論文の概要: Multi-class granular approximation by means of disjoint and adjacent fuzzy granules

• arxiv url: http://arxiv.org/abs/2202.07584v1
• Date: Tue, 15 Feb 2022 17:15:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-16 13:54:44.928752
• Title: Multi-class granular approximation by means of disjoint and adjacent fuzzy granules
• Title（参考訳）: 不連続および隣接したファジィ顆粒による多種粒度近似
• Authors: Marko Palangeti\'c, Chris Cornelis, Salvatore Greco, Roman S{\l}owi\'nski
• Abstract要約: 本稿では,解離および隣接した顆粒の概念を導入し,新しい定義が粒度近似にどのように影響するかを検討する。 新しい概念は、決定領域を分離し続けるのに役立つため、二項分類問題にとって重要であることを示す。 多クラス分類問題に対する粒度近似を考慮し、多クラス粒度近似を定義する。
• 参考スコア（独自算出の注目度）: 2.7222301668137483
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In granular computing, fuzzy sets can be approximated by granularly representable sets that are as close as possible to the original fuzzy set w.r.t. a given closeness measure. Such sets are called granular approximations. In this article, we introduce the concepts of disjoint and adjacent granules and we examine how the new definitions affect the granular approximations. First, we show that the new concepts are important for binary classification problems since they help to keep decision regions separated (disjoint granules) and at the same time to cover as much as possible of the attribute space (adjacent granules). Later, we consider granular approximations for multi-class classification problems leading to the definition of a multi-class granular approximation. Finally, we show how to efficiently calculate multi-class granular approximations for {\L}ukasiewicz fuzzy connectives. We also provide graphical illustrations for a better understanding of the introduced concepts.
• Abstract（参考訳）: 粒度の計算では、ファジィ集合は元のファジィ集合 w.r.t. にできるだけ近い粒度の表現可能な集合によって近似することができる。 そのような集合は粒度近似と呼ばれる。 本稿では,解離および隣接した顆粒の概念を紹介し,新しい定義が粒度近似にどのように影響するかを検討する。 まず,新たな概念は,属性空間(隣接顆粒)を可能な限りカバーするために,決定領域を分離しておくのに役立つため,二分分類問題において重要であることを示す。 後に、多クラス分類問題に対する粒度近似を考えると、多クラス粒度近似の定義に繋がる。 最後に, ファジィファジィ連結体の多クラス粒度近似を効率的に計算する方法を示す。 導入された概念をより深く理解するための図面も提供します。

