論文の概要: Improving Fuzzy Rule Classifier with Brain Storm Optimization and Rule Modification

• arxiv url: http://arxiv.org/abs/2410.01413v1
• Date: Wed, 2 Oct 2024 10:48:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-04 21:09:23.724735
• Title: Improving Fuzzy Rule Classifier with Brain Storm Optimization and Rule Modification
• Title（参考訳）: ブレインストーム最適化とルール修正によるファジィルール分類器の改良
• Authors: Yan Huang, Wei Liu, Xiaogang Zang,
• Abstract要約: 本研究では,ブレインストーム最適化(BSO)アルゴリズムを用いて,糖尿病分類の課題を具体的に解決する。 指数モデルが標準BSOアルゴリズムに統合され、糖尿病関連データに特化された規則導出が強化される。 このファジィシステムは、糖尿病データセットを含む分類タスクに適用され、分類精度を大幅に向上させる。
• 参考スコア（独自算出の注目度）: 7.930640482823393
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The expanding complexity and dimensionality in the search space can adversely affect inductive learning in fuzzy rule classifiers, thus impacting the scalability and accuracy of fuzzy systems. This research specifically addresses the challenge of diabetic classification by employing the Brain Storm Optimization (BSO) algorithm to propose a novel fuzzy system that redefines rule generation for this context. An exponential model is integrated into the standard BSO algorithm to enhance rule derivation, tailored specifically for diabetes-related data. The innovative fuzzy system is then applied to classification tasks involving diabetic datasets, demonstrating a substantial improvement in classification accuracy, as evidenced by our experiments.
• Abstract（参考訳）: 探索空間における複雑性と次元性の増大はファジィルール分類器の帰納学習に悪影響を及ぼし、ファジィシステムのスケーラビリティと精度に影響を及ぼす。 本研究では,ブレインストーム最適化(BSO)アルゴリズムを用いて,この文脈におけるルール生成を再定義するファジィシステムを提案することによって,糖尿病分類の課題を具体的に解決する。 指数モデルが標準BSOアルゴリズムに統合され、糖尿病関連データに特化された規則導出が強化される。 このファジィシステムは、糖尿病データセットを含む分類タスクに適用され、我々の実験で証明されたように、分類精度が大幅に向上したことを示す。

関連論文リスト

• Sparse Deep Learning Models with the $\ell_1$ Regularization [6.268040192346312]
  スパースニューラルネットワークはディープラーニングにおいて非常に望ましい。 正規化パラメータの選択が学習ニューラルネットワークのスパーシリティレベルに与える影響について検討する。
  論文  参考訳（メタデータ） (2024-08-05T19:38:45Z)
• Fixed Random Classifier Rearrangement for Continual Learning [0.5439020425819]
  視覚分類のシナリオでは、ニューラルネットワークは新しいタスクを学習した後、必然的に古いタスクの知識を忘れる。 我々はFixed Random Rearrangement (FRCR)という連続学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-02-23T09:43:58Z)
• Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
  本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。 前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。 提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
  論文  参考訳（メタデータ） (2022-05-13T21:09:41Z)
• Initialization Matters: Regularizing Manifold-informed Initialization for Neural Recommendation Systems [47.49065927541129]
  我々は、Laplacian Eigenmapsと呼ばれる、分離データ(LEPORID)に対する人気に基づく正規化を用いた新しいユーザ埋め込み方式を提案する。 LEPORIDは、データ多様体上のマルチスケール近傍構造に関する情報を埋め込みに付与し、データ分布の尾に高い埋め込み分散を補う適応正規化を行う。 我々は、LEPORIDを持つ既存のニューラルネットワークが、KNNと同等かそれ以上に動作することを示す。
  論文  参考訳（メタデータ） (2021-06-09T11:26:18Z)
• Risk Bounds for Over-parameterized Maximum Margin Classification on Sub-Gaussian Mixtures [100.55816326422773]
  線形分類問題に対する最大マージン分類器の現象について検討する。 その結果、良性的なオーバーフィットが起きる条件を正確に特徴づけます。
  論文  参考訳（メタデータ） (2021-04-28T08:25:16Z)
• CASTLE: Regularization via Auxiliary Causal Graph Discovery [89.74800176981842]
  因果構造学習(CASTLE)の正規化を導入し,変数間の因果関係を共同学習することでニューラルネットワークの正規化を提案する。 CASTLEは因果的隣り合いを持つ因果的DAGの特徴のみを効率的に再構成する一方、再構成ベース正規化器は全ての入力特徴を過度に再構成する。
  論文  参考訳（メタデータ） (2020-09-28T09:49:38Z)
• AdaS: Adaptive Scheduling of Stochastic Gradients [50.80697760166045]
  我々は、textit "knowledge gain" と textit "mapping condition" の概念を導入し、Adaptive Scheduling (AdaS) と呼ばれる新しいアルゴリズムを提案する。 実験によると、AdaSは派生した指標を用いて、既存の適応学習手法よりも高速な収束と優れた一般化、そして(b)いつトレーニングを中止するかを決定するための検証セットへの依存の欠如を示す。
  論文  参考訳（メタデータ） (2020-06-11T16:36:31Z)
• Data-Driven Robust Control Using Reinforcement Learning [0.0]
  本稿では,部分未知の力学系を制御するために強化学習を用いた頑健な制御設計法を提案する。 データから学習することで、クローズドループシステムの安定性を保証するアクションが提案される。 1型糖尿病患者に対する血糖モデルを用いたシミュレーションにより, コントロールが評価された。
  論文  参考訳（メタデータ） (2020-04-16T14:57:15Z)
• Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant Disease Diagnosis [64.82680813427054]
  植物病は食料安全保障と作物生産に対する主要な脅威の1つである。 1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。 本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-17T09:51:30Z)
• An improved online learning algorithm for general fuzzy min-max neural network [11.631815277762257]
  本稿では,一般ファジィmin-maxニューラルネット(GFMM)のための現在のオンライン学習アルゴリズムの改良版を提案する。 提案手法では、重なり合うハイパーボックスの収縮過程は使用せず、エラー率を増大させる可能性が高い。 オンライン学習アルゴリズムでは,トレーニングサンプルの提示順序に対する感度を低減するために,簡単なアンサンブル法を提案する。
  論文  参考訳（メタデータ） (2020-01-08T06:24:40Z)

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。