論文の概要: A Comprehensive Survey of Belief Rule Base (BRB) Hybrid Expert system:
Bridging Decision Science and Professional Services
- arxiv url: http://arxiv.org/abs/2402.16651v1
- Date: Mon, 26 Feb 2024 15:23:27 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-28 20:20:10.570078
- Title: A Comprehensive Survey of Belief Rule Base (BRB) Hybrid Expert system:
Bridging Decision Science and Professional Services
- Title（参考訳）: 信頼性ルールベース(BRB)ハイブリッドエキスパートシステムに関する包括的調査:ブリッジング意思決定科学とプロフェッショナルサービス
- Authors: Karim Derrick
- Abstract要約: BRBは曖昧さ、ランダムさ、無知を十分に処理する。
半定量的ツールは、数値データと言語知識の両方を処理するのに優れている。
BRBの透明で白いボックスの性質は、アクセシビリティと明確性を保証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Belief Rule Base (BRB) system that adopts a hybrid approach integrating
the precision of expert systems with the adaptability of data-driven models.
Characterized by its use of if-then rules to accommodate various types of
uncertainty through belief degrees, BRB adeptly handles fuzziness, randomness,
and ignorance. This semi-quantitative tool excels in processing both numerical
data and linguistic knowledge from diverse sources, making it as an
indispensable resource in modelling complex nonlinear systems. Notably, BRB's
transparent, white-box nature ensures accessibility and clarity for
decision-makers and stakeholders, further enhancing its applicability. With its
growing adoption in fields ranging from decision-making and reliability
evaluation in network security and fault diagnosis, this study aims to explore
the evolution and the multifaceted applications of BRB. By analysing its
development across different domains, we highlight BRB's potential to
revolutionize sectors traditionally resistant to technological disruption, in
particular insurance and law.
- Abstract（参考訳）: 信頼ルールベース(brb)システムは、エキスパートシステムの精度とデータ駆動モデルの適応性を統合するハイブリッドアプローチを採用している。
信念の度合いを通じて様々な不確実性に対応するためにif-thenルールを使用することによって特徴付けられるBRBは、曖昧さ、ランダムさ、無知を順応的に扱う。
この半定量的ツールは、様々な情報源から数値データと言語知識の処理に優れており、複雑な非線形システムのモデリングにおいて必須の資源となっている。
特に、BRBの透明で白い箱の性質は、意思決定者や利害関係者のアクセシビリティと明確性を保証し、適用性をさらに向上させる。
本研究は,ネットワークセキュリティや障害診断における意思決定や信頼性評価から,BRBの進化と多面的応用まで,さまざまな分野で採用されている。
異なる領域にわたる開発を分析することで、BRBは伝統的に技術的破壊に抵抗する分野、特に保険や法律に革命を起こす可能性を強調します。
関連論文リスト
- Know Where You're Uncertain When Planning with Multimodal Foundation Models: A Formal Framework [54.40508478482667]
認識と計画生成の不確実性を解消し、定量化し、緩和する包括的枠組みを提案する。
本稿では,知覚と意思決定の独特な性質に合わせた手法を提案する。
この不確実性分散フレームワークは, 変動率を最大40%削減し, タスク成功率をベースラインに比べて5%向上させることを示した。
論文 参考訳（メタデータ） (2024-11-03T17:32:00Z) - Trustworthiness in Retrieval-Augmented Generation Systems: A Survey [59.26328612791924]
