論文の概要: Literature Review of various Fuzzy Rule based Systems

• arxiv url: http://arxiv.org/abs/2209.07175v1
• Date: Thu, 15 Sep 2022 09:49:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-16 12:46:33.086857
• Title: Literature Review of various Fuzzy Rule based Systems
• Title（参考訳）: ファジィルールに基づく各種システムに関する文献レビュー
• Authors: Ayush K. Varshney and Vicen\c{c} Torra
• Abstract要約: ファジィ規則に基づくシステム (FRBS) は、言語ファジィ変数を前駆体として使用する規則に基づくシステムである。 FRBSは不確実性表現、多数の規則、解釈可能性損失、学習の計算時間などの多くの欠点に悩まされている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Fuzzy rule based systems (FRBSs) is a rule-based system which uses linguistic fuzzy variables as antecedents and consequent to represent the human understandable knowledge. They have been applied to various applications and areas throughout the literature. However, FRBSs suffers from many drawbacks such as uncertainty representation, high number of rules, interpretability loss, high computational time for learning etc. To overcome these issues with FRBSs, there exists many extentions of FRBSs. In this paper, we present an overview and literature review for various types and prominent areas of fuzzy systems (FRBSs) namely genetic fuzzy system (GFS), Hierarchical fuzzy system (HFS), neuro fuzzy system (NFS), evolving fuzzy system (eFS), FRBSs for big data, FRBSs for imbalanced data, interpretability in FRBSs and FRBSs which uses cluster centroids as fuzzy rule, during the years 2010-2021. GFS uses genetic/evolutionary approaches to improve the learning ability of FRBSs, HFS solve the curse of dimensionality for FRBSs, NFS improves approximation ability of FRBSs using neural networks and dynamic systems for streaming data is considered in eFS. FRBSs are seen as good solutions for big data and imbalanced data, in the recent years the interpretability in FRBSs has gained popularity due to high dimensional and big data and rules are initialized with cluster centroids to limit the number of rules in FRBSs. This paper also highlights important contributions, publication statistics and current trends in the field. The paper also addresses several open research areas which need further attention from the FRBSs research community.
• Abstract（参考訳）: ファジィ・ルール・ベース・システム(英: Fuzzy Rule Based System、FRBS)は、言語ファジィ変数を先行語として使用し、人間の理解可能な知識を表現するためのルールベースのシステムである。 文学全体を通じて様々な応用や分野に応用されている。 しかし、FRBSは不確実性表現、多数の規則、解釈可能性損失、学習の計算時間などの多くの欠点に悩まされている。 これらの問題をFRBSで克服するためには、多くのFRBSが存在する。 本稿では,2010～2021年の間に, 遺伝子ファジィシステム(GFS), 階層ファジィシステム(HFS), 神経ファジィシステム(NFS), 進化ファジィシステム(eFS), ビッグデータのためのFRBS, 不均衡データのためのFRBS, クラスタセントロイドをファジィルールとするFRBS, クラスタセントロイドをファジィルールとするFRBSについて概観および文献的考察を行った。 gfsはfrbsの学習能力を向上させるために遺伝的/進化的アプローチを使用し、hfsはfrbsの次元の呪いを解決し、nfsはニューラルネットワークを用いたfrbsの近似能力を改善し、ストリーミングデータのための動的システムはefsで考慮される。 frbsは、ビッグデータと不均衡データに対する優れたソリューションと見なされており、近年では、高次元とビッグデータとルールがクラスタセンタロイドで初期化され、frbsのルール数が制限されているため、frbsの解釈性が人気が高まっている。 本稿は、この分野における重要な貢献、出版統計、現在の動向についても取り上げる。 この論文は、FRBSs研究コミュニティからさらなる注目を必要とするいくつかのオープンな研究領域についても論じている。