関連論文リスト

• Granular-ball computing: an efficient, robust, and interpretable adaptive multi-granularity representation and computation method [54.2899493638937]
  人間の認知は「グローバルファースト」認知メカニズムで動作し、粗い詳細に基づいて情報処理を優先順位付けする。 解析パターンは、最も微細な粒度と単一粒度に依存するため、既存の計算手法のほとんどは効率が悪く、堅牢で、解釈可能である。 多粒度グラニュラーボールコンピューティングは、サンプル空間を適度に表現し包み込むために、様々な大きさのグラニュラーボールを使用する。 グラニュラーボールコンピューティングは、AIにおいてまれで革新的な理論的アプローチであり、効率性、堅牢性、解釈可能性を適応的かつ同時に向上させることができる。
  論文  参考訳（メタデータ） (2023-04-21T03:26:29Z)
• Research on Efficient Fuzzy Clustering Method Based on Local Fuzzy Granular balls [67.33923111887933]
  本稿では,データをグラニュラーボールを用いてファジィにイテレーションし,その位置にある2つのグラニュラーボールのみをデータのメンバーシップ度として検討する。 ファジィグラニュラーボールセットは、異なるデータシナリオに直面して、より多くの処理方法を使用することができる。
  論文  参考訳（メタデータ） (2023-03-07T01:52:55Z)
• GBMST: An Efficient Minimum Spanning Tree Clustering Based on Granular-Ball Computing [78.92205914422925]
  多粒度グラニュラバルと最小スパンニングツリー(MST)を組み合わせたクラスタリングアルゴリズムを提案する。 粒度が粗い粒状ボールを構築し,さらに粒状ボールとMSTを用いて「大規模優先度」に基づくクラスタリング手法を実装した。 いくつかのデータセットの実験結果は、アルゴリズムの威力を示している。
  論文  参考訳（メタデータ） (2023-03-02T09:04:35Z)
• Pareto-optimal clustering with the primal deterministic information bottleneck [2.6411634335546887]
  本稿では,損失圧縮の定式化に焦点をあてる。 我々は、以前研究された双対対対よりもはるかにリッチなフロンティアで結果を示す。 アルゴリズムを用いて、3つの異なるタスクのDIBフロンティアをマッピングする。
  論文  参考訳（メタデータ） (2022-04-05T21:08:45Z)
• Semi-Discrete Normalizing Flows through Differentiable Tessellation [31.474420819149724]
  本稿では,連続空間上の量子化境界を正確に評価し,テッセルレーションに基づく手法を提案する。 これは、微分可能なボロノイ・テッセルレーションによってパラメータ化された凸多面体上の正規化フローを構築することによって行われる。 我々は,データモダリティの多様さにまたがる既存手法の改善を示すとともに,Voronoi混合をベースラインモデルに組み込むことで,大きな利益を得ることができることを見出した。
  論文  参考訳（メタデータ） (2022-03-14T03:06:31Z)
• A PAC-Bayesian Analysis of Distance-Based Classifiers: Why Nearest-Neighbour works! [12.317405551932195]
  K-nearest-neighbour分類器(K-NN)の一般化誤差に対するPAC-Bayesian境界 我々は、カーネル展開における係数に関する事前測度と、カーネル空間における重みベクトルに関する誘導測度との関係を確立する。
  論文  参考訳（メタデータ） (2021-09-28T17:35:57Z)
• Structured Sparsity Inducing Adaptive Optimizers for Deep Learning [94.23102887731417]
  本稿では、近位勾配法に必要な成分である重み付き近位作用素を導出する。 この適応法は, 重み付き近位演算子とともに, 空間パターンに構造をもつ解を求めることができることを示す。
  論文  参考訳（メタデータ） (2021-02-07T18:06:23Z)
• Adversarial Examples for $k$-Nearest Neighbor Classifiers Based on Higher-Order Voronoi Diagrams [69.4411417775822]
  逆例は機械学習モデルにおいて広く研究されている現象である。 そこで本研究では,$k$-nearest 近傍分類の逆ロバスト性を評価するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-11-19T08:49:10Z)
• Neural network approximation and estimation of classifiers with classification boundary in a Barron class [0.0]
  本稿では、ReLUニューラルネットワークを用いて、ある二項分類関数の近似と推定のバウンダリを証明した。 我々の推定バウンダリは、適切な大きさのネットワークを用いて経験的リスクを優先的に保証する。
  論文  参考訳（メタデータ） (2020-11-18T16:00:31Z)
• MAIRE -- A Model-Agnostic Interpretable Rule Extraction Procedure for Explaining Classifiers [5.02231401459109]
  本稿では,モデルに依存しない人間の解釈可能なルールを抽出し,分類器の出力を説明する新しい枠組みを提案する。 フレームワークはモデル非依存であり、任意の分類器に適用でき、すべての属性(連続、順序、順序なしの離散を含む)を適用できる。
  論文  参考訳（メタデータ） (2020-11-03T06:53:06Z)
• Closed-Form Factorization of Latent Semantics in GANs [65.42778970898534]
  画像合成のために訓練されたGAN(Generative Adversarial Networks)の潜在空間に、解釈可能な次元の豊富なセットが出現することが示されている。 本研究では,GANが学習した内部表現について検討し,その基礎となる変動要因を教師なしで明らかにする。 本稿では,事前学習した重みを直接分解することで,潜在意味発見のためのクローズドフォーム因数分解アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-07-13T18:05:36Z)

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。