論文の概要: Interval-valued q-rung orthopair fuzzy Weber operator and its group decision-making application
- arxiv url: http://arxiv.org/abs/2410.19752v1
- Date: Fri, 11 Oct 2024 02:24:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-03 08:19:43.121037
- Title: Interval-valued q-rung orthopair fuzzy Weber operator and its group decision-making application
- Title（参考訳）: インターバル値q-rung整形ファジィウェーバー演算子とその群決定への応用
- Authors: Benting Wana, Zhuocheng Wua, Mengjie Hanb, Minjun Wana,
- Abstract要約: 間隔値q-rung整形ファジィ集合(IVq-ROFS)に基づくSwingに基づく多属性群決定法(MAGDM)を開発した。
我々は,IVq-ROFWOWA演算子とSwingアルゴリズムを用いて,学生の学習効率を評価するMAGDM法を開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The evaluation of learning effectiveness requires the integration of objective test results and analysis of uncertain subjective evaluations. Fuzzy theory methods are suitable for handling fuzzy information and uncertainty to obtain comprehensive and accurate evaluation results. In this paper, we develop a Swing-based multi-attribute group decision-making (MAGDM) method under interval-valued q-rung orthopair fuzzy sets (IVq-ROFSs). Firstly, an extended interval-valued q rung orthopair Weber ordered weighted average (IVq-ROFWOWA) operator is introduced. Then the attribute weights deriving method is designed by using the optimized Swing algorithm. Furthermore, we develop a MAGDM method for evaluating students' learning effectiveness using the IVq-ROFWOWA operator and the Swing algorithm. Finally, a case of evaluating students' learning effectiveness is illustrated by using the proposed MAGDM method. The implementing results demonstrate that the proposed MAGDM method is feasible and effective, and the Swing algorithm enhances better differentiation in ranking alternatives compared to other methods.
- Abstract（参考訳）: 学習効率の評価には客観的なテスト結果の統合と不確実な主観的評価の分析が必要である。
ファジィ理論法はファジィ情報と不確実性を扱うのに適しており、包括的かつ正確な評価結果が得られる。
本稿では,間隔値付きq-rung整形ファジィ集合(IVq-ROFS)に基づくSwingに基づく多属性群決定法(MAGDM)を提案する。
まず、延長間隔値のqrungorpair Weber順序重み付き平均(IVq-ROFWOWA)演算子を導入する。
次に、最適化Swingアルゴリズムを用いて属性重み付け法を設計する。
さらに,IVq-ROFWOWA演算子とSwingアルゴリズムを用いて,学生の学習効果を評価するMAGDM法を開発した。
最後に,提案手法を用いて学生の学習効果を評価する。
提案手法は,提案手法が有効かつ有効であることを示し,Swingアルゴリズムは,他の手法と比較して,ランク付け方法の差別化を向上する。
関連論文リスト
- Adaptive multiple optimal learning factors for neural network training [0.0]
提案した適応多重最適学習因子(AMOLF)アルゴリズムは,乗算毎の誤差変化に基づいて動的に学習因子数を調整する。
この論文は、目的関数の曲率に基づいて重みをグループ化する手法や、大きなヘッセン行列を圧縮する手法も導入している。
論文 参考訳（メタデータ） (2024-06-04T21:18:24Z) - Querying Easily Flip-flopped Samples for Deep Active Learning [63.62397322172216]
