論文の概要: Dominance-based Rough Set Approach, basic ideas and main trends
- arxiv url: http://arxiv.org/abs/2210.03233v1
- Date: Thu, 6 Oct 2022 21:59:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-10 13:06:02.577598
- Title: Dominance-based Rough Set Approach, basic ideas and main trends
- Title（参考訳）: 支配に基づくラフセットアプローチ,基本概念と主な動向
- Authors: Jerzy B{\l}aszczy\'nski (1), Salvatore Greco (2 and 3), Benedetto
Matarazzo (2), Marcin Szel\k{a}g (4) ((1) Poznan Supercomputing and
Networking Center - Pozna\'n - Poland, (2) Department of Economics and
Business - University of Catania - Catania - Italy, (3) Centre for
Operational Research & Logistics - Portsmouth Business School - Portsmouth -
UK, (4) Institute of Computing Science - Poznan University of Technology -
Pozna\'n - Poland)
- Abstract要約: 我々はDRSAの基本原則と主要な概念を思い出し、その開発とソフトウェアの概要を概観する。
我々はまた、この方法論の系譜を歴史的に復元し、ローマ・スロヴィエンスキの貢献に特に焦点をあてた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Dominance-based Rough Approach (DRSA) has been proposed as a machine learning
and knowledge discovery methodology to handle Multiple Criteria Decision Aiding
(MCDA). Due to its capacity of asking the decision maker (DM) for simple
preference information and supplying easily understandable and explainable
recommendations, DRSA gained much interest during the years and it is now one
of the most appreciated MCDA approaches. In fact, it has been applied also
beyond MCDA domain, as a general knowledge discovery and data mining
methodology for the analysis of monotonic (and also non-monotonic) data. In
this contribution, we recall the basic principles and the main concepts of
DRSA, with a general overview of its developments and software. We present also
a historical reconstruction of the genesis of the methodology, with a specific
focus on the contribution of Roman S{\l}owi\'nski.
- Abstract（参考訳）: ドミナンスに基づくラフアプローチ(DRSA)は、MCDA(Multiple Criteria Decision Aiding)を扱う機械学習および知識発見手法として提案されている。
意思決定者(DM)に簡単な嗜好情報を求め、理解しやすく説明しやすいレコメンデーションを提供する能力があるため、DRSAは長年にわたって多くの関心を集めており、現在では最も高く評価されているMCDAアプローチの一つである。
実際、MCDA領域を超えても、モノトニックデータ(および非モノトニックデータ)の分析のための一般的な知識発見およびデータマイニング手法として適用されている。
この貢献の中で、私たちは、その開発とソフトウェアの概要とともに、dsaの基本的な原則と主要な概念を思い出します。
我々はまた,この方法論の起源を歴史的に再構築し,特にローマ語の s{\l}owi\'nski の貢献に焦点をあてた。
関連論文リスト
- On the Element-Wise Representation and Reasoning in Zero-Shot Image Recognition: A Systematic Survey [82.49623756124357]
ゼロショット画像認識(ZSIR)は、目に見えない領域の認識と推論をモデルに与えることを目的としている。
本稿では,近年の素子ワイドZSIRの進歩について概説する。
まず、オブジェクト認識、合成認識、基礎モデルに基づくオープンワールド認識という3つの基本的なZSIRタスクを、統一された要素的視点に統合する。
論文 参考訳（メタデータ） (2024-08-09T05:49:21Z) - Opening the Black-Box: A Systematic Review on Explainable AI in Remote Sensing [51.524108608250074]
ブラックボックス機械学習アプローチは、リモートセンシングにおける知識抽出における主要なモデリングパラダイムとなっている。
我々は、この分野における重要なトレンドを特定するための体系的なレビューを行い、新しい説明可能なAIアプローチに光を当てた。
また,課題と将来的な研究方向性について,より詳細な展望を述べる。
論文 参考訳（メタデータ） (2024-02-21T13:19:58Z) - Fine-Grained Zero-Shot Learning: Advances, Challenges, and Prospects [84.36935309169567]
ゼロショット学習(ZSL)における微粒化解析の最近の進歩を概観する。
まず、各カテゴリの詳細な分析を行い、既存の手法と手法の分類について述べる。
次に、ベンチマークを要約し、公開データセット、モデル、実装、およびライブラリとしての詳細について説明する。
論文 参考訳（メタデータ） (2024-01-31T11:51:24Z) - A Survey on Open-Set Image Recognition [18.474539379698538]
オープンセット画像認識(OSR)は、既知のクラスサンプルの分類と、テストセット内の未知クラスサンプルの識別の両方を目的としている。
我々は,既存のDNNベースのOSR手法を包括的にレビューする新しい分類法を提案する。
我々は、粗粒度データセットと細粒度データセットの両方において、典型的なOSR法と最先端OSR法のパフォーマンスを比較した。
論文 参考訳（メタデータ） (2023-12-25T00:30:23Z) - Generalization Bounds: Perspectives from Information Theory and PAC-Bayes [31.803107987439784]
PAC-Bayesianアプローチは、機械学習アルゴリズムの一般化機能に対処するための柔軟なフレームワークとして確立されている。
一般化に関する情報理論的な視点が発達し、一般化と様々な情報手段の関係が確立された。
本稿では,2つの視点が共通する手法と結果を提示し,異なるアプローチと解釈について議論する。
論文 参考訳（メタデータ） (2023-09-08T15:23:40Z) - A Survey on Interpretable Cross-modal Reasoning [64.37362731950843]
マルチメディア分析から医療診断に至るまで、クロスモーダル推論(CMR)が重要な分野として浮上している。
この調査は、解釈可能なクロスモーダル推論(I-CMR)の領域を掘り下げる
本調査では,I-CMRの3段階分類法について概説する。
論文 参考訳（メタデータ） (2023-09-05T05:06:48Z) - Multimodal Explainable Artificial Intelligence: A Comprehensive Review of Methodological Advances and Future Research Directions [2.35574869517894]
本研究は、MXAI(Multimodal XAI)領域における最近の進歩の分析に焦点をあてる。
MXAIは、主予測と説明タスクに複数のモダリティを含む手法から構成される。
論文 参考訳（メタデータ） (2023-06-09T07:51:50Z) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳（メタデータ） (2023-02-19T15:43:54Z) - Recommending Multiple Criteria Decision Analysis Methods with A New
Taxonomy-based Decision Support System [2.519906683279153]
本稿では,複数基準決定分析手法の選択ソフトウェアについて述べる。
与えられた意思決定問題に対して最も適した多重基準決定分析手法は何か?
論文 参考訳（メタデータ） (2021-06-08T16:03:45Z) - Domain Generalization: A Survey [146.68420112164577]
ドメイン一般化(DG)は、モデル学習にソースドメインデータを使用するだけでOOD一般化を実現することを目的としています。
初めて、DGの10年の開発をまとめるために包括的な文献レビューが提供されます。
論文 参考訳（メタデータ） (2021-03-03T16:12:22Z)
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。