論文の概要: Time Series Forecasting Using Fuzzy Cognitive Maps: A Survey
- arxiv url: http://arxiv.org/abs/2201.02297v1
- Date: Fri, 7 Jan 2022 02:11:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-10 14:52:10.783979
- Title: Time Series Forecasting Using Fuzzy Cognitive Maps: A Survey
- Title(参考訳): ファジィ認知地図を用いた時系列予測:調査
- Authors: Omid Orang, Petr\^onio C\^andido de Lima e Silva, and Frederico
Guimar\~aes Gadelha
- Abstract要約: ファジィ認知マップ(FCM)は、複雑なシステムの力学をモデル化し解析するためのツールとして、顕著な結果を示している。
FCMはファジィ論理、ニューラルネットワーク、エキスパートシステムの各側面の混合であり、複雑なシステムの動的挙動をシミュレーションし研究するための強力なツールとして機能する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Among various soft computing approaches for time series forecasting, Fuzzy
Cognitive Maps (FCM) have shown remarkable results as a tool to model and
analyze the dynamics of complex systems. FCM have similarities to recurrent
neural networks and can be classified as a neuro-fuzzy method. In other words,
FCMs are a mixture of fuzzy logic, neural network, and expert system aspects,
which act as a powerful tool for simulating and studying the dynamic behavior
of complex systems. The most interesting features are knowledge
interpretability, dynamic characteristics and learning capability. The goal of
this survey paper is mainly to present an overview on the most relevant and
recent FCM-based time series forecasting models proposed in the literature. In
addition, this article considers an introduction on the fundamentals of FCM
model and learning methodologies. Also, this survey provides some ideas for
future research to enhance the capabilities of FCM in order to cover some
challenges in the real-world experiments such as handling non-stationary data
and scalability issues. Moreover, equipping FCMs with fast learning algorithms
is one of the major concerns in this area.
- Abstract(参考訳): 時系列予測のための様々なソフトコンピューティング手法の中で、ファジィ認知マップ(FCM)は複雑なシステムの力学をモデル化し解析するためのツールとして顕著な結果を示している。
FCMはリカレントニューラルネットワークと類似しており、神経ファジィ法に分類される。
言い換えれば、FCMはファジィ論理、ニューラルネットワーク、エキスパートシステムの側面の混合であり、複雑なシステムの動的挙動をシミュレーションし研究するための強力なツールとして機能する。
最も興味深い特徴は、知識の解釈性、動的特性、学習能力である。
本研究の目的は,本論文で提案されている最も関連性が高く,近年のFCMに基づく時系列予測モデルの概要を概説することである。
さらに,本論文では,FCMモデルの基礎と学習方法論について考察する。
また、本調査は、非定常データ処理やスケーラビリティ問題といった実世界の実験における課題をカバーするために、FCMの能力を高めるための将来の研究のアイデアを提供する。
さらに,FCMに高速学習アルゴリズムを組み込むことが,この分野の主要な関心事の一つである。
関連論文リスト
- MTSA-SNN: A Multi-modal Time Series Analysis Model Based on Spiking
Neural Network [23.303230721723278]
スパイキングニューラルネットワーク(MTSA-SNN)に基づくマルチモーダル時系列解析モデルを提案する。
パルスは、時間画像とシーケンシャル情報の符号化を共通のパルスベース表現で統一する。
本研究では、ウェーブレット変換操作を導入し、時間的情報を分析し評価するモデルの能力を高める。
論文 参考訳(メタデータ) (2024-02-08T05:39:11Z) - A Generative Self-Supervised Framework using Functional Connectivity in
fMRI Data [15.211387244155725]
機能的磁気共鳴イメージング(fMRI)データから抽出した機能的接続性(FC)ネットワークを訓練したディープニューラルネットワークが人気を博している。
グラフニューラルネットワーク(GNN)のFCへの適用に関する最近の研究は、FCの時間変化特性を活用することにより、モデル予測の精度と解釈可能性を大幅に向上させることができることを示唆している。
高品質なfMRIデータとそれに対応するラベルを取得するための高コストは、実環境において彼らのアプリケーションにハードルをもたらす。
本研究では,動的FC内の時間情報を効果的に活用するためのSSL生成手法を提案する。
論文 参考訳(メタデータ) (2023-12-04T16:14:43Z) - Flow Map Learning for Unknown Dynamical Systems: Overview,
Implementation, and Benchmarks [0.0]
フローマップ学習(FML)は、部分的に観測されたシステムの正確な予測モデルを生成することができる。
本稿では,未知の力学系を学習する上で,よく定義されたベンチマーク問題を提案する。
論文 参考訳(メタデータ) (2023-07-20T16:38:18Z) - How neural networks learn to classify chaotic time series [77.34726150561087]
本研究では,通常の逆カオス時系列を分類するために訓練されたニューラルネットワークの内部動作について検討する。
入力周期性とアクティベーション周期の関係は,LKCNNモデルの性能向上の鍵となる。
論文 参考訳(メタデータ) (2023-06-04T08:53:27Z) - Accounting for Temporal Variability in Functional Magnetic Resonance
Imaging Improves Prediction of Intelligence [6.021758830602659]
特徴選択に$L_0$正規化を組み込んだバイLSTM手法を提案する。
我々は,fMRI特徴量に基づく様々なインテリジェンス尺度に対する予測性能の詳細な比較を行った。
以上の結果から,fMRIデータの時間変動を考慮することで,優れた知能予測が達成できるという結論が得られた。
論文 参考訳(メタデータ) (2022-11-11T18:48:59Z) - Leveraging the structure of dynamical systems for data-driven modeling [111.45324708884813]
トレーニングセットとその構造が長期予測の品質に与える影響を考察する。
トレーニングセットのインフォームドデザインは,システムの不変性と基盤となるアトラクションの構造に基づいて,結果のモデルを大幅に改善することを示す。
論文 参考訳(メタデータ) (2021-12-15T20:09:20Z) - Supervised DKRC with Images for Offline System Identification [77.34726150561087]
現代の力学系はますます非線形で複雑なものになりつつある。
予測と制御のためのコンパクトで包括的な表現でこれらのシステムをモデル化するフレームワークが必要である。
本手法は,教師付き学習手法を用いてこれらの基礎関数を学習する。
論文 参考訳(メタデータ) (2021-09-06T04:39:06Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳(メタデータ) (2021-07-08T18:01:02Z) - Gone Fishing: Neural Active Learning with Fisher Embeddings [55.08537975896764]
ディープニューラルネットワークと互換性のあるアクティブな学習アルゴリズムの必要性が高まっている。
本稿では,ニューラルネットワークのための抽出可能かつ高性能な能動学習アルゴリズムBAITを紹介する。
論文 参考訳(メタデータ) (2021-06-17T17:26:31Z) - Evolutionary Algorithms for Fuzzy Cognitive Maps [0.0]
ファジィ認知マップ(FCMs)は、近年人気が高まっている複雑なシステムモデリング手法である。
本研究では、FCMの訓練に用いられる遺伝的アルゴリズムをレビューするとともに、FCM学習アルゴリズムの概要を概観する。
論文 参考訳(メタデータ) (2020-12-19T15:17:01Z) - Model-Based Deep Learning [155.063817656602]
信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。
ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。
私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
論文 参考訳(メタデータ) (2020-12-15T16:29:49Z)
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。