論文の概要: On Globular T-Spherical Fuzzy (G-TSF) Sets with Application to G-TSF
Multi-Criteria Group Decision-Making
- arxiv url: http://arxiv.org/abs/2403.07010v1
- Date: Sat, 9 Mar 2024 04:19:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 00:10:59.529420
- Title: On Globular T-Spherical Fuzzy (G-TSF) Sets with Application to G-TSF
Multi-Criteria Group Decision-Making
- Title（参考訳）: 球状T球状ファジィ(G-TSF)集合とG-TSF多重行列群決定法への応用
- Authors: Miin-Shen Yang, Yasir Akhtar, Mehboob Ali
- Abstract要約: 球状T球状ファジィ集合(G-TSF)は、T球状ファジィ集合(TSFS)と円球状ファジィ集合(C-SFS)の革新的な拡張である
G-TSFSは球面/球面境界を用いて会員数、不確定度、非会員数を表す。
- 参考スコア（独自算出の注目度）: 3.2228025627337864
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In this paper, we give the concept of Globular T-Spherical Fuzzy (G-TSF) Sets
(G-TSFSs) as an innovative extension of T-Spherical Fuzzy Sets (TSFSs) and
Circular Spherical Fuzzy Sets (C-SFSs). G-TSFSs represent membership,
indeterminacy, and non-membership degrees using a globular/sphere bound that
can offer a more accurate portrayal of vague, ambiguous, and imprecise
information. By employing a structured representation of data points on a
sphere with a specific center and radius, this model enhances decision-making
processes by enabling a more comprehensive evaluation of objects within a
flexible region. Following the newly defined G-TSFSs, we establish some basic
set operations and introduce fundamental algebraic operations for G-TSF Values
(G-TSFVs). These operations expand the evaluative capabilities of
decision-makers, facilitating more sensitive decision-making processes in a
broader region. To quantify a similarity measure (SM) between GTSFVs, the SM is
defined based on the radius of G-TSFSs. Additionally, Hamming distance and
Euclidean distance are introduced for G-TSFSs. We also present theorems and
examples to elucidate computational mechanisms. Furthermore, we give the G-TSF
Weighted Average (G-TSFWA) and G-TSF Weighted Geometric (G-TSFWG) operators.
Leveraging our proposed SM, a Multi-Criteria Group Decision-Making (MCGDM)
scheme for G-TSFSs, named G-TSF MCGDM (G-TSFMCGDM), is developed to address
group decision-making problems. The applicability and effectiveness of the
proposed G-TSFMCGDM method are demonstrated by applying it to solve the
selection problem of the best venue for professional development training
sessions in a firm. The analysis results affirm the suitability and utility of
the proposed method for resolving MCGDM problems, establishing its
effectiveness in practical decision-making scenarios.
- Abstract（参考訳）: 本稿では,球面ファジィ集合(TSFS)と球面ファジィ集合(C-SFS)の革新的な拡張として,球面ファジィ集合(G-TSF)の概念を提案する。
G-TSFSは、曖昧で曖昧で不正確な情報のより正確な描写を提供する球体/球体境界を用いて、会員、不決定性、非メンバーシップの学位を表す。
このモデルは、特定の中心と半径を持つ球面上のデータポイントの構造化表現を使用することにより、柔軟な領域内のオブジェクトをより包括的に評価することで、意思決定プロセスを強化する。
新たに定義されたG-TSFSに続いて、いくつかの基本集合演算を確立し、G-TSF値(G-TSFV)の基本代数演算を導入する。
これらの操作は意思決定者の評価能力を拡大し、より広い地域でより敏感な意思決定プロセスを促進する。
GTSFV間の類似度測度(SM)を定量化するために、SMはG-TSFSの半径に基づいて定義される。
また、G-TSFSにはハミング距離とユークリッド距離が導入された。
また,計算機構を解明するための定理や例も提示する。
さらに、G-TSF重み付き平均演算子(G-TSFWA)とG-TSF重み付き幾何演算子(G-TSFWG)を与える。
G-TSFSのためのMCGDM(Multi-Criteria Group Decision-Making)方式であるG-TSF MCGDM(G-TSFMCGDM)を開発した。
g-tsfmcgdm法の適用性および有効性は,企業における専門的開発訓練セッションにおける最適な会場の選択問題に適用することにより実証される。
その結果, MCGDM問題の解決法として提案手法の妥当性と有用性を確認し, 実践的な意思決定シナリオにおける有効性を確立した。
関連論文リスト
