論文の概要: Evaluating Evidential Reliability In Pattern Recognition Based On Intuitionistic Fuzzy Sets

• arxiv url: http://arxiv.org/abs/2411.00848v1
• Date: Wed, 30 Oct 2024 08:05:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:47:44.877739
• Title: Evaluating Evidential Reliability In Pattern Recognition Based On Intuitionistic Fuzzy Sets
• Title（参考訳）: 直観的ファジィ集合に基づくパターン認識における証拠信頼性の評価
• Authors: Juntao Xu, Tianxiang Zhan, Yong Deng,
• Abstract要約: ファジィ信頼性指数(FRI)と呼ばれる証拠源の信頼性を定量化するアルゴリズムを提案する。 FRIアルゴリズムは、IFSから派生した決定量化規則に基づいており、決定を正し、これらの貢献から明らかな信頼性を導き出すために異なるBPAの貢献を定義する。 提案手法は,証拠資料の信頼性評価の合理性を効果的に向上し,複雑なシナリオにおける分類決定問題に特に適している。
• 参考スコア（独自算出の注目度）: 9.542461785588925
• License:
• Abstract: Determining the reliability of evidence sources is a crucial topic in Dempster-Shafer theory (DST). Previous approaches have addressed high conflicts between evidence sources using discounting methods, but these methods may not ensure the high efficiency of classification models. In this paper, we consider the combination of DS theory and Intuitionistic Fuzzy Sets (IFS) and propose an algorithm for quantifying the reliability of evidence sources, called Fuzzy Reliability Index (FRI). The FRI algorithm is based on decision quantification rules derived from IFS, defining the contribution of different BPAs to correct decisions and deriving the evidential reliability from these contributions. The proposed method effectively enhances the rationality of reliability estimation for evidence sources, making it particularly suitable for classification decision problems in complex scenarios. Subsequent comparisons with DST-based algorithms and classical machine learning algorithms demonstrate the superiority and generalizability of the FRI algorithm. The FRI algorithm provides a new perspective for future decision probability conversion and reliability analysis of evidence sources.
• Abstract（参考訳）: 証拠源の信頼性を決定することは、デンプスター・シェーファー理論(DST)において重要なトピックである。 従来の手法では,ディスカウント手法を用いた証拠源間の高効率な衝突に対処してきたが,これらの手法は分類モデルの高効率性を保証するには至らなかった。 本稿では,DS理論と直観的ファジィ集合(IFS)の組み合わせを考察し,ファジィ信頼性指数(FRI)と呼ばれるエビデンスソースの信頼性を定量化するアルゴリズムを提案する。 FRIアルゴリズムは、IFSから派生した決定量化規則に基づいており、決定を正し、これらの貢献から明らかな信頼性を導き出すために異なるBPAの貢献を定義する。 提案手法は,証拠資料の信頼性評価の合理性を効果的に向上し,複雑なシナリオにおける分類決定問題に特に適している。 その後のDSTベースのアルゴリズムと古典的機械学習アルゴリズムとの比較により、FRIアルゴリズムの優位性と一般化性を示す。 FRIアルゴリズムは将来の決定確率変換とエビデンスソースの信頼性解析の新しい視点を提供する。

関連論文リスト

• Reliability Assessment of Information Sources Based on Random Permutation Set [9.542461785588925]
  パターン認識では、不確実性への対処は意思決定と分類精度に大きな影響を及ぼす重要な課題である。 ランダム置換集合 (RPS) と Dempster-Shafer Theory (DST) の間の置換次数に基づく変換方法の欠如 本稿では, RPS に適した RPS 変換手法と確率変換手法を提案する。
  論文  参考訳（メタデータ） (2024-10-30T07:40:35Z)
• Likelihood Ratio Confidence Sets for Sequential Decision Making [51.66638486226482]
  確率に基づく推論の原理を再検討し、確率比を用いて妥当な信頼シーケンスを構築することを提案する。 本手法は, 精度の高い問題に特に適している。 提案手法は,オンライン凸最適化への接続に光を当てることにより,推定器の最適シーケンスを確実に選択する方法を示す。
  論文  参考訳（メタデータ） (2023-11-08T00:10:21Z)
• PICProp: Physics-Informed Confidence Propagation for Uncertainty Quantification [30.66285259412019]
  本稿では, 決定論的偏微分方程式の信頼区間推定を新しい問題として導入し, 研究する。 つまり、データロケーションからドメイン全体への信頼性を、確率的な保証を持って、CI形式で広めるのです。 重大な仮定を行なわずに有効なCIを計算するための2レベル最適化に基づくPICPropと呼ばれる手法を提案する。
  論文  参考訳（メタデータ） (2023-10-10T18:24:50Z)
• MAntRA: A framework for model agnostic reliability analysis [0.0]
  時間依存型信頼性解析のための新しいモデルデータ駆動型信頼性解析フレームワークを提案する。 提案手法は、解釈可能な機械学習、ベイズ統計、動的方程式の同定を組み合わせたものである。 以上の結果から,提案手法の信頼性評価への応用の可能性が示唆された。
  論文  参考訳（メタデータ） (2022-12-13T00:57:09Z)
• Validation Diagnostics for SBI algorithms based on Normalizing Flows [55.41644538483948]
  本研究は,NFに基づく多次元条件(後)密度推定器の検証診断を容易にすることを提案する。 また、局所的な一貫性の結果に基づいた理論的保証も提供する。 この作業は、より良い特定モデルの設計を支援したり、新しいSBIアルゴリズムの開発を促進するのに役立つだろう。
  論文  参考訳（メタデータ） (2022-11-17T15:48:06Z)
• Semi-Blind Source Separation with Learned Constraints [1.2891210250935146]
  ブラインドソース分離 (BSS) アルゴリズムは、ハイパースペクトルデータ解析のための教師なしの手法である。 本稿では,予測された最小二乗アルゴリズムと学習に基づく正規化スキームを組み合わせた半教師付きソース分離手法について検討する。 これにより、物理的に解釈可能な解を提供する精度が向上し、革新的なBSSアルゴリズムが実現できることが示される。
  論文  参考訳（メタデータ） (2022-09-27T17:58:23Z)
• A Generalizable Model-and-Data Driven Approach for Open-Set RFF Authentication [74.63333951647581]
  高周波指紋(RFF)は、低コストな物理層認証を実現するための有望な解決策である。 RFF抽出と識別のために機械学習に基づく手法が提案されている。 生受信信号からRFFを抽出するエンド・ツー・エンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:59:37Z)
• Probabilistic robust linear quadratic regulators with Gaussian processes [73.0364959221845]
  ガウス過程(GP)のような確率モデルは、制御設計に続く使用のためのデータから未知の動的システムを学ぶための強力なツールです。 本稿では、確率的安定性マージンに関して堅牢なコントローラを生成する線形化GPダイナミクスのための新しいコントローラ合成について述べる。
  論文  参考訳（メタデータ） (2021-05-17T08:36:18Z)
• 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)
• Stochastic-Sign SGD for Federated Learning with Theoretical Guarantees [49.91477656517431]
  量子化に基づく解法は、フェデレートラーニング(FL)において広く採用されている。 上記のプロパティをすべて享受する既存のメソッドはありません。 本稿では,SIGNSGDに基づく直感的かつ理論的に簡易な手法を提案し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2020-02-25T15:12:15Z)

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。