論文の概要: xFODE+: Explainable Type-2 Fuzzy Additive ODEs for Uncertainty Quantification

• arxiv url: http://arxiv.org/abs/2604.14880v1
• Date: Thu, 16 Apr 2026 11:16:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.861468
• Title: xFODE+: Explainable Type-2 Fuzzy Additive ODEs for Uncertainty Quantification
• Title（参考訳）: xFODE+:不確実性定量化のための説明可能なタイプ2ファジィ付加型ODE
• Authors: Ertugrul Kececi, Tufan Kumbasar,
• Abstract要約: 本稿では,解釈可能なSysIDモデルであるUQ (xFODE+) 用の Explainable Type-2 Fuzzy Additive ODE を紹介する。 xFODE+は、物理的に意味のあるインクリメンタル状態を維持しながら、ポイント予測と並行してPIを生成する。 ベンチマークSysIDデータセットの結果、xFODE+はPIの品質でFODEと一致し、同等の精度を実現している。
• 参考スコア（独自算出の注目度）: 6.5745172279769255
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in Deep Learning (DL) have boosted data-driven System Identification (SysID), but reliable use requires Uncertainty Quantification (UQ) alongside accurate predictions. Although UQ-capable models such as Fuzzy ODE (FODE) can produce Prediction Intervals (PIs), they offer limited interpretability. We introduce Explainable Type-2 Fuzzy Additive ODEs for UQ (xFODE+), an interpretable SysID model which produces PIs alongside point predictions while retaining physically meaningful incremental states. xFODE+ implements each fuzzy additive model with Interval Type-2 Fuzzy Logic Systems (IT2-FLSs) and constraints membership functions to the activation of two neighboring rules, limiting overlap and keeping inference locally transparent. The type-reduced sets produced by the IT2-FLSs are aggregated to construct the state update together with the PIs. The model is trained in a DL framework via a composite loss that jointly optimizes prediction accuracy and PI quality. Results on benchmark SysID datasets show that xFODE+ matches FODE in PI quality and achieves comparable accuracy, while providing interpretability.
• Abstract（参考訳）: 近年のディープラーニング(DL)の進歩により、データ駆動型システム同定(SysID)が向上しているが、信頼性の高い利用には正確な予測とともに不確実性定量化(UQ)が必要である。 Fuzzy ODE(FODE)のようなUQ対応モデルは予測インターバル(PI)を生成することができるが、限定的な解釈性を提供する。 UQ(xFODE+)のための説明可能なType-2 Fuzzy Additive ODEを導入し、物理的に意味のあるインクリメンタル状態を維持しつつ、点予測とともにPIを生成する解釈可能なSysIDモデルを提案する。 xFODE+は、Interval Type-2 Fuzzy Logic Systems (IT2-FLSs) で各ファジィ加算モデルを実装し、隣り合う2つのルールのアクティベーションにメンバーシップ関数を制約し、オーバーラップを制限し、推論を局所的に透明にする。 IT2-FLSによって生成された型再現セットを集約して、PIとともに状態更新を構築する。 このモデルは、予測精度とPI品質を共同で最適化する複合損失により、DLフレームワークでトレーニングされる。 ベンチマークSysIDデータセットの結果、xFODE+はPIの品質でFODEと一致し、解釈性を提供しながら、同等の精度を実現している。

関連論文リスト

• xFODE: An Explainable Fuzzy Additive ODE Framework for System Identification [6.5745172279769255]
  本稿では,Deep Learning (DL) トレーニングを統合した解釈可能なSysIDフレームワークである Explainable FODE (xFODE) を提案する。 xFODEでは、状態に物理的な意味を与えるために、段階的に状態を定義する。 分割戦略 (PSs) が開発され, ファジィ付加モデルと説明可能性の訓練が可能となった。
  論文  参考訳（メタデータ） (2026-04-16T11:19:54Z)
• Which Layer Causes Distribution Deviation? Entropy-Guided Adaptive Pruning for Diffusion and Flow Models [77.55829017952728]
  EntPrunerは、拡散およびフローモデルのためのエントロピー誘導自動プログレッシブプルーニングフレームワークである。 DiTモデルとSiTモデルの実験はEntPrunerの有効性を示し、最大2.22$times$推論スピードアップを達成する。
  論文  参考訳（メタデータ） (2025-11-26T07:20:48Z)
• You only need 4 extra tokens: Synergistic Test-time Adaptation for LLMs [50.54173262572369]
  大規模言語モデル (LLM) は、金融、医療、農業などの専門分野にますます導入されている。 本稿では,言語モデルに対するラベルフリーテスト時適応について検討し,追加の監督なしにモデルをオンザフライで適応する推論時フレームワークであるSyTTAについて述べる。
  論文  参考訳（メタデータ） (2025-10-11T14:00:39Z)
• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• 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)
• Path-minimizing Latent ODEs for improved extrapolation and inference [0.0]
  潜在ODEモデルは動的システムの柔軟な記述を提供するが、外挿と複雑な非線形力学の予測に苦労することがある。 本稿では、時間に依存しない潜在表現を奨励することで、この二分法を利用する。 遅延空間における一般的な変分ペナルティを各システムのパス長の$ell$ペナルティに置き換えることで、モデルは異なる構成のシステムと容易に区別できるデータ表現を学ぶ。 これにより、GRU、RNN、LSTM/デコーダによるベースラインODEモデルと比較して、より高速なトレーニング、より小さなモデル、より正確で長時間の外挿が可能となる。
  論文  参考訳（メタデータ） (2024-10-11T15:50:01Z)
• VeriFlow: Modeling Distributions for Neural Network Verification [3.510536859655114]
  フォーマル検証は、ニューラルネットワークの安全性と信頼性を保証するための有望な方法として登場した。 本稿では,検証手法が関心のあるデータ分布に限定できるように,フローベース密度モデルとしてVeriFlowアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-06-20T12:41:39Z)
• Distributional Inclusion Hypothesis and Quantifications: Probing for Hypernymy in Functional Distributional Semantics [50.363809539842386]
  関数分布意味論(FDS)は、真理条件関数による単語の意味をモデル化する。 FDSモデルは分布包含仮説(DIH)に厳格に従う制限されたコーパスのクラスでハイパーネミーを学ぶことを示す。
  論文  参考訳（メタデータ） (2023-09-15T11:28:52Z)
• Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
  複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。 このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。 複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-01T09:52:31Z)
• Exponentially Weighted l_2 Regularization Strategy in Constructing Reinforced Second-order Fuzzy Rule-based Model [72.57056258027336]
  従来の高木スゲノカン(TSK)型ファジィモデルでは、定数あるいは線形関数がファジィ規則の連続部分として使用されるのが普通である。 調和解析で遭遇する重み関数理論にインスパイアされた指数重みアプローチを導入する。
  論文  参考訳（メタデータ） (2020-07-02T15:42:15Z)

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。