Retrieval-Augmented Generation (RAG)は、大規模言語モデル(LLM)の開発において、急速に重要なパラダイムへと成長してきた。
本稿では,RAGシステムの信頼性を,事実性,堅牢性,公正性,透明性,説明責任,プライバシの6つの面で評価する統一的な枠組みを提案する。
論文 参考訳（メタデータ） (2024-09-16T09:06:44Z) - Semi-Supervised Multi-Task Learning Based Framework for Power System Security Assessment [0.0]
本稿では,Semi-Supervised Multi-Task Learning (SS-MTL) を用いた,電力系統の動的セキュリティ評価のための新しい機械学習フレームワークを開発する。
提案フレームワークの基盤となる学習アルゴリズムは条件付きマスク付きエンコーダを統合し,マルチタスク学習を用いて特徴表現を分類する。
IEEE 68-busシステムに関する様々な実験を行い,提案手法の有効性を検証した。
論文 参考訳（メタデータ） (2024-07-11T22:42:53Z) - Selective Knowledge Sharing for Privacy-Preserving Federated
Distillation without A Good Teacher [52.2926020848095]
フェデレーション学習は、ホワイトボックス攻撃に脆弱で、異種クライアントへの適応に苦慮している。
本稿では,選択的FD(Selective-FD)と呼ばれるFDのための選択的知識共有機構を提案する。
論文 参考訳（メタデータ） (2023-04-04T12:04:19Z) - Reinforcement Learning from Diverse Human Preferences [68.4294547285359]
本稿では,人選好ラベルをクラウドソーシングし,多様な嗜好から学習する手法を開発した。
提案手法はDMcontrolとMeta-worldの様々なタスクでテストされる。
多様なフィードバックから学ぶと、既存の好みベースのRLアルゴリズムよりも一貫性があり、大幅に改善されている。
論文 参考訳（メタデータ） (2023-01-27T15:18:54Z) - Tailored Uncertainty Estimation for Deep Learning Systems [10.288326973530614]
本稿では,適切な不確実性推定手法の選択を導く枠組みを提案する。
私たちのフレームワークは、この選択を検証し、構造的な弱点を明らかにするための戦略を提供します。
これは、機械学習システムの技術的適切性を示す証拠を必要とする予測された機械学習規則を予想する。
論文 参考訳（メタデータ） (2022-04-29T09:23:07Z) - An Uncertainty-Informed Framework for Trustworthy Fault Diagnosis in
Safety-Critical Applications [1.988145627448243]
深層学習に基づく予後・健康管理(PHM)の信頼性の低さは、安全に重要な資産におけるその適用を妨げる。
本稿では,障害の診断とOODデータセット検出のための不確実性インフォームドフレームワークを提案する。
提案手法は, 安全クリティカルなアプリケーションにおいて, 未知に対処し, 故障診断の信頼性を高める上で特に有利であることを示す。
論文 参考訳（メタデータ） (2021-10-08T21:24:14Z) - Uncertainty as a Form of Transparency: Measuring, Communicating, and
Using Uncertainty [66.17147341354577]
我々は,モデル予測に関連する不確実性を推定し,伝達することにより,相補的な透明性の形式を考えることについて議論する。
モデルの不公平性を緩和し、意思決定を強化し、信頼できるシステムを構築するために不確実性がどのように使われるかを説明する。
この研究は、機械学習、可視化/HCI、デザイン、意思決定、公平性にまたがる文学から引き出された学際的レビューを構成する。
論文 参考訳（メタデータ） (2020-11-15T17:26:14Z) - Providing reliability in Recommender Systems through Bernoulli Matrix
Factorization [63.732639864601914]
本稿では,予測値と信頼性値の両方を提供するためにBernoulli Matrix Factorization (BeMF)を提案する。
BeMFはメモリベースのフィルタリングではなく、モデルベースの協調フィルタリングに作用する。
予測の信頼性が高ければ高いほど、それが間違っているという責任は少なくなる。
論文 参考訳（メタデータ） (2020-06-05T14:24:27Z) - Dirichlet uncertainty wrappers for actionable algorithm accuracy
accountability and auditability [0.5156484100374058]
本研究では,不確実性の尺度を用いて出力予測を充実させるラッパーを提案する。
結果の不確実性に基づいて、より確実な予測を選択する拒絶制度を提唱する。
その結果,ラッパーが計算した不確実性の有効性が示された。
論文 参考訳（メタデータ） (2019-12-29T11:05:47Z)
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。