論文の概要: On the Granular Representation of Fuzzy Quantifier-Based Fuzzy Rough
Sets
- arxiv url: http://arxiv.org/abs/2312.16704v1
- Date: Wed, 27 Dec 2023 20:02:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 18:13:16.018410
- Title: On the Granular Representation of Fuzzy Quantifier-Based Fuzzy Rough
Sets
- Title（参考訳）: ファジィ量子化器に基づくファジィラフ集合の粒界表現について
- Authors: Adnan Theerens and Chris Cornelis
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.7614628596146602
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Rough set theory is a well-known mathematical framework that can deal with
inconsistent data by providing lower and upper approximations of concepts. A
prominent property of these approximations is their granular representation:
that is, they can be written as unions of simple sets, called granules. The
latter can be identified with "if. . . , then. . . " rules, which form the
backbone of rough set rule induction. It has been shown previously that this
property can be maintained for various fuzzy rough set models, including those
based on ordered weighted average (OWA) operators. In this paper, we will focus
on some instances of the general class of fuzzy quantifier-based fuzzy rough
sets (FQFRS). In these models, the lower and upper approximations are evaluated
using binary and unary fuzzy quantifiers, respectively. One of the main targets
of this study is to examine the granular representation of different models of
FQFRS. The main findings reveal that Choquet-based fuzzy rough sets can be
represented granularly under the same conditions as OWA-based fuzzy rough sets,
whereas Sugeno-based FRS can always be represented granularly. This observation
highlights the potential of these models for resolving data inconsistencies and
managing noise.
- Abstract（参考訳）: ラフ集合論(英: rough set theory)は、概念の下値と上値の近似を提供することで、一貫性のないデータを扱えるよく知られた数学的枠組みである。
これらの近似の顕著な性質は、その粒状表現である:すなわち、それらは、顆粒と呼ばれる単純集合の和として書くことができる。
後者は"if...., then..."ルールで識別でき、粗い集合規則誘導のバックボーンを形成する。
この特性は、順序付き重み付き平均(OWA)演算子など、様々なファジィ粗い集合モデルに対して維持可能であることが以前に示されている。
本稿では、ファジィ量子化器に基づくファジィ粗集合(FQFRS)の一般クラスのいくつかの例に焦点を当てる。
これらのモデルでは, 2値および1値のファジィ量化器を用いて下値と上値の近似を評価する。
本研究の主な目的の1つは、FQFRSの異なるモデルの粒度の表現を調べることである。
主な知見は,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,スゲノベースファジィ粗集合は常に粒度で表現できるということである。
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。
関連論文リスト
- 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) - ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。
我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
論文 参考訳（メタデータ） (2023-04-07T15:17:48Z) - Fuzzy Rough Sets Based on Fuzzy Quantification [1.4213973379473654]
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。
論文 参考訳（メタデータ） (2022-12-06T19:59:57Z) - Some neighborhood-related fuzzy covering-based rough set models and
their applications for decision making [8.270779659551431]
重なり関数とそのインプリケータによるファジィ被覆に基づくファジィ近傍演算子を提案する。
新規なファジィTOPSIS法は、生体合成ナノマテリアルの選択問題を解くために提案されている。
論文 参考訳（メタデータ） (2022-05-13T05:02:53Z) - 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) - Evaluating State-of-the-Art Classification Models Against Bayes
Optimality [106.50867011164584]
正規化フローを用いて学習した生成モデルのベイズ誤差を正確に計算できることを示す。
われわれの手法を用いて、最先端の分類モデルについて徹底的な調査を行う。
論文 参考訳（メタデータ） (2021-06-07T06:21:20Z) - Deconfounding Scores: Feature Representations for Causal Effect
Estimation with Weak Overlap [140.98628848491146]
推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。
分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。
特に,この手法が標準正規化の魅力的な代替となることを示す。
論文 参考訳（メタデータ） (2021-04-12T18:50:11Z) - Stochastic Aggregation in Graph Neural Networks [9.551282469099887]
グラフニューラルネットワーク(GNN)は、過スムージングおよび限られた電力識別を含む病理を発現する。
GNNsにおける集約のための統合フレームワーク(STAG)を提案する。そこでは、近隣からの集約プロセスにノイズが(適応的に)注入され、ノード埋め込みを形成する。
論文 参考訳（メタデータ） (2021-02-25T02:52:03Z) - Structural Causal Models Are (Solvable by) Credal Networks [70.45873402967297]
因果推論は、干潟網の更新のための標準的なアルゴリズムによって得ることができる。
この貢献は, 干潟ネットワークによる構造因果モデルを表現するための体系的なアプローチと見なされるべきである。
実験により, 実規模問題における因果推論には, クレーダルネットワークの近似アルゴリズムがすぐに利用できることがわかった。
論文 参考訳（メタデータ） (2020-08-02T11:19:36Z) - Explainable Matrix -- Visualization for Global and Local
Interpretability of Random Forest Classification Ensembles [78.6363825307044]
本研究では,ランダムフォレスト (RF) 解釈のための新しい可視化手法である Explainable Matrix (ExMatrix) を提案する。
単純なマトリックスのようなメタファで、行はルール、列は特徴、セルはルールを述語する。
ExMatrixの適用性は、異なる例を通じて確認され、RFモデルの解釈可能性を促進するために実際にどのように使用できるかを示している。
論文 参考訳（メタデータ） (2020-05-08T21:03:48Z) - Fast and Robust Rank Aggregation against Model Misspecification [105.54181634234266]
ランクアグリゲーション(RA)では、異なるユーザからの好みのコレクションを、ユーザの同質性の仮定の下で総順にまとめる。
RAにおけるモデルの不特定は、複素実世界の状況において同質性の仮定が満たされないために生じる。
本稿では,モデル誤特定に対する堅牢性を有するCoarsenRankを提案する。
論文 参考訳（メタデータ） (2019-05-29T11:35:28Z)
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。