01Z)
• A Measure-Theoretic Axiomatisation of Causality [55.6970314129444]
  我々は、コルモゴロフの確率の測度理論的公理化を因果関係の公理化への出発点とすることを好んで論じる。 提案するフレームワークは測度理論に厳格に根ざしているが,既存のフレームワークの長期的制限にも光を当てている。
  論文  参考訳（メタデータ） (2023-05-19T13:15:48Z)
• Relative Probability on Finite Outcome Spaces: A Systematic Examination of its Axiomatization, Properties, and Applications [0.0]
  この研究は、絶対測度ではなく相対測度としての確率の見方を提案する。 有限結果空間に焦点をあて、相対確率関数の要件を確立する3つの基本公理を開発する。
  論文  参考訳（メタデータ） (2022-12-30T05:16:57Z)
• Bounding Counterfactuals under Selection Bias [60.55840896782637]
  本稿では,識別不能なクエリと識別不能なクエリの両方に対処するアルゴリズムを提案する。 選択バイアスによって引き起こされる欠如にもかかわらず、利用可能なデータの可能性は無限であることを示す。
  論文  参考訳（メタデータ） (2022-07-26T10:33:10Z)
• 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)
• Robustness Guarantees for Credal Bayesian Networks via Constraint Relaxation over Probabilistic Circuits [16.997060715857987]
  本研究では,決定関数のロバスト性を,断続ベイズ的ネットワークに対して定量化する手法を開発した。 回路サイズにおいて線形時間で MARmax 上の保証上限を得る方法を示す。
  論文  参考訳（メタデータ） (2022-05-11T22:37:07Z)
• A Logic-based Tractable Approximation of Probability [0.0]
  我々は、命題確率関数が深さ有界なリーフ関数の階層によって近似できる条件を特定する。 確率の近似が不確実な推論につながることを示す。
  論文  参考訳（メタデータ） (2022-05-06T13:25:12Z)
• Logical Credal Networks [87.25387518070411]
  本稿では,論理と確率を組み合わせた先行モデルの多くを一般化した表現的確率論的論理である論理的クレダルネットワークを紹介する。 本稿では,不確実性のあるマスターミンドゲームを解くこと,クレジットカード詐欺を検出することを含む,最大後部推論タスクの性能について検討する。
  論文  参考訳（メタデータ） (2021-09-25T00:00:47Z)
• A Weaker Faithfulness Assumption based on Triple Interactions [89.59955143854556]
  より弱い仮定として, 2$-adjacency faithfulness を提案します。 より弱い仮定の下で適用可能な因果発見のための音方向規則を提案する。
  論文  参考訳（メタデータ） (2020-10-27T13:04:08Z)

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。