論文の概要: FuzzyLogic.jl: a Flexible Library for Efficient and Productive Fuzzy Inference

• arxiv url: http://arxiv.org/abs/2306.10316v1
• Date: Sat, 17 Jun 2023 10:43:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-21 23:05:59.334453
• Title: FuzzyLogic.jl: a Flexible Library for Efficient and Productive Fuzzy Inference
• Title（参考訳）: FuzzyLogic.jl: 効率的かつ生産的ファジィ推論のための柔軟なライブラリ
• Authors: Luca Ferranti, Jani Boutellier
• Abstract要約: 本稿では,ファジィ推論を行うJuliaライブラリであるtextscFuzzyLogic.jlを紹介する。 ライブラリは完全にオープンソースで、パーミッシブライセンスでリリースされている。
• 参考スコア（独自算出の注目度）: 5.584060970507507
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces \textsc{FuzzyLogic.jl}, a Julia library to perform fuzzy inference. The library is fully open-source and released under a permissive license. The core design principles of the library are: user-friendliness, flexibility, efficiency and interoperability. Particularly, our library is easy to use, allows to specify fuzzy systems in an expressive yet concise domain specific language, has several visualization tools, supports popular inference systems like Mamdani, Sugeno and Type-2 systems, can be easily expanded with custom user settings or algorithms and can perform fuzzy inference efficiently. It also allows reading fuzzy models from other formats such as Matlab .fis, FCL or FML. In this paper, we describe the library main features and benchmark it with a few examples, showing it achieves significant speedup compared to the Matlab fuzzy toolbox.
• Abstract（参考訳）: 本稿では,ファジィ推論を行うJuliaライブラリであるtextsc{FuzzyLogic.jl}を紹介する。 ライブラリは完全にオープンソースで、パーミッシブライセンスでリリースされている。 ライブラリの中核となる設計原則は、ユーザフレンドリ、柔軟性、効率性、相互運用性である。 特に,我々のライブラリは使いやすく,表現力に富んだ簡潔なドメイン固有言語でファジィシステムを指定でき,視覚化ツールがいくつかあり,Mamdani,Sugeno,Type-2といった一般的な推論システムをサポートし,カスタムユーザ設定やアルゴリズムで容易に拡張でき,ファジィ推論を効率的に行うことができる。 また、Matlabなどの他のフォーマットからファジィモデルを読むこともできる。 fis、fcl、またはfml。 本稿では,ライブラリの主要な特徴を概説し,いくつかの例でベンチマークし,Matlabファジィツールボックスと比較して大幅に高速化されたことを示す。

関連論文リスト

• Library Learning Doesn't: The Curious Case of the Single-Use "Library" [20.25809428140996]
  LEGO-ProverとTroVEの2つのライブラリ学習システムについて検討した。 機能再利用は miniF2F と MATH では極めて稀である。 我々の追跡実験は、再利用よりも自己補正と自己整合が、観察されたパフォーマンス向上の主要な要因であることを示唆している。
  論文  参考訳（メタデータ） (2024-10-26T21:05:08Z)
• LLMBox: A Comprehensive Library for Large Language Models [109.15654830320553]
  本稿では,大規模言語モデル (LLM) の開発, 使用, 評価を容易にするために, 包括的で統一されたライブラリ LLMBox を提案する。 このライブラリには,(1)多様なトレーニング戦略の柔軟な実装を支援する統一データインターフェース,(2)広範囲なタスクやデータセット,モデルをカバーする包括的な評価,(3)ユーザフレンドリさや効率性など,より実践的な考慮,という3つのメリットがある。
  論文  参考訳（メタデータ） (2024-07-08T02:39:33Z)
• A Python library for efficient computation of molecular fingerprints [0.0]
  分子指紋を効率的に計算し、包括的なインターフェースを提供するPythonライブラリを作成します。 このライブラリは、ユーザが並列性を使って大規模なデータセット上で計算を実行することを可能にする。 分子指紋を用いて、最先端のMLソリューションに匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-03-27T19:02:09Z)
• LILO: Learning Interpretable Libraries by Compressing and Documenting Code [71.55208585024198]
  LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。 LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。 LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
  論文  参考訳（メタデータ） (2023-10-30T17:55:02Z)
• torchgfn: A PyTorch GFlowNet library [56.071033896777784]
  torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。 環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
  論文  参考訳（メタデータ） (2023-05-24T00:20:59Z)
• Yggdrasil Decision Forests: A Fast and Extensible Decision Forests Library [2.45129318838789]
  イグドラジル森林(Yggdrasil Decision Forests)は、決定的森林モデルの訓練、提供、解釈のための図書館である。 C++、Python、JavaScript、Go、Google Sheetsで実装されている。
  論文  参考訳（メタデータ） (2022-12-06T12:44:27Z)
• Solo-learn: A Library of Self-supervised Methods for Visual Representation Learning [83.02597612195966]
  solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。 Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
  論文  参考訳（メタデータ） (2021-08-03T22:19:55Z)
• Captum: A unified and generic model interpretability library for PyTorch [49.72749684393332]
  我々は,PyTorch用の新しい,統一されたオープンソースモデル解釈可能性ライブラリを紹介する。 このライブラリには、多くの勾配と摂動に基づく属性アルゴリズムの汎用的な実装が含まれている。 分類モデルと非分類モデルの両方に使用できる。
  論文  参考訳（メタデータ） (2020-09-16T18:57:57Z)
• Kernel methods library for pattern analysis and machine learning in python [0.0]
  kernelmethodsライブラリは、ドメインに依存しない方法で、python MLエコシステムにおける重要な空白を埋めます。 このライブラリは、カーネルベースの操作を効率的にするための、よく定義された多くのクラスを提供する。
  論文  参考訳（メタデータ） (2020-05-27T16:44:42Z)
• fastai: A Layered API for Deep Learning [1.7223564681760164]
  fastaiは、実践者に高度なコンポーネントを提供するディープラーニングライブラリである。 これは研究者に、新しいアプローチを構築するために混在し、マッチできる低レベルのコンポーネントを提供する。
  論文  参考訳（メタデータ） (2020-02-11T21:16:48Z)
• Torch-Struct: Deep Structured Prediction Library [138.5262350501951]
  本稿では,構造化予測ライブラリTorch-Structを紹介する。 Torch-Structには,シンプルで柔軟な分散ベースのAPIを通じてアクセスされる,確率的構造の広範なコレクションが含まれている。
  論文  参考訳（メタデータ） (2020-02-03T16:43:02Z)

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。