Fugu-MT 論文翻訳(概要): Simulation of Random LR Fuzzy Intervals

論文の概要: Simulation of Random LR Fuzzy Intervals

arxiv url: http://arxiv.org/abs/2501.10482v1
Date: Fri, 17 Jan 2025 04:08:57 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-22 14:23:39.591358
Title: Simulation of Random LR Fuzzy Intervals
Title（参考訳）: ランダムLRファジィ間隔のシミュレーション
Authors: Maciej Romaniuk, Abbas Parchami, Przemysław Grzegorzewski,
Abstract要約: ファジィ変数は(ファジィ部分による)不正確さとランダム性のモデリングに結合する。本稿では,別のファジィ数群,すなわち間隔値コアを持つLRファジィ数に対する理論的結果とシミュレーションアルゴリズムについて述べる。
参考スコア（独自算出の注目度）: 1.1470070927586018
License:
Abstract: Random fuzzy variables join the modeling of the impreciseness (due to their ``fuzzy part'') and randomness. Statistical samples of such objects are widely used, and their direct, numerically effective generation is therefore necessary. Usually, these samples consist of triangular or trapezoidal fuzzy numbers. In this paper, we describe theoretical results and simulation algorithms for another family of fuzzy numbers -- LR fuzzy numbers with interval-valued cores. Starting from a simulation perspective on the piecewise linear LR fuzzy numbers with the interval-valued cores, their limiting behavior is then considered. This leads us to the numerically efficient algorithm for simulating a sample consisting of such fuzzy values.
Abstract（参考訳）: ランダムファジィ変数は、不正確さ( `fuzzy part''' による)とランダムさのモデリングに寄与する。このような天体の統計的サンプルは広く使われており、その直接的かつ数値的に有効な生成が必要である。通常、これらのサンプルは三角形または台形ファジィ数からなる。本稿では,別のファジィ数列であるLRファジィ数列に対する理論結果とシミュレーションアルゴリズムについて述べる。分割線形LRファジィ数と間隔値コアとのシミュレーション的視点から、その制限挙動を考察する。これにより、このようなファジィ値からなるサンプルをシミュレーションする数値的効率のよいアルゴリズムが導かれる。

関連論文リスト

Parallel simulation for sampling under isoperimetry and score-based diffusion models [56.39904484784127]
データサイズが大きくなるにつれて、イテレーションコストの削減が重要な目標になります。科学計算における初期値問題の並列シミュレーションの成功に触発されて,タスクをサンプリングするための並列Picard法を提案する。本研究は,動力学に基づくサンプリング・拡散モデルの科学的計算におけるシミュレーション手法の潜在的利点を強調した。
論文参考訳（メタデータ） (2024-12-10T11:50:46Z)
Learning to Simulate: Generative Metamodeling via Quantile Regression [2.0613075946076904]
従来のメタモデリング技術は、シミュレータ入力と単一出力要約統計量の間の関係を学習する。生成メタモデリングという新しい概念を提案する。生成メタモデルは、入力仕様に基づいて多数のランダム出力を高速に生成することができる。
論文参考訳（メタデータ） (2023-11-29T16:46:24Z)
Probabilistic Unrolling: Scalable, Inverse-Free Maximum Likelihood Estimation for Latent Gaussian Models [69.22568644711113]
我々は,モンテカルロサンプリングと反復線形解法を組み合わせた確率的アンローリングを導入し,行列逆転を回避した。理論的解析により,解法の繰り返しによる解法の解法と逆転が最大値推定の勾配推定を高速化することを示した。シミュレーションおよび実データ実験において、確率的アンロールは、モデル性能の損失を最小限に抑えながら、勾配EMよりも桁違いに高速な潜在ガウスモデルを学習することを示した。
論文参考訳（メタデータ） (2023-06-05T21:08:34Z)
Importance sampling for stochastic quantum simulations [68.8204255655161]
我々は、係数に応じてハミルトン式からサンプリングしてランダムな積公式を構築するqDriftプロトコルを導入する。サンプリング段階における個別のシミュレーションコストを考慮し、同じ精度でシミュレーションコストを削減可能であることを示す。格子核効果場理論を用いて数値シミュレーションを行った結果, 実験結果が得られた。
論文参考訳（メタデータ） (2022-12-12T15:06:32Z)
Fast and realistic large-scale structure from machine-learning-augmented random field simulations [0.0]
我々は、予測された対数正規ダークマター密度場をより現実的なダークマターマップに変換するために機械学習モデルを訓練する。本研究では,フィールド分解能,赤方偏移,宇宙論的パラメータの異なる様々な統計的テストと比較したモデルの性能を示す。
論文参考訳（メタデータ） (2022-05-16T18:00:01Z)
Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
まず確率分布をモデル化し,そのモデルからサンプリングする。これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
論文参考訳（メタデータ） (2021-10-20T12:25:22Z)
Local policy search with Bayesian optimization [73.0364959221845]
強化学習は、環境との相互作用によって最適な政策を見つけることを目的としている。局所探索のための政策勾配は、しばしばランダムな摂動から得られる。目的関数の確率モデルとその勾配を用いたアルゴリズムを開発する。
論文参考訳（メタデータ） (2021-06-22T16:07:02Z)
An Embedded Model Estimator for Non-Stationary Random Functions using Multiple Secondary Variables [0.0]
本稿では,本手法を導入し,地理的モデリングや量子ランダムフォレストに適用した結果と自然に類似した一貫性を有することを示す。このアルゴリズムは、各ターゲット位置におけるターゲット変数の条件分布を推定することで機能する。
論文参考訳（メタデータ） (2020-11-09T00:14:24Z)
Global sensitivity analysis for stochastic simulators based on generalized lambda surrogate models [0.0]
グローバル感度分析は、入力変数が計算モデルの応答の変化に与える影響を定量化することを目的としている。しかし、決定論的シミュレータは、(擬)ランダム数を使用するために固有のランダム性を持つ。このランダムな性質のため、グローバルな感度分析に使用される従来のソボの指標は、異なる方法でシミュレータに拡張することができる。
論文参考訳（メタデータ） (2020-05-04T08:03:31Z)
Efficient classical simulation of random shallow 2D quantum circuits [104.50546079040298]
ランダム量子回路は古典的にシミュレートするのは難しいと見なされる。典型例の近似シミュレーションは, 正確なシミュレーションとほぼ同程度に困難であることを示す。また、十分に浅いランダム回路はより一般的に効率的にシミュレーション可能であると推測する。
論文参考訳（メタデータ） (2019-12-31T19:00:00Z)

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。