アクティブラーニング(英: Active Learning)は、ラベルのないデータを戦略的に選択してクエリすることで、モデルの性能を向上させることを目的とした機械学習パラダイムである。
効果的な選択戦略の1つはモデルの予測の不確実性に基づくもので、サンプルがどの程度情報的であるかの尺度として解釈できる。
本稿では,予測されたラベルの不一致の最小確率として,最小不一致距離(LDM)を提案する。
論文 参考訳（メタデータ） (2024-01-18T08:12:23Z) - MFABA: A More Faithful and Accelerated Boundary-based Attribution Method
for Deep Neural Networks [69.28125286491502]
我々は,公理に固執する帰属アルゴリズムであるMFABAを紹介する。
結果は、最先端の属性アルゴリズムよりも101.5142倍高速に達成することで、その優位性を証明している。
論文 参考訳（メタデータ） (2023-12-21T07:48:15Z) - Bandit-Driven Batch Selection for Robust Learning under Label Noise [20.202806541218944]
本稿では,SGD(Gradient Descent)トレーニングにおけるバッチ選択のための新しい手法を提案する。
本手法は,ラベルノイズの存在下での学習過程の最適化に重点を置いている。
論文 参考訳（メタデータ） (2023-10-31T19:19:01Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - A integrating critic-waspas group decision making method under
interval-valued q-rung orthogonal fuzzy enviroment [0.0]
本稿では,重みと属性の重みが未知な多属性群意思決定のための新しいツールを提案する。
本稿では,Yager演算子とCRITIC-WASPAS法に基づいて,時間間隔値の一般化されたファジィ群決定法を提案する。
その利点は、意思決定者がより大きな自由を許容し、意思決定者の重みによる偏見を回避し、正確な評価を得ることにある。
論文 参考訳（メタデータ） (2022-01-04T08:11:28Z) - Unsupervised feature selection via self-paced learning and low-redundant
regularization [6.083524716031565]
自己評価学習とサブスペース学習の枠組みを統合することにより,教師なしの特徴選択を提案する。
この手法の収束性は理論的および実験的に証明される。
実験の結果,提案手法はクラスタリング法の性能を向上し,他の比較アルゴリズムよりも優れていることがわかった。
論文 参考訳（メタデータ） (2021-12-14T08:28:19Z) - DEALIO: Data-Efficient Adversarial Learning for Imitation from
Observation [57.358212277226315]
観察ifoからの模倣学習において、学習エージェントは、実演者の生成した制御信号にアクセスせずに、実演行動の観察のみを用いて実演エージェントを模倣しようとする。
近年、逆模倣学習に基づく手法は、ifO問題に対する最先端のパフォーマンスをもたらすが、データ非効率でモデルなしの強化学習アルゴリズムに依存するため、サンプルの複雑さに悩まされることが多い。
この問題は、サンプルの収集が時間、エネルギー、およびリスクの面で高いコストを被る可能性がある現実世界の設定に展開することは非現実的です。
よりデータ効率の高いifOアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-31T23:46:32Z) - Logistic Q-Learning [87.00813469969167]
MDPにおける最適制御の正規化線形プログラミング定式化から導いた新しい強化学習アルゴリズムを提案する。
提案アルゴリズムの主な特徴は,広範に使用されているベルマン誤差の代わりとして理論的に音声として機能する,政策評価のための凸損失関数である。
論文 参考訳（メタデータ） (2020-10-21T17:14:31Z) - Adaptive Gradient Method with Resilience and Momentum [120.83046824742455]
レジリエンスとモメンタム(AdaRem)を用いた適応勾配法を提案する。
AdaRemは、過去の1つのパラメータの変化方向が現在の勾配の方向と一致しているかどうかに応じてパラメータワイズ学習率を調整する。
本手法は,学習速度とテスト誤差の観点から,従来の適応学習率に基づくアルゴリズムよりも優れていた。
論文 参考訳（メタデータ） (2020-10-21T14:49:00Z) - MM-KTD: Multiple Model Kalman Temporal Differences for Reinforcement
Learning [36.14516028564416]
本稿では、最適制御ポリシーを学習するための革新的マルチモデルカルマン時間差分(MM-KTD)フレームワークを提案する。
システムのサンプリング効率を高めるために,能動的学習法を提案する。
実験の結果, MM-KTDフレームワークは最先端のフレームワークに比べて優れていた。
論文 参考訳（メタデータ） (2020-05-30T06:39:55Z)
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。