Fugu-MT 論文翻訳(概要): Fuzzy Logic Model for Predicting the Heat Index

論文の概要: Fuzzy Logic Model for Predicting the Heat Index

arxiv url: http://arxiv.org/abs/2210.16051v1
Date: Fri, 28 Oct 2022 10:53:30 GMT
ステータス: 処理完了
システム内更新日: 2022-10-31 15:30:38.518394
Title: Fuzzy Logic Model for Predicting the Heat Index
Title（参考訳）: 熱指数予測のためのファジィ論理モデル
Authors: Nnamdi Uzoukwu, Acep Purqon
Abstract要約: 温度および相対湿度データから熱指数を予測するファジィ論理系を開発した。データトレンドを言語的に要約することで、ファジィ論理モデルは熱制御問題に対する効果的な機械学習手法であることが証明された。
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: A fuzzy inference system was developed for predicting the heat index from temperature and relative humidity data. The effectiveness of fuzzy logic in using imprecise mapping of input to output to encode interconnectedness of system variables was exploited to uncover a linguistic model of how the temperature and humidity conditions impact the heat index in a growth room. The developed model achieved an R2 of 0.974 and a RMSE of 0.084 when evaluated on a test set, and the results were statistically significant (F1,5915 = 222900.858, p < 0.001). By providing the advantage of linguistic summarization of data trends as well as high prediction accuracy, the fuzzy logic model proved to be an effective machine learning method for heat control problems.
Abstract（参考訳）: 温度および相対湿度データから熱指数を予測するファジィ推論システムを開発した。システム変数の相互接続性を符号化するために入力の不正確なマッピングを用いたファジィ論理の有効性を利用して, 成長室の温度および湿度条件が熱指数に与える影響の言語モデルを明らかにする。実験では, r2が0.974, rmseが0.084となり, 統計的に有意であった(f1,5915 = 222900.858, p < 0.001)。データトレンドの言語的要約と高い予測精度の利点を提供することで、ファジィ論理モデルは熱制御問題に対する効果的な機械学習手法であることが判明した。

関連論文リスト

The Paradox of Stochasticity: Limited Creativity and Computational Decoupling in Temperature-Varied LLM Outputs of Structured Fictional Data [0.0]
本研究では,3つの大言語モデル(LLM)における構成されたフィクションデータ(名前,誕生日)の生成に温度設定とモデル構造がどう影響するかを検討する。我々は,889個の構造体を合成整合性に検証した330の試験を行った。重要な発見は、モデルアーキテクチャが計算効率に大きな影響を与え、Mistral:latestとllama3.1:8bはDeepseek-r1:8bより8倍高速であることを示している。
論文参考訳（メタデータ） (2025-02-12T15:47:48Z)
Accurate Prediction of Temperature Indicators in Eastern China Using a Multi-Scale CNN-LSTM-Attention model [0.0]
マルチスケールの畳み込み型CNN-LSTM-Attentionアーキテクチャに基づく天気予報モデルを提案する。このモデルは、畳み込みニューラルネットワーク(CNN)、Long Short-Term Memory(LSTM)ネットワーク、およびアテンションメカニズムを統合している。実験結果から, モデルが高精度に温度変動を予測できることが示唆された。
論文参考訳（メタデータ） (2024-12-11T00:42:31Z)
A model learning framework for inferring the dynamics of transmission rate depending on exogenous variables for epidemic forecasts [3.3385430106181184]
我々は,透過率の隠れたダイナミクスを再構築するために,新しい科学機械学習フレームワークを定式化した。本手法は,2010年から2020年までのイタリアにおける気象データ(温度・湿度)とインフルエンザデータに基づいて,合成テストケースと現実テストケースの両方を用いて検証した。
論文参考訳（メタデータ） (2024-10-15T12:24:55Z)
Calibrating Language Models with Adaptive Temperature Scaling [58.056023173579625]
本稿では,各トークンの温度スケーリングパラメータを予測するポストホックキャリブレーション法であるAdaptive Temperature Scaling (ATS)を紹介する。 ATSは、以前のキャリブレーション法と比較して、3つの下流自然言語評価ベンチマークで10-50%以上のキャリブレーションを改善する。
論文参考訳（メタデータ） (2024-09-29T22:54:31Z)
Evaluating probabilistic and data-driven inference models for fiber-coupled NV-diamond temperature sensors [0.7140163200313723]
連続波光磁気共鳴(ODMR)測定による温度推定における推定モデルが不確実性に与える影響について検討した。このモデルでは、スピンハミルトンパラメータの温度依存性を利用して、ODMRデータのスペクトル特徴から温度を推定する。
論文参考訳（メタデータ） (2024-09-14T17:23:20Z)
Accurate melting point prediction through autonomous physics-informed learning [52.217497897835344]
NPTアンサンブルにおける共存シミュレーションから自律的に学習することで融点を計算するアルゴリズムを提案する。固液共存進化の物理モデルを統合することで、アルゴリズムの精度が向上し、最適な意思決定が可能になることを実証する。
論文参考訳（メタデータ） (2023-06-23T07:53:09Z)
Convolutional generative adversarial imputation networks for spatio-temporal missing data in storm surge simulations [86.5302150777089]
GAN(Generative Adversarial Imputation Nets)とGANベースの技術は、教師なし機械学習手法として注目されている。提案手法を Con Conval Generative Adversarial Imputation Nets (Conv-GAIN) と呼ぶ。
論文参考訳（メタデータ） (2021-11-03T03:50:48Z)
MSED: a multi-modal sleep event detection model for clinical sleep analysis [62.997667081978825]
ポリソムノグラムで睡眠イベントを共同検出する,単一のディープニューラルネットワークアーキテクチャを設計した。モデルの性能は,F1,精度,リコールスコア,および指標値と臨床値との相関で定量化した。
論文参考訳（メタデータ） (2021-01-07T13:08:44Z)
Thermal Prediction for Efficient Energy Management of Clouds using Machine Learning [31.735983199708013]
プライベートクラウドからのデータを分析し、熱的変動の存在を示す。温度予測のための勾配強化機械学習モデルを提案する。さらに,ホストのピーク温度を最小化する動的スケジューリングアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-11-07T00:55:47Z)
Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文参考訳（メタデータ） (2020-10-15T16:39:26Z)
Denoising Diffusion Probabilistic Models [91.94962645056896]
拡散確率モデルを用いて高品質な画像合成結果を示す。本研究は,拡散確率モデルとランゲヴィン力学と整合したデノイングスコアとの新たな接続に基づいて設計した重み付き変分境界のトレーニングにより得られた。
論文参考訳（メタデータ） (2020-06-19T17:24:44Z)

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。