論文の概要: Hybrid Interval Type-2 Mamdani-TSK Fuzzy System for Regression Analysis
- arxiv url: http://arxiv.org/abs/2510.13437v1
- Date: Wed, 15 Oct 2025 11:35:58 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-16 20:13:28.647285
- Title: Hybrid Interval Type-2 Mamdani-TSK Fuzzy System for Regression Analysis
- Title（参考訳）: 回帰解析のためのハイブリッドインターバルタイプ-2 マンダニ-TSKファジィシステム
- Authors: Ashish Bhatia, Renato Cordeiro de Amorim, Vito De Feo,
- Abstract要約: ファジィシステムは不確実性と不正確性を扱うための代替のフレームワークを提供する。
本稿では,マンダニシステムの解釈可能性とTSKモデルの精度を組み合わせたファジィ回帰法を提案する。
- 参考スコア（独自算出の注目度）: 0.8921166277011344
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Regression analysis is employed to examine and quantify the relationships between input variables and a dependent and continuous output variable. It is widely used for predictive modelling in fields such as finance, healthcare, and engineering. However, traditional methods often struggle with real-world data complexities, including uncertainty and ambiguity. While deep learning approaches excel at capturing complex non-linear relationships, they lack interpretability and risk over-fitting on small datasets. Fuzzy systems provide an alternative framework for handling uncertainty and imprecision, with Mamdani and Takagi-Sugeno-Kang (TSK) systems offering complementary strengths: interpretability versus accuracy. This paper presents a novel fuzzy regression method that combines the interpretability of Mamdani systems with the precision of TSK models. The proposed approach introduces a hybrid rule structure with fuzzy and crisp components and dual dominance types, enhancing both accuracy and explainability. Evaluations on benchmark datasets demonstrate state-of-the-art performance in several cases, with rules maintaining a component similar to traditional Mamdani systems while improving precision through improved rule outputs. This hybrid methodology offers a balanced and versatile tool for predictive modelling, addressing the trade-off between interpretability and accuracy inherent in fuzzy systems. In the 6 datasets tested, the proposed approach gave the best fuzzy methodology score in 4 datasets, out-performed the opaque models in 2 datasets and produced the best overall score in 1 dataset with the improvements in RMSE ranging from 0.4% to 19%.
- Abstract（参考訳）: 回帰分析を用いて、入力変数と依存的かつ連続的な出力変数の関係を調べ定量化する。
金融、医療、工学などの分野における予測モデリングに広く用いられている。
しかし、従来の手法は、不確実性や曖昧さなど、現実世界のデータ複雑さに苦しむことが多い。
ディープラーニングアプローチは複雑な非線形関係のキャプチャに優れていますが、小さなデータセットに過度に適合する解釈可能性やリスクは欠如しています。
ファジィシステムは不確実性と不正確性を扱うための代替フレームワークを提供し、Mamdani と Takagi-Sugeno-Kang (TSK) システムは補完的な強みを提供している。
本稿では,マンダニシステムの解釈可能性とTSKモデルの精度を組み合わせたファジィ回帰法を提案する。
提案手法では,ファジィ・クリップ・コンポーネントと二重支配型を組み合わせたハイブリッド・ルール構造を導入し,精度と説明可能性の両立を図った。
ベンチマークデータセットの評価は、いくつかのケースで最先端のパフォーマンスを示し、ルールは従来のMamdaniシステムに似たコンポーネントを維持しながら、改善されたルール出力による精度を改善している。
このハイブリッド手法は、ファジィシステム固有の解釈可能性と精度のトレードオフに対処する、予測モデリングのためのバランスのとれた多用途ツールを提供する。
テストした6つのデータセットにおいて、提案したアプローチは、4つのデータセットで最良のファジィ方法論スコアを与え、2つのデータセットで不透明なモデルを上回るパフォーマンスを示し、1つのデータセットで最高の総合スコアを生成し、RMSEの改善は0.4%から19%であった。
