論文の概要: MISO hierarchical inference engine with fuzzy implication satisfying I(A(x, y), z) = I(x, I(y, z))

• arxiv url: http://arxiv.org/abs/2112.12808v1
• Date: Sun, 19 Dec 2021 09:41:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-02 10:14:31.760613
• Title: MISO hierarchical inference engine with fuzzy implication satisfying I(A(x, y), z) = I(x, I(y, z))
• Title（参考訳）: I(A(x)を満たすファジィ含意を持つMISO階層推論エンジン y)。 z) = i(x, i(y, y) z)
• Authors: Dechao Li, Qiannan Guo
• Abstract要約: 本稿では,輸入法則を満たすファジィ含意に基づく3つのMISOファジィ階層推論エンジンについて検討する。 MISOファジィシステムにおける3つのファジィ階層型推論エンジンを構築し、上記の理論展開を適用した。
• 参考スコア（独自算出の注目度）: 0.5330240017302619
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Fuzzy inference engine, as one of the most important components of fuzzy systems, can obtain some meaningful outputs from fuzzy sets on input space and fuzzy rule base using fuzzy logic inference methods. In order to enhance the computational efficiency of fuzzy inference engine in multi-input-single-output (MISO) fuzzy systems, this paper aims mainly to investigate three MISO fuzzy hierarchial inference engines based on fuzzy implications satisfying the law of importation with aggregation functions (LIA). We firstly find some aggregation functions for well-known fuzzy implications such that they satisfy (LIA) with them. For a given aggregation function, the fuzzy implication which satisfies (LIA) with this aggregation function is then characterized. Finally, we construct three fuzzy hierarchical inference engines in MISO fuzzy systems applying aforementioned theoretical developments.
• Abstract（参考訳）: ファジィ推論エンジンはファジィ系の最も重要な構成要素の一つであり、ファジィ論理推論法を用いて入力空間上のファジィ集合とファジィ規則基底から有意義な出力を得ることができる。 本稿では,多入出力ファジィシステムにおけるファジィ推論エンジンの計算効率を向上させるために,集約関数(LIA)による輸入法則を満たすファジィ含意に基づく3つのMISOファジィ階層推論エンジンについて検討することを目的とする。 まず、よく知られたファジィ含意に対して、それらが満足する(LIA)アグリゲーション関数を見出す。 そして、所定の集約関数に対して、この集約関数に満足するファジィ含意(LIA)を特徴付ける。 最後に,上記の理論的展開を応用したmisoファジィシステムにおいて,ファジィ階層推論エンジンを3つ構成する。

関連論文リスト

• Incorporating Arbitrary Matrix Group Equivariance into KANs [69.30866522377694]
  Kolmogorov-Arnold Networks (KAN) は科学分野で大きな成功を収めている。 しかし、スプライン関数は、機械学習において重要な事前知識であるタスクの対称性を尊重しないかもしれない。 本研究では,Equivariant Kolmogorov-Arnold Networks (EKAN)を提案する。
  論文  参考訳（メタデータ） (2024-10-01T06:34:58Z)
• An optimized fuzzy logic model for proactive maintenance [0.0]
  ITTFLMは5msで出力を生成でき、このモデルでは、トラペゾイダルのメンバーシップ関数に基づくモデルが高精度に故障状態を識別することを示した。 ITTFLMは、植物機械からリアルタイムで収集されたファンデータに基づいてテストされた。
  論文  参考訳（メタデータ） (2022-12-24T15:49:46Z)
• EFI: A Toolbox for Feature Importance Fusion and Interpretation in Python [1.593222804814135]
  Ensemble Feature Importance (EFI)は、機械学習(ML)研究者、ドメインエキスパート、意思決定者のためのオープンソースのPythonツールボックスである。 EFIは、頑健で正確な特徴重要性の定量化と、予測問題に対する特徴重要性のより信頼性の高い機械的解釈を提供する。
  論文  参考訳（メタデータ） (2022-08-08T18:02:37Z)
• Some neighborhood-related fuzzy covering-based rough set models and their applications for decision making [8.270779659551431]
  重なり関数とそのインプリケータによるファジィ被覆に基づくファジィ近傍演算子を提案する。 新規なファジィTOPSIS法は、生体合成ナノマテリアルの選択問題を解くために提案されている。
  論文  参考訳（メタデータ） (2022-05-13T05:02:53Z)
• Middle-level Fusion for Lightweight RGB-D Salient Object Detection [81.43951906434175]
  本稿では,新しい軽量RGB-D SODモデルについて述べる。 中層核融合構造に IMFF および L モジュールが組み込まれているため,提案モデルは3.9M のパラメータしか持たず,33 FPS で動作する。 いくつかのベンチマークデータセットによる実験結果から,提案手法の有効性と優位性を検証した。
  論文  参考訳（メタデータ） (2021-04-23T11:37:15Z)
• Feature Weighted Non-negative Matrix Factorization [92.45013716097753]
  本稿では,FNMF(Feature weighted Non- negative Matrix Factorization)を提案する。 FNMFはその重要性に応じて特徴の重みを適応的に学習する。 提案する最適化アルゴリズムを用いて効率的に解くことができる。
  論文  参考訳（メタデータ） (2021-03-24T21:17:17Z)
• Learning Aggregation Functions [78.47770735205134]
  任意の濃度の集合に対する学習可能なアグリゲータであるLAF(Learning Aggregation Function)を紹介する。 半合成および実データを用いて,LAFが最先端の和(max-)分解アーキテクチャより優れていることを示す実験を報告する。
  論文  参考訳（メタデータ） (2020-12-15T18:28:53Z)
• Finite-Function-Encoding Quantum States [52.77024349608834]
  任意の$d$値論理関数を符号化する有限関数符号化(FFE)を導入する。 それらの構造的特性について検討する。
  論文  参考訳（メタデータ） (2020-12-01T13:53:23Z)
• A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
  固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。 我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
  論文  参考訳（メタデータ） (2020-06-22T08:35:58Z)
• A Novel Fuzzy Approximate Reasoning Method Based on Extended Distance Measure in SISO Fuzzy System [0.0]
  本稿ではファジィ近似推論のオリジナル手法を提案する。 人工知能(AI)と計算知能(CI)の不確実性推論の新しい研究方向を開くことができる
  論文  参考訳（メタデータ） (2020-03-27T02:31:53Z)

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。