Fugu-MT 論文翻訳(概要): Reducing fuzzy relation equations via concept lattices

論文の概要: Reducing fuzzy relation equations via concept lattices

arxiv url: http://arxiv.org/abs/2410.05728v1
Date: Tue, 8 Oct 2024 06:47:35 GMT
ステータス: 処理完了
システム内更新日: 2024-11-01 13:19:50.152236
Title: Reducing fuzzy relation equations via concept lattices
Title（参考訳）: 概念格子によるファジィ関係方程式の低減
Authors: David Lobo, Víctor López-Marchante, Jesús Medina,
Abstract要約: 本稿では,情報を失うことなくファジィ関係式(FRE)を削減する手法を提案する。プロパティ指向およびオブジェクト指向の概念格子における属性還元理論は、冗長方程式を検出するメカニズムを示すために検討されている。また,不確かさ/不正確なデータを含む(実)データセットに関連する,解けないFREの近似解を計算するための新しい手法を提案する。
参考スコア（独自算出の注目度）: 0.5735035463793009
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This paper has taken into advantage the relationship between Fuzzy Relation Equations (FRE) and Concept Lattices in order to introduce a procedure to reduce a FRE, without losing information. Specifically, attribute reduction theory in property-oriented and object-oriented concept lattices has been considered in order to present a mechanism for detecting redundant equations. As a first consequence, the computation of the whole solution set of a solvable FRE is reduced. Moreover, we will also introduce a novel method for computing approximate solutions of unsolvable FRE related to a (real) dataset with uncertainty/imprecision data.
Abstract（参考訳）: 本稿では,ファジィ関係式(FRE)と概念格子の関係を利用して,情報を失うことなくFREを減らす手法を提案する。具体的には、プロパティ指向およびオブジェクト指向の概念格子における属性還元理論を、冗長方程式を検出するメカニズムを示すために検討した。第一に、解答可能なFREの解集合全体の計算を小さくする。さらに,不確かさ/不正確なデータを含む(実)データセットに関連する未解決FREの近似解の計算方法についても紹介する。

関連論文リスト

Exact and approximate error bounds for physics-informed neural networks [1.236974227340167]
非線形一階ODEの物理インフォームドニューラルネットワーク(PINN)の誤差境界計算における重要な進歩を報告する。 PINN法が非線形一階ODEに対して提供する解の誤差を記述する一般表現を与える。本稿では,一般の場合の近似境界と特定の場合の正確な境界を計算する手法を提案する。
論文参考訳（メタデータ） (2024-11-21T05:15:28Z)
Alternating Minimization Schemes for Computing Rate-Distortion-Perception Functions with $f$-Divergence Perception Constraints [10.564071872770146]
離散メモリレスソースに対するRDPF(Ralse-Distortion-Perception Function)の計算について検討した。最適パラメトリック解を特徴付ける。歪みと知覚制約について十分な条件を提供する。
論文参考訳（メタデータ） (2024-08-27T12:50:12Z)
Total Uncertainty Quantification in Inverse PDE Solutions Obtained with Reduced-Order Deep Learning Surrogate Models [50.90868087591973]
機械学習サロゲートモデルを用いて得られた逆PDE解の総不確かさを近似したベイズ近似法を提案する。非線型拡散方程式に対する反復的アンサンブルスムーズおよび深層アンサンブル法との比較により,提案手法を検証した。
論文参考訳（メタデータ） (2024-08-20T19:06:02Z)
Convex Q Learning in a Stochastic Environment: Extended Version [1.680268810119084]
本稿では,関数近似を用いたマルコフ決定過程に対する凸Q-ラーニングの最初の定式化について紹介する。提案アルゴリズムは収束し, 平均二乗感覚における収束率を求める新しい手法が導入された。この理論は古典的な在庫管理問題への応用として説明されている。
論文参考訳（メタデータ） (2023-09-10T18:24:43Z)
Comparison of Single- and Multi- Objective Optimization Quality for Evolutionary Equation Discovery [77.34726150561087]
進化的微分方程式の発見は、より優先順位の低い方程式を得るための道具であることが証明された。提案した比較手法は、バーガーズ方程式、波動方程式、コルテヴェーグ・ド・ブリーズ方程式といった古典的なモデル例で示される。
論文参考訳（メタデータ） (2023-06-29T15:37:19Z)
About optimal loss function for training physics-informed neural networks under respecting causality [0.0]
物理インフォームドニューラルネットワーク(PINN)手法に修正問題を用いることの利点は、微分方程式に関連付けられた単一の項の形で損失関数を表現できることである。提案手法の精度を実証し,多くの問題に対して数値実験を行った。
論文参考訳（メタデータ） (2023-04-05T08:10:40Z)
Algorithm for Constrained Markov Decision Process with Linear Convergence [55.41644538483948]
エージェントは、そのコストに対する複数の制約により、期待される累積割引報酬を最大化することを目的としている。エントロピー正規化ポリシーとベイダの二重化という2つの要素を統合した新しい双対アプローチが提案されている。提案手法は(線形速度で)大域的最適値に収束することが示されている。
論文参考訳（メタデータ） (2022-06-03T16:26:38Z)
Lagrangian dual framework for conservative neural network solutions of kinetic equations [2.741266294612776]
物理保存法則を表す制約付き制約付き最適化問題として学習問題を定式化する。学習問題の制約として解の物理的保存性を付与することにより、解のより正確な近似をより正確に示す。
論文参考訳（メタデータ） (2021-06-23T04:01:04Z)
Leveraging Unlabeled Data for Entity-Relation Extraction through Probabilistic Constraint Satisfaction [54.06292969184476]
シンボリックドメイン知識の存在下でのエンティティ関係抽出の問題を研究する。本手法では,論理文の正確な意味を捉える意味的損失を用いる。低データ体制に焦点をあてて、セマンティックな損失がベースラインをはるかに上回ることを示す。
論文参考訳（メタデータ） (2021-03-20T00:16:29Z)
Conditional gradient methods for stochastically constrained convex minimization [54.53786593679331]
構造凸最適化問題に対する条件勾配に基づく2つの新しい解法を提案する。私たちのフレームワークの最も重要な特徴は、各イテレーションで制約のサブセットだけが処理されることです。提案アルゴリズムは, 条件勾配のステップとともに, 分散の低減と平滑化に頼り, 厳密な収束保証を伴っている。
論文参考訳（メタデータ） (2020-07-07T21:26:35Z)
Differentiable Causal Discovery from Interventional Data [141.41931444927184]
本稿では、介入データを活用可能なニューラルネットワークに基づく理論的基盤化手法を提案する。提案手法は,様々な環境下での美術品の状態と良好に比較できることを示す。
論文参考訳（メタデータ） (2020-07-03T15:19:17Z)

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。