- Rethinking Clustered Federated Learning in NOMA Enhanced Wireless
Networks [60.09912912343705]
本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。
データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。
非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
論文 参考訳（メタデータ） (2024-03-05T17:49:09Z) - Enhancing ESG Impact Type Identification through Early Fusion and
Multilingual Models [4.97890110201934]
本稿では,アンサンブル学習技術を活用し,早期・後期の融合アプローチを活かした包括的システムを提案する。
提案手法では,mBERT,FrauBERT-base,ALBERT-base-v2,Latent Semantic Analysis (LSA) とTerm Frequency-Inverse Document Frequency (TF-IDF) の4つの異なるモデルを用いている。
LSA、TF-IDF、mBERT、FrauBERT-base、ALBERT-base-v2を統合した初期の融合アンサンブルアプローチは、より広範な実験によって実現されている。
論文 参考訳（メタデータ） (2024-02-16T15:54:24Z) - Benchmarking Algorithms for Federated Domain Generalization [13.712391766235697]
我々は、フェデレーションDGを評価し、フェデレーションラーニング(FL)固有の課題を導入する。
クライアントのローカルデータセットにおけるドメインベースの不均一性 - 現実的なフェデレーションDGシナリオについて検討する。
以上の結果から,Federated DGには若干の進歩はあるものの,大きなパフォーマンスギャップが残っていることが示唆された。
論文 参考訳（メタデータ） (2023-07-11T00:14:45Z) - Generalized Universal Domain Adaptation with Generative Flow Networks [76.1350941965148]
Generalized Universal Domain Adaptationは、未知のカテゴリを含む全てのターゲットラベルの正確な予測を実現することを目的としている。
GUDAはラベル分布シフトベースとラベル空間ミスマッチベースとのギャップを埋める。
本稿では,報酬関数に比例した確率を持つ多種多様なサンプルを選択する,GFlowDAというドメイン適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-05-08T05:34:15Z) - FS-BAN: Born-Again Networks for Domain Generalization Few-Shot
Classification [39.01765909445661]
本研究では,Ban-Again Network (BAN) エピソードトレーニングを提案し,DG-FSCの有効性を包括的に検討した。
DG-FSCのための新しいBANアプローチであるFew-Shot BAN(FS-BAN)を提案する。
提案するFS-BANには,Multual Regularization,Mismatched Teacher,Meta-Control Temperatureという,新しいマルチタスク学習目標が含まれている。
論文 参考訳（メタデータ） (2022-08-23T13:02:14Z) - Multi-Point Integrated Sensing and Communication: Fusion Model and
Functionality Selection [99.67715229413986]
本稿では,複数のISACデバイスからの出力を融合させて高感度化を実現する多点ISAC(MPISAC)システムを提案する。
我々は,仮説テストと最適投票分析により,融合精度を予測する融合モデルを採用する。
論文 参考訳（メタデータ） (2022-08-16T08:09:54Z) - FederatedScope-GNN: Towards a Unified, Comprehensive and Efficient
Package for Federated Graph Learning [65.48760613529033]
フェデレートグラフ学習(FGL)は、その特徴と要求のため、十分にサポートされていない。
まず、使い易いFGLパッケージを作成する際の課題について議論し、実装済みのFederatedScope-GNN(FS-G)を提示する。
我々は,FS-Gの有効性を広範囲な実験によって検証し,同時にコミュニティにとってのFGLに関する貴重な洞察を得る。
論文 参考訳（メタデータ） (2022-04-12T06:48:06Z) - Unified Group Fairness on Federated Learning [22.143427873780404]
フェデレートラーニング(FL)は、グローバルモデルが分散クライアントのプライベートデータに基づいてトレーニングされる、重要な機械学習パラダイムとして登場した。
近年の研究では、顧客間の公平性に焦点が当てられているが、センシティブな属性(例えば、性別や人種)によって形成される異なるグループに対する公正性は無視されている。
本稿では,G-DRFA (Group Distributionally Robust Federated Averaging) と呼ばれる新しいFLアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-11-09T08:21:38Z) - Generalized Few-shot Semantic Segmentation [68.69434831359669]
本稿では,GFS-Seg(Generalized Few-Shot Semantic)と呼ばれる新しいベンチマークを導入する。
GFS-セグにおいて、先行する最先端の一般化が不足していることを示す最初の研究である。
本研究では,1)支援サンプルから共起前の知識を活用すること,2)各クエリ画像の内容に基づいて条件付き情報に動的に拡張することにより,性能を著しく向上するコンテキスト認識型プロトタイプ学習(CAPL)を提案する。
論文 参考訳（メタデータ） (2020-10-11T10:13:21Z) - A Transductive Multi-Head Model for Cross-Domain Few-Shot Learning [72.30054522048553]
本稿では,クロスドメインなFew-Shot学習問題に対処するため,TMHFS(Transductive Multi-Head Few-Shot Learning)を提案する。
提案手法は, 4つの異なる対象領域において, 強いベースライン, 微調整を著しく上回っている。
論文 参考訳（メタデータ） (2020-06-08T02:39:59Z)
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。