論文の概要: Evidential Information Fusion on Possibilistic Structure

• arxiv url: http://arxiv.org/abs/2605.17038v1
• Date: Sat, 16 May 2026 15:18:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.509105
• Title: Evidential Information Fusion on Possibilistic Structure
• Title（参考訳）: 可能性構造に関する証拠情報融合
• Authors: Qianli Zhou, Ye Cui, Zhen Li, Witold Pedrycz, Yong Deng,
• Abstract要約: パワーセット上で定義された信念関数と確率的構造の間の可逆変換を提案する。 次に、三角形ノルムファミリーを導入し、汎用的で適応的な情報融合フレームワークを開発する。 Dempsterのセマンティクスに根ざした融合メソッドとは異なり、提案するフレームワークはより柔軟な組み合わせ動作をサポートしている。
• 参考スコア（独自算出の注目度）: 53.34037686489798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dempster's rule is a fundamental tool for combining belief functions from distinct and reliable sources. However, its intersection-based semantics imposes strong structural restrictions, which limits its flexibility in handling complex source states and diverse information fusion scenarios. To overcome this limitation, we propose a reversible transformation, derived from the isopignistic principle, between belief functions and a possibilistic structure defined on the power set. In this transformation, the relationships among subsets are explicitly characterized by a belief evolution network, which provides a more flexible representation of evidential information beyond the conventional mass function structure. On this basis, we further introduce the triangular norm family to develop a general and adaptive evidential information fusion framework. Unlike fusion methods rooted in Dempster semantics, the proposed framework supports more flexible combination behaviors and exhibits advantages in non-distinct source fusion, conflict management, parametric combination design, and heterogeneous information fusion.
• Abstract（参考訳）: デンプスターの法則は、異なる情報源と信頼できる情報源の信念関数を組み合わせるための基本的な道具である。 しかし、その交差に基づくセマンティクスは強い構造的制約を課し、複雑なソース状態や多様な情報融合シナリオを扱う際の柔軟性を制限している。 この制限を克服するために、我々は、信念関数とパワーセット上で定義された確率的構造の間の同義性原理から導かれる可逆変換を提案する。 この変換では、サブセット間の関係は、従来の質量関数構造を超えて、より柔軟な顕在情報の表現を提供する信念進化ネットワークによって明確に特徴づけられる。 そこで本研究では,三角標準系をさらに導入して,汎用的で適応的な情報融合フレームワークを開発する。 Dempsterのセマンティクスに根ざした融合法とは異なり、提案フレームワークはより柔軟な結合挙動をサポートし、非固有ソース融合、競合管理、パラメトリック結合設計、異種情報融合の利点を示す。