関連論文リスト

• A Self-Constructing Multi-Expert Fuzzy System for High-dimensional Data Classification [33.926721742862156]
  Fuzzy Neural Networks (FNN) は、分類タスクに有効な機械学習モデルである。 自己構築型多機能ファジィシステム(SOME-FS)を提案する。 混合構造学習とマルチエキスパート先進学習の2つの学習戦略を組み合わせる。
  論文  参考訳（メタデータ） (2024-10-17T09:41:54Z)
• Navigating the Future of Federated Recommendation Systems with Foundation Models [27.371579064251343]
  近年,FRS(Federated Recommendation Systems)として知られるFLとレコメンデーションシステムの統合が注目されている。 しかし、FLのプライバシー要件とRSの典型的なデータ空間の問題により、FRSはデータの不均一性や不足といった固有の制限に直面している。 本研究では、ファンデーションモデル(FM)を用いたFRSの総合的なレビューを行う。
  論文  参考訳（メタデータ） (2024-05-12T04:15:05Z)
• Large Language Models for Next Point-of-Interest Recommendation [53.93503291553005]
  位置情報ベースのソーシャルネットワーク(LBSN)データは、しばしば次のPoint of Interest(POI)レコメンデーションタスクに使用される。 しばしば無視される課題の1つは、LBSNデータに存在する豊富なコンテキスト情報を効果的に利用する方法である。 本稿では,この課題に対処するために,LLM(Large Language Models)を用いたフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-19T13:28:36Z)
• CRUD-RAG: A Comprehensive Chinese Benchmark for Retrieval-Augmented Generation of Large Language Models [49.16989035566899]
  Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の能力を高める技術である。 本稿では,大規模かつ包括的なベンチマークを構築し,様々なRAGアプリケーションシナリオにおけるRAGシステムのすべてのコンポーネントを評価する。
  論文  参考訳（メタデータ） (2024-01-30T14:25:32Z)
• Rethinking the Domain Gap in Near-infrared Face Recognition [65.7871950460781]
  不均一顔認識(HFR)は、視覚領域(VIS)と近赤外領域(NIR)にまたがる複雑な顔画像マッチング作業を伴う。 HFRに関する既存の文献の多くは、ドメインギャップを主要な課題と認識し、それを入力レベルまたは機能レベルでブリッジする取り組みを指示している。 大規模同質なVISデータで事前トレーニングを行った場合、大規模ニューラルネットワークはより小さなニューラルネットワークとは異なり、HFRでは例外的なゼロショット性能を示す。
  論文  参考訳（メタデータ） (2023-12-01T14:43:28Z)
• Heterogeneous Federated Learning: State-of-the-art and Research Challenges [117.77132819796105]
  不均一フェデレートラーニング(HFL)はより困難であり、それに対応するソリューションは多様で複雑である。 HFLの新たな進歩を概説し,既存のHFL手法の新たな分類法を提案する。 HFLにおけるいくつかの重要かつ将来的な研究方向性について論じる。
  論文  参考訳（メタデータ） (2023-07-20T06:32:14Z)
• Graph Fuzzy System: Concepts, Models and Algorithms [23.19887774553121]
  ファジィシステム(FS)は、パターン認識、インテリジェント制御、データマイニング、バイオインフォマティクスなど、様々な分野で広く応用されている。 従来のアプリケーションシナリオでは、FSはユークリッド空間データのモデル化に主に適用されており、ソーシャルネットワークや交通経路マップのような自然界における非ユークリッド構造のグラフデータを扱うには使用できない。 本稿では,グラフファジィシステム(GFS)と呼ばれるグラフデータモデリングのための新しいタイプのFSを提案する。
  論文  参考訳（メタデータ） (2022-10-30T02:57:36Z)
• Addressing Issues of Cross-Linguality in Open-Retrieval Question Answering Systems For Emergent Domains [67.99403521976058]
  新型コロナウイルスの緊急ドメインに対する言語横断的オープン検索型質問応答システムについて紹介する。 本システムでは,検索した文書の信頼性を確保するために,学術論文のコーパスを採用している。 深いセマンティック・レトリバーは、我々の英語からすべてのデータに対するトレーニングの恩恵が大きく、言語横断環境ではBM25ベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2022-01-26T19:27:32Z)
• Deep Learning for Face Anti-Spoofing: A Survey [74.42603610773931]
  対面防止(FAS)は、プレゼンテーションアタック(PA)から顔認識システムを保護する上で重要な役割を担っているため、近年注目を集めている。
  論文  参考訳（メタデータ） (2021-06-28T19:12:00Z)
• An Exploratory Study of Hierarchical Fuzzy Systems Approach in Recommendation System [0.7349727826230862]
  Fuzzy Logic System (FLSs) はレコメンデーションシステムのモデル化に使用可能なアプローチの1つである。 この問題を解決する効果的な方法は階層ファジィシステム(HFS)を使用することである。
  論文  参考訳（メタデータ） (2020-05-27T09:01:44Z)
• Applications of Unsupervised Deep Transfer Learning to Intelligent Fault Diagnosis: A Survey and Comparative Study [1.2345552555178128]
  我々は,新しい分類体系を構築し,異なるタスクに応じてUDTLに基づくIFDの包括的レビューを行う。 UDTLベースのIFDの重要性と重要性を強調するため、テストフレームワーク全体が研究コミュニティに公開される予定である。
  論文  参考訳（メタデータ） (2019-12-28T21:45:34Z)

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。