関連論文リスト
- A Fuzzy Logic-Based Framework for Explainable Machine Learning in Big Data Analytics [0.0]
本稿では,2型ファジィ集合,粒度計算,クラスタリングを組み合わせて,ビッグデータ環境における説明可能性と公平性を高める新しいフレームワークを提案する。
UCI Air Qualityデータセットに適用した場合、このフレームワークはノイズの多いセンサデータの不確実性を効果的に管理し、言語規則を作成し、シルエットスコアとエントロピーを用いて公平さを評価する。
論文 参考訳（メタデータ） (2025-09-29T18:02:31Z) - MAB Optimizer for Estimating Math Question Difficulty via Inverse CV without NLP [3.9566483499208633]
本研究では,強化学習に基づくマルチアーメッドバンド(MAB)フレームワークであるEducands(APME)のパッシブ対策のアプローチを紹介する。
変動の逆係数をリスク調整計量として活用することにより、モデルは適応的評価のための説明可能でスケーラブルなメカニズムを提供する。
論文 参考訳（メタデータ） (2025-08-26T13:23:31Z) - Efficient Federated Learning with Heterogeneous Data and Adaptive Dropout [62.73150122809138]
Federated Learning(FL)は、複数のエッジデバイスを使用したグローバルモデルの協調トレーニングを可能にする、有望な分散機械学習アプローチである。
動的不均一モデルアグリゲーション(FedDH)と適応ドロップアウト(FedAD)の2つの新しい手法を備えたFedDHAD FLフレームワークを提案する。
これら2つの手法を組み合わせることで、FedDHADは精度(最大6.7%)、効率(最大2.02倍高速)、コスト(最大15.0%小型)で最先端のソリューションを大幅に上回っている。
論文 参考訳（メタデータ） (2025-07-14T16:19:00Z) - Exploring Patterns Behind Sports [3.2838877620203935]
本稿では、ARIMAとLSTMを組み合わせたハイブリッドモデルを用いて、時系列予測のための包括的なフレームワークを提案する。
このモデルには埋め込みやPCAといった機能エンジニアリング技術が組み込まれており、生データを低次元の表現に変換する。
論文 参考訳（メタデータ） (2025-02-11T11:51:07Z) - Rule-based Evolving Fuzzy System for Time Series Forecasting: New Perspectives Based on Type-2 Fuzzy Sets Measures Approach [0.0]
実世界のデータは、ランダム性として知られる外部変数と相関できる不確実性や変動を含んでいる。
このタイプのデータを扱う既存の方法の1つは、進化しているファジィシステム(eFS)を使用することである。
ePL-KRLS-FSM+は,ファジィ論理と参加型学習(PL)を組み合わせ,ファジィ集合(FS)へのデータ変換を行うファジィモデリング手法である。
この改善により、データの不確実性をよりよく扱うためのタイプ2ファジィセットの作成と測定が可能になり、より精度の高いカオスデータを予測できるモデルを生成することができる。
論文 参考訳（メタデータ） (2025-02-05T22:27:20Z) - UncertaintyRAG: Span-Level Uncertainty Enhanced Long-Context Modeling for Retrieval-Augmented Generation [93.38604803625294]
IncertaintyRAG, a novel approach for long-context Retrieval-Augmented Generation (RAG)について紹介する。
我々は、SNR(Signal-to-Noise Ratio)ベースのスパン不確実性を用いて、テキストチャンク間の類似性を推定する。
不確かさRAGはLLaMA-2-7Bでベースラインを2.03%上回り、最先端の結果を得る。
論文 参考訳（メタデータ） (2024-10-03T17:39:38Z) - The Risk of Federated Learning to Skew Fine-Tuning Features and
Underperform Out-of-Distribution Robustness [50.52507648690234]
フェデレートされた学習は、微調整された特徴をスキイングし、モデルの堅牢性を損なうリスクがある。
3つのロバスト性指標を導入し、多様なロバストデータセットで実験を行う。
提案手法は,パラメータ効率のよい微調整手法を含む多種多様なシナリオにまたがるロバスト性を著しく向上させる。
論文 参考訳（メタデータ） (2024-01-25T09:18:51Z) - Ensemble Kalman Filtering Meets Gaussian Process SSM for Non-Mean-Field and Online Inference [47.460898983429374]
我々は,非平均場(NMF)変動推定フレームワークにアンサンブルカルマンフィルタ(EnKF)を導入し,潜在状態の後方分布を近似する。
EnKFとGPSSMのこの新しい結婚は、変分分布の学習における広範なパラメータ化の必要性をなくすだけでなく、エビデンスの下限(ELBO)の解釈可能でクローズドな近似を可能にする。
得られたEnKF支援オンラインアルゴリズムは、データ適合精度を確保しつつ、モデル正規化を組み込んで過度適合を緩和し、目的関数を具現化する。
論文 参考訳（メタデータ） (2023-12-10T15:22:30Z) - Uncertainty Estimation Using a Single Deep Deterministic Neural Network [66.26231423824089]
本稿では,1回のフォワードパスで,テスト時に分布データポイントの発見と拒否が可能な決定論的ディープモデルを訓練する手法を提案する。
我々は,新しい損失関数とセントロイド更新方式を用いて,これらをスケールトレーニングし,ソフトマックスモデルの精度に適合させる。
論文 参考訳（メタデータ） (2020-03-04T12:27:36Z)
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。