論文の概要: Fuzzy Rough Sets Based on Fuzzy Quantification

• arxiv url: http://arxiv.org/abs/2212.04327v1
• Date: Tue, 6 Dec 2022 19:59:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 14:58:56.345302
• Title: Fuzzy Rough Sets Based on Fuzzy Quantification
• Title（参考訳）: ファジィ量子化に基づくファジィ粗集合
• Authors: Adnan Theerens and Chris Cornelis
• Abstract要約: ファジィ量化器に基づくファジィ粗集合(FQFRS)を導入する。 FQFRSはファジィラフ集合の直感的な一般化である。 既存のモデルがこの一般化にどのように適合するか、また新しいモデルにどのように影響するかを示す。
• 参考スコア（独自算出の注目度）: 1.4213973379473654
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: One of the weaknesses of classical (fuzzy) rough sets is their sensitivity to noise, which is particularly undesirable for machine learning applications. One approach to solve this issue is by making use of fuzzy quantifiers, as done by the vaguely quantified fuzzy rough set (VQFRS) model. While this idea is intuitive, the VQFRS model suffers from both theoretical flaws as well as from suboptimal performance in applications. In this paper, we improve on VQFRS by introducing fuzzy quantifier-based fuzzy rough sets (FQFRS), an intuitive generalization of fuzzy rough sets that makes use of general unary and binary quantification models. We show how several existing models fit in this generalization as well as how it inspires novel ones. Several binary quantification models are proposed to be used with FQFRS. We conduct a theoretical study of their properties, and investigate their potential by applying them to classification problems. In particular, we highlight Yager's Weighted Implication-based (YWI) binary quantification model, which induces a fuzzy rough set model that is both a significant improvement on VQFRS, as well as a worthy competitor to the popular ordered weighted averaging based fuzzy rough set (OWAFRS) model.
• Abstract（参考訳）: 古典的(ファジィな)粗集合の弱点の1つはノイズに対する感度であり、特に機械学習アプリケーションには望ましくない。 この問題を解決する1つのアプローチは、あいまいに定量化されたファジィ粗集合(VQFRS)モデルによってなされるファジィ量化器を利用することである。 このアイデアは直感的であるが、VQFRSモデルは理論上の欠陥とアプリケーションにおける準最適性能の両方に悩まされている。 本稿では、ファジィ量子化モデルを用いたファジィ粗集合の直感的な一般化であるファジィ量子化器に基づくファジィ粗集合(FQFRS)を導入することにより、VQFRSの改善を行う。 既存のモデルがこの一般化にどのように適合するか、また新しいモデルにどのように影響するかを示す。 いくつかのバイナリ量子化モデルがFQFRSで使用されることが提案されている。 我々は,それらの性質を理論的に研究し,分類問題に適用してその可能性について検討する。 特に,vqfrsの大幅な改善であるファジィ粗集合モデルと,一般的な順序重み付き平均型ファジィ粗集合(owafrs)モデルとの競合であるファジィ粗集合モデル(ファジィ粗集合モデル)を誘導するyagerの重み付き含意ベース(ywi)二元量子化モデルに注目した。

関連論文リスト

• Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
  SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。 本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。 適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
  論文  参考訳（メタデータ） (2024-09-02T22:35:03Z)
• Scaling and renormalization in high-dimensional regression [72.59731158970894]
  本稿では,様々な高次元リッジ回帰モデルの訓練および一般化性能の簡潔な導出について述べる。 本稿では,物理と深層学習の背景を持つ読者を対象に,これらのトピックに関する最近の研究成果の紹介とレビューを行う。
  論文  参考訳（メタデータ） (2024-05-01T15:59:00Z)
• On the Granular Representation of Fuzzy Quantifier-Based Fuzzy Rough Sets [0.7614628596146602]
  本稿ではファジィ量化器に基づくファジィ粗集合(FQFRS)に焦点を当てる。 チェケットベースファジィ粗集合は、OWAベースファジィ粗集合と同じ条件下で粒度的に表現できることを示す。 この観察は、データの矛盾を解消し、ノイズを管理するこれらのモデルの可能性を強調している。
  論文  参考訳（メタデータ） (2023-12-27T20:02:40Z)
• Random Models for Fuzzy Clustering Similarity Measures [0.0]
  Adjusted Rand Index (ARI) は、ハードクラスタリングを比較するために広く使われている手法である。 本稿では,ハードクラスタリングとファジィクラスタリングの両方に対して直感的で説明可能な3つのランダムモデルを用いて,ARIを計算するための単一のフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-16T00:07:04Z)
• Choquet-Based Fuzzy Rough Sets [2.4063592468412276]
  ファジィ粗集合論(ファジィ粗集合論、英: Fuzzy rough set theory)は、オブジェクト間の不明瞭性という段階的な概念があるときに、一貫性のないデータを扱うための道具として用いられる。 この問題を緩和するために、順序付き重み付き平均(OWA)ベースのファジィ粗集合を導入した。 あいまいな定量化の観点から OWA ベースのアプローチを直観的に解釈し,それを Choquet ベースのファジィ粗集合に一般化する方法を示す。
  論文  参考訳（メタデータ） (2022-02-22T13:10:16Z)
• FairIF: Boosting Fairness in Deep Learning via Influence Functions with Validation Set Sensitive Attributes [51.02407217197623]
  本稿では,FAIRIFという2段階の学習アルゴリズムを提案する。 サンプル重みが計算される再重み付きデータセットの損失を最小限に抑える。 FAIRIFは、様々な種類のバイアスに対して、フェアネスとユーティリティのトレードオフを良くしたモデルが得られることを示す。
  論文  参考訳（メタデータ） (2022-01-15T05:14:48Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)
• Bias-Variance Tradeoffs in Single-Sample Binary Gradient Estimators [100.58924375509659]
  ストレートスルー (ST) 推定器はその単純さと効率性から人気を得た。 計算の複雑さを低く保ちながら、STよりも改善するいくつかの手法が提案された。 我々は、トレードオフを理解し、元来主張された特性を検証するために、これらの手法のバイアスとばらつきの理論解析を行う。
  論文  参考訳（メタデータ） (2021-10-07T15:16:07Z)
• Robust Implicit Networks via Non-Euclidean Contractions [63.91638306025768]
  暗黙のニューラルネットワークは、精度の向上とメモリ消費の大幅な削減を示す。 彼らは不利な姿勢と収束の不安定さに悩まされる。 本論文は,ニューラルネットワークを高機能かつ頑健に設計するための新しい枠組みを提供する。
  論文  参考訳（メタデータ） (2021-06-06T18:05:02Z)
• A Bayesian Approach with Type-2 Student-tMembership Function for T-S Model Identification [47.25472624305589]
  2型ファジィセットに基づくファジィック回帰クラスタリングは,非スパースデータに対して顕著な結果を示した。 ファジック回帰モデルのための革新的アーキテクチャを示し、スパースデータモデリングのために設計された新しい学生分布に基づく会員関数を提案する。
  論文  参考訳（メタデータ） (2020-09-02T05:10:13Z)
• Interpretation and Simplification of Deep Forest [4.576379639081977]
  完全訓練深部RFの特徴量と周波数を決定規則の形で定量化することを検討する。 モデルの単純化は、機能のコントリビューションを測定することによって不要なルールを排除することで達成される。 実験結果から,ブラックボックスモデルでは,ルールセットを定量的に解釈するために,機能コントリビューション分析を分解できることが確認された。
  論文  参考訳（メタデータ） (2020-01-14T11:30:26Z)

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。