論文の概要: Foundational theories of hesitant fuzzy sets and hesitant fuzzy
information systems and their applications for multi-strength intelligent
classifiers
- arxiv url: http://arxiv.org/abs/2311.04256v3
- Date: Sat, 17 Feb 2024 08:01:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-21 04:56:22.831530
- Title: Foundational theories of hesitant fuzzy sets and hesitant fuzzy
information systems and their applications for multi-strength intelligent
classifiers
- Title（参考訳）: 迷入ファジィ集合と迷入ファジィ情報システムの基礎理論と多強度知的分類器への応用
- Authors: Shizhan Lu, Zeshui Xu, Zhu Fu
- Abstract要約: ヘシタントファジィ集合は、不確実性やためらいのある場合において広く用いられる。
ある種の集合として、ヘジットファジィ集合は包含関係を明確に定義する必要がある。
- 参考スコア（独自算出の注目度）: 32.78664473821173
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Hesitant fuzzy sets are widely used in certain instances of uncertainty and
hesitation. In sets, the inclusion relationship is an important and
foundational definition. Thus, as a kind of set, hesitant fuzzy sets require an
explicit definition of inclusion relationship. Based on the hesitant fuzzy
membership degree of discrete form, several kinds of inclusion relationships
for hesitant fuzzy sets are proposed in this work. Then, some foundational
propositions of hesitant fuzzy sets are presented, along with propositions of
families of hesitant fuzzy sets. Some foundational propositions of hesitant
fuzzy information systems are proposed with respect to parameter reductions and
an example and an algorithm are given to illustrate the processes of parameter
reduction. Finally, a multi-strength intelligent classifier is proposed to make
health state diagnoses for complex systems.
- Abstract（参考訳）: ヘジットファジィ集合は、不確実性やためらいのある場合において広く用いられる。
集合において、包含関係は重要かつ基礎的な定義である。
したがって、ある種の集合として、ヘジットファジィ集合は包含関係を明確に定義する必要がある。
本研究では, 離散形式の迷入ファジィ構成度に基づいて, 迷入ファジィ集合に対する数種類の包含関係を提案する。
すると、ヘッシタンファジィ集合の基本命題のいくつかが、ヘッシタンファジィ集合の族の提案とともに提示される。
パラメータ還元に関して, 迷入ファジィ情報システムの基礎的な提案がいくつか提案され, パラメータ還元の過程を説明するための例とアルゴリズムが与えられた。
最後に,複雑なシステムに対して健康状態診断を行うために,多強度インテリジェント分類器を提案する。
関連論文リスト
- Advancing Uncertain Combinatorics through Graphization, Hyperization, and Uncertainization: Fuzzy, Neutrosophic, Soft, Rough, and Beyond [0.0]
ファジィセット、好中球セット、粗セット、ソフトセット、ソフトセットが導入された。
真理、不確定性、虚偽を同時に表すニュートロソフィック集合は、複雑なシステムにおける不確実性をモデル化するための貴重なツールであることが証明されている。
本稿では,新しいグラフと集合の概念,ハイパー・ハイパー・ハイパーの概念について考察する。
論文 参考訳（メタデータ） (2024-11-24T04:28:53Z) - Foundational propositions of hesitant fuzzy soft $\beta$-covering
approximation spaces [0.0]
ヘジットファジィ集合は様々な会員の学位を示し、それらの間の様々な形態の包摂関係を生み出している。
本稿では,ヘジットファジィソフト$beta$-coveringsとヘジットファジィソフト$beta$-neighborhoodsの概念を紹介する。
論文 参考訳（メタデータ） (2024-03-08T13:16:17Z) - Enhancing Neural Subset Selection: Integrating Background Information into Set Representations [53.15923939406772]
対象値が入力集合とサブセットの両方に条件付けされている場合、スーパーセットのテクスティ不変な統計量を関心のサブセットに組み込むことが不可欠であることを示す。
これにより、出力値がサブセットとその対応するスーパーセットの置換に不変であることを保証する。
論文 参考訳（メタデータ） (2024-02-05T16:09:35Z) - Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。
本手法は, 精度の高い問題に特に適している。
提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
論文 参考訳（メタデータ） (2023-11-08T00:10:21Z) - Ensemble of Counterfactual Explainers [17.88531216690148]
本稿では,弱い説明者を増やす反事実的説明者のアンサンブルを提案し,そのような特性のサブセットのみを提供する。
このアンサンブルは、インスタンスと機能のサンプルで弱い説明器を実行し、多様性駆動の選択関数を利用して結果を組み合わせる。
論文 参考訳（メタデータ） (2023-08-29T10:21:50Z) - On Computing Probabilistic Abductive Explanations [30.325691263226968]
最も広く研究されているAI(XAI)アプローチは正しくない。
PI説明は重要な欠点も示しており、最も目に見えるものはおそらくその大きさである。
本稿では,多くの広く使用されている分類器に対して,関連する集合を計算するための実践的アプローチについて検討する。
論文 参考訳（メタデータ） (2022-12-12T15:47:10Z) - 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) - Learn to Predict Sets Using Feed-Forward Neural Networks [63.91494644881925]
本稿では、ディープフィードフォワードニューラルネットワークを用いた設定予測の課題に対処する。
未知の置換と基数を持つ集合を予測するための新しい手法を提案する。
関連視覚問題に対する集合定式化の有効性を実証する。
論文 参考訳（メタデータ） (2020-01-30T01:52:07Z) - Guiding Corpus-based Set Expansion by Auxiliary Sets Generation and
Co-Expansion [45.716171458483636]
コーパスベースのセット展開アルゴリズムは、語彙パターンと分布類似性を組み込むことで、与えられた種子をブートストラップする。
Set-CoExpanは、ユーザの興味のターゲットセットと密接に関連する負のセットとして、補助セットを自動的に生成する。
本研究では,Set-CoExpanが強いベースライン法を著しく上回ることを示す。
論文 参考訳（メタデータ） (2020-01-27T22:34:07Z)
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。