Fugu-MT 論文翻訳(概要): RUMC: A Rule-based Classifier Inspired by Evolutionary Methods

論文の概要: RUMC: A Rule-based Classifier Inspired by Evolutionary Methods

arxiv url: http://arxiv.org/abs/2412.07885v1
Date: Tue, 10 Dec 2024 19:42:07 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-12 14:04:13.803610
Title: RUMC: A Rule-based Classifier Inspired by Evolutionary Methods
Title（参考訳）: RUMC:進化的手法にヒントを得たルールベースの分類器
Authors: Melvin Mokhtari,
Abstract要約: RUMCは進化的手法に基づく革新的なルール技術を用いて分類精度を向上させる。 OpenMLとUCI Machine Learning Repositoryの40のデータセットを使用したテストでは、RUMCは他の20の有名な分類器を一貫して上回った。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: As the field of data analysis grows rapidly due to the large amounts of data being generated, effective data classification has become increasingly important. This paper introduces the RUle Mutation Classifier (RUMC), which represents a significant improvement over the Rule Aggregation ClassifiER (RACER). RUMC uses innovative rule mutation techniques based on evolutionary methods to improve classification accuracy. In tests with forty datasets from OpenML and the UCI Machine Learning Repository, RUMC consistently outperformed twenty other well-known classifiers, demonstrating its ability to uncover valuable insights from complex data.
Abstract（参考訳）: 大量のデータの生成によってデータ解析の分野が急速に成長するにつれて、効果的なデータ分類がますます重要になっている。本稿ではルール・アグリゲーション・クラシファイア(RACER)よりも大幅に改善されたRUMC(rule Mutation Classifier)を提案する。 RUMCは進化的手法に基づく革新的な規則突然変異技術を用いて分類精度を向上させる。 OpenMLとUCI Machine Learning Repositoryの40のデータセットによるテストでは、RUMCは他の20の有名な分類器を一貫して上回り、複雑なデータから貴重な洞察を明らかにする能力を示した。

関連論文リスト

Retriever-and-Memory: Towards Adaptive Note-Enhanced Retrieval-Augmented Generation [72.70046559930555]
本稿では,複雑なQAタスクに対する適応ノート拡張RAG(Adaptive Note-Enhanced RAG)と呼ばれる汎用RAGアプローチを提案する。具体的には、Adaptive-Noteは、知識の成長に関する包括的な視点を導入し、ノート形式で新しい情報を反復的に収集する。さらに,適切な知識探索を促進するために,適応的な音符ベースの停止探索戦略を用いて,「何を検索し,いつ停止するか」を判断する。
論文参考訳（メタデータ） (2024-10-11T14:03:29Z)
GAMformer: In-Context Learning for Generalized Additive Models [53.08263343627232]
本稿では,1つの前方パスにおけるGAMの形状関数を推定するために,文脈内学習を利用した最初の手法であるGAMformerを紹介する。実験の結果,GAMformerは様々な分類ベンチマークにおいて,他の主要なGAMと同等に動作することがわかった。
論文参考訳（メタデータ） (2024-10-06T17:28:20Z)
Input Data Adaptive Learning (IDAL) for Sub-acute Ischemic Stroke Lesion Segmentation [0.11976120407592658]
本稿では、与えられた入力データに対して最適なトレーニングサンプルを適応的に選択することで、大規模なトレーニングベースから学習する方法を提案する。提案アルゴリズムは,分類精度を大幅に向上させる。
論文参考訳（メタデータ） (2024-03-12T09:11:02Z)
Latent Enhancing AutoEncoder for Occluded Image Classification [2.6217304977339473]
LEARN: Latent Enhancing feature Reconstruction Networkを紹介する。オートエンコーダベースのネットワークで、頭の前に分類モデルに組み込むことができる。 OccludedPASCAL3D+データセットでは、提案されたLEARNが標準分類モデルより優れている。
論文参考訳（メタデータ） (2024-02-10T12:22:31Z)
Extension of Transformational Machine Learning: Classification Problems [0.0]
本研究では、薬物発見における変換機械学習(TML)の適用と性能について検討する。メタ学習アルゴリズムであるTMLは、さまざまなドメインにまたがる共通属性の活用に優れています。薬物発見プロセスは複雑で時間を要するが、予測精度の増大から大きな恩恵を受けることができる。
論文参考訳（メタデータ） (2023-08-07T07:34:18Z)
Boosting Differentiable Causal Discovery via Adaptive Sample Reweighting [62.23057729112182]
異なるスコアに基づく因果探索法は観測データから有向非巡回グラフを学習する。本稿では,Reweighted Score関数ReScoreの適応重みを動的に学習することにより因果発見性能を向上させるためのモデルに依存しないフレームワークを提案する。
論文参考訳（メタデータ） (2023-03-06T14:49:59Z)
Weakly Supervised Change Detection Using Guided Anisotropic Difusion [97.43170678509478]
我々は、このようなデータセットを変更検出の文脈で活用するのに役立つ独自のアイデアを提案する。まず,意味的セグメンテーション結果を改善する誘導異方性拡散(GAD)アルゴリズムを提案する。次に、変化検出に適した2つの弱い教師付き学習戦略の可能性を示す。
論文参考訳（メタデータ） (2021-12-31T10:03:47Z)
Morphological classifiers [0.0]
本研究は,Morphological (MC) と呼ばれる新しいタイプの分類器を提案する。 MCは数学的形態学と教師あり学習の概念を集約する。 MkNN(Morphological k-NN)とMDC(Morphological Dilation)の2種類の形態素分類器が提案されている。
論文参考訳（メタデータ） (2021-12-21T17:35:06Z)
Open-Set Recognition with Gaussian Mixture Variational Autoencoders [91.3247063132127]
推論において、オープンセット分類は、サンプルをトレーニングから既知のクラスに分類するか、未知のクラスとして拒絶するかのどちらかである。我々は,協調的に再構築を学習し,潜在空間におけるクラスベースのクラスタリングを行うよう,我々のモデルを訓練する。我々のモデルは、より正確で堅牢なオープンセット分類結果を実現し、平均的なF1改善率は29.5%である。
論文参考訳（メタデータ） (2020-06-03T01:15:19Z)
New advances in enumerative biclustering algorithms with online partitioning [80.22629846165306]
さらに、数値データセットの列に定数値を持つ最大二クラスタの効率的で完全で正しい非冗長列挙を実現できる二クラスタリングアルゴリズムであるRIn-Close_CVCを拡張した。改良されたアルゴリズムはRIn-Close_CVC3と呼ばれ、RIn-Close_CVCの魅力的な特性を保ちます。
論文参考訳（メタデータ） (2020-03-07T14:54:26Z)
QCBA: Improving Rule Classifiers Learned from Quantitative Data by Recovering Information Lost by Discretisation [5.667821885065119]
本稿では、離散化における損失情報を復元することを目的とした新しいルールチューニング手順と新しいプルーニング手法について述べる。提案したQCBA法は,アソシエーション(CBA)アルゴリズムに基づく分類によって生成されたモデルの定量的属性を後処理するために開発された。 UCIリポジトリの22のデータセットのベンチマークでは、FOIL2+QCBAの7つのベースラインと比較して、サイズが小さく、全体的な最高の予測性能を示している。
論文参考訳（メタデータ） (2017-11-28T08:09:14Z)

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。