関連論文リスト

• Anisotropic Modality Align [91.23979617826926]
  マルチモーダルな大規模言語モデルの訓練は、高品質なペア型マルチモーダルデータの不足により、長い間制限されてきた。 近年の研究では、事前訓練されたマルチモーダルコントラストモデルの共有表現空間がブリッジとして機能し、非モーダルデータを用いたマルチモーダルトレーニングを可能にすることが示されている。 中心となる障害は、共有空間の永続的なモダリティギャップにある。
  論文  参考訳（メタデータ） (2026-05-08T14:53:24Z)
• Rethinking Semantic Collaborative Integration: Why Alignment Is Not Enough [23.86079699614653]
  大規模言語モデル(LLM)はレコメンデーションシステムにとって重要な意味的基盤となっている。 我々は、グローバルな低複雑さアライメント仮説を定式化し、それは必要以上に強く、しばしば現実世界のレコメンデーション設定と構造的にミスマッチしていると主張する。 本稿では,意味的・協調的な表現を部分的に共有されるが,基本的には異質な視点として扱う相補的視点を提案する。
  論文  参考訳（メタデータ） (2026-04-24T03:47:12Z)
• MidSteer: Optimal Affine Framework for Steering Generative Models [53.89402578892719]
  MidSteerは概念操作のためのより一般的なアフィンフレームワークで、仮定を緩和し、指向性の最小分散変換を可能にする。 私たちは、様々なタスク、モダリティ、アーキテクチャにおいて、MidSteerが好適に機能することを示します。
  論文  参考訳（メタデータ） (2026-04-17T19:23:33Z)
• Can Heterogeneous Language Models Be Fused? [24.088997528611873]
  モデルマージは、複数の専門家モデルを単一のモデルに統合することを目的としています。 最近の進歩は、全てのソースモデルが均質である場合、すなわち、同じ事前訓練されたバックボーンから派生したマージングが非常に効果的であることを示している。 しかし、オープンモデルエコシステムでは、この仮定はますます非現実的になり、Llama、Qwen、Mistralのような異なるファミリーで有用な専門家がしばしば構築される。 このような不均質な環境では、直接重み空間融合が悪くなる
  論文  参考訳（メタデータ） (2026-04-02T06:21:21Z)
• Multiview Manifold Evidential Fusion for PolSAR Image Classification [51.41332458376411]
  我々は,PolSAR多様体学習とエビデンス融合を統合アーキテクチャに統合する新しいフレームワークを提案する。 実世界の3つのPolSARデータセットの実験により、提案手法は、精度、堅牢性、解釈可能性において、既存のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-13T09:05:51Z)
• Collaboration of Fusion and Independence: Hypercomplex-driven Robust Multi-Modal Knowledge Graph Completion [16.99012641907491]
  マルチモーダル知識グラフ補完(MMKGC)は、マルチモーダル知識グラフ(MMKG)における行方不明事実の発見を目的とする。 既存のMMKGCメソッドは、融合ベースとアンサンブルベースの2つのマルチモーダルパラダイムに従っている。 本稿では, 融合および独立なモダリティ表現の共存と協調を実現するMMKGC手法 M-Hyper を提案する。
  論文  参考訳（メタデータ） (2025-09-28T07:55:01Z)
• Decouple, Reorganize, and Fuse: A Multimodal Framework for Cancer Survival Prediction [25.880454851313434]
  がん生存率分析は、様々な医療指標にまたがって情報を統合して生存時間の予測を行うのが一般的である。 既存の手法は主に、モダリティの異なる分離された特徴を抽出し、結合、注意、MoEベースの融合のような融合操作を実行することに焦点を当てている。 本稿では,モダリティデカップリングと動的MoE融合モジュール間のランダムな特徴再構成戦略を考案したDecoupling-Reorganization-Fusion framework(DeReF)を提案する。
  論文  参考訳（メタデータ） (2025-08-26T03:18:25Z)
• AdaFusion: Prompt-Guided Inference with Adaptive Fusion of Pathology Foundation Models [49.550545038402184]
  本稿では,新しいプロンプト誘導推論フレームワークであるAdaFusionを提案する。 本手法は,多様なモデルからタイルレベルの特徴を圧縮・整列する。 AdaFusionは、分類タスクと回帰タスクの両方にわたって、個々のPFMを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-08-07T07:09:31Z)
• Knowledge-Enhanced Hierarchical Information Correlation Learning for Multi-Modal Rumor Detection [82.94413676131545]
  マルチモーダルなうわさ検出のための知識強化型階層型情報相関学習手法(KhiCL)を提案する。 KhiCLは異質な一様性特徴を共通特徴空間に伝達するために、クロスモーダルな関節辞書を利用する。 画像やテキストから視覚的およびテキスト的実体を抽出し、知識関連推論戦略を設計する。
  論文  参考訳（メタデータ） (2023-06-28T06:08:20Z)
• Multi-Relational Hyperbolic Word Embeddings from Natural Language Definitions [5.763375492057694]
  本稿では、そのような構造を明示的に活用し、定義から単語埋め込みを導出するマルチリレーショナルモデルを提案する。 経験的な分析は、フレームワークが望ましい構造的制約を課すのに役立つことを示している。 実験により、ユークリッド語よりもハイパーボリック語の埋め込みの方が優れていることが示された。
  論文  参考訳（メタデータ） (2023-05-12T08:16:06Z)

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。