Probabilistic database とは

ほとんどの実際のデータベースには、正確性が不確実なデータが含まれています。このようなデータを処理するためには、データの整合性を定量化する必要があります。これは、確率論的データベースを使用することによって達成される。
確率的データベースは、可能性のある世界が関連する確率を有する不確実なデータベースである。確率的データベース管理システムは現在、研究の活発な分野です。 「商業的確率論的データベースシステムは現在のところ存在しないが、いくつかの研究プロトタイプが存在する…」
確率的データベースは、ANSI-SPARCアーキテクチャでのリレーショナルデータベースのように、論理データモデルと物理的なデータ表現を区別します。確率的データベースでは、このようなデータベースは非常に多数の可能な世界を表現しなければならず、しばしば1つの世界(古典的データベース)のサイズで指数関数的に表現されなければならないため、

Ordered weighted averaging aggregation operator とは

応用数学、特にファジー論理では、序数加重平均(OWA)演算子は、平均型集計演算子のパラメータ化されたクラスを提供します。彼らはRonald R. Yagerによって紹介されました。最大、算術平均、中央値、最小などの多くの注目すべき平均演算子がこのクラスのメンバーです。それらは、言語的に表現された集約命令をモデル化する能力のために、計算知能において広く使用されてきた。

Rough fuzzy hybridization とは

粗いファジィハイブリダイゼーションは、ファジィ集合理論がパターンの言語表現に使用され、特徴空間のファジィ造粒化をもたらすハイブリッドインテリジェントシステムまたはソフトコンピューティングの方法である。ラフ集合理論は、造粒された特徴空間内の有益な領域をモデル化する依存性規則を得るために使用される。

Type-2 fuzzy sets and systems とは

タイプ2のファジィ集合およびシステムは、より多くの不確実性を扱うことができるように、標準タイプ-1ファジィ集合およびシステムを一般化する。ファジィ集合の初めから、タイプ-1ファジィ集合のメンバーシップ関数には不確実性がないという批判がありました。ファジィという言葉に矛盾しているような不確実性はありません。不確実性。だから、メンバーシップ関数の価値について不確実性があるときはどうしますか?この質問への答えは、ファジィセットの発明者であるロッフィーA.ザデーが、より洗練された種類のファジーセットを提案したときに、1975年に提供されました。タイプ2のファジィ集合は、ファジィ集合理論にメンバーシップ関数の不確実性を組み込むことを可能にし、タイプ1のファジィ集合の正面からの批判に対処する方法です。また、不確かさがなければ、タイプ2のファジィ集合はタイプ1のファジィ集合に減少します。これは、予測不能性がなくなったときの確率論的な決定論に類似しています。
タイプ1のファジー集合とタイプ2のファジー集合とを象徴的に区別するために、ファジー集合の記号の上にチルダ記号が置かれる。したがって、Aはタイプ1のファジィ集合を表し、Ãは比較可能なタイプ2のファジィ集合を表す。後者が行われるとき、得られたタイプ2ファジィ集合は、一般的なタイプ2ファジィ集合(特別な区間タイプ2ファジー集合と区別するために)と呼ばれる。
教授Zadehは、1976年の論文でこれをすべてタイプ-nファジィ集合に一般化したので、タイプ2のファジィ集合で止まらなかった。本論文では、type-1ファジー集合からn-1、2、…までの論理的な進展の次のステップであるため、Type-2ファジー集合のみに着目する。一部の研究者は、タイプ2のファジーセットよりも高いレベルを探求し始めていますが、2009年の早い時点で、この作業は初期段階にあります。
一般的なタイプ2のファジィ集合のメンバシップ関数は3次元であり(図1)、3次元は2次元領域上の各点におけるメンバーシップ関数の値であり、そのフットプリントと呼ばれる不確実性(FOU)。
第3次元値がどこでも同じ(例えば、1)であるインターバルタイプ2ファジーセットの場合、インターバルタイプ2ファジーセットの第3次元に新しい情報が含まれないことを意味する。したがって、そのようなセットの場合、3番目の次元は無視され、FOUだけがそれを記述するために使用されます。この理由から、区間2型ファジィ集合は時には1次不確実性ファジィ集合モデルと呼ばれるが、一般的な2次ファジィ集合(有用な3次次元を持つ)は時には2次不確実性ファジィ集合モデル。
FOUは、タイプ1のメンバーシップ関数のぼけを表し、2つの境界関数(図2)、下位メンバーシップ関数(LMF)および上位メンバーシップ関数(UMF)によって完全に記述され、 1ファジーセット!したがって、タイプ1のファジィ集合数学を使用して、インターバルタイプ2のファジー集合を特徴づけ、処理することが可能である。これは、タイプ1のファジーセットを既に知っているエンジニアや科学者は、タイプ2のファジーセットを理解して使用するために、一般的なタイプ2のファジーセット数学について学ぶ時間を大幅に費やす必要がないことを意味します。
1980年代と1990年代初頭〜中旬にかけてタイプ2のファジー・セットに取り組みましたが、少数の記事が出版されました。人々はタイプ-1のファジィセットで何をすべきかをまだ考えていたので、1976年にザデーがタイプ2のファジーセットを提案したにもかかわらず、研究者はタイプ-1のファジィセットで行っていたことをタイプ2ファジーセットに焦点を当てる。これは、Jerry Mendel教授と第2型ファジーセットとシステムに関する彼の学生の研究の結果として、1990年代後半に変更されました。それ以来、世界中のますます多くの研究者がタイプ2ファジーセットとシステムに関する記事を書いています。

Combs method とは

Combsメソッドは、1997年にWilliam E. Combsによって記述されたファジー論理ルールを書く方法です。ファジー論理ルールでコンビナトリアル爆発を防ぐように設計されています。
Combsメソッドは、論理的等価性 ( ( p q ) r ) ( ( p r ) ( q r ) ) {\displaystyle ((p\land q)\Rightarrow r)\iff ((p\Rightarrow r)\lor (q\Rightarrow r))} を利用します。

Adaptive neuro fuzzy inference system とは

適応ニューロファジィ推論システムやアダプティブネットワークファジィ推論システム(ANFIS)は、高木菅野ファジィ推論システムに基づく人工ニューラルネットワークの一種である。この技術は1990年代初めに開発されました。ニューラルネットワークとファジィ論理原理の両方を統合しているため、単一のフレームワークで両方の利点を捉える可能性があります。その推論システムは、非線形関数を近似する学習能力を有する1組のファジーIF-THENルールに対応する。したがって、ANFISは普遍的な推定値とみなされます。 ANFISをより効率的かつ最適な方法で使用するために、遺伝的アルゴリズムによって得られた最良のパラメータを使用することができる。

Type-1 OWA operators とは

YagerのOWA(順序付けられた加重平均)演算子は、意思決定スキーム(複数基準の意思決定、複数専門家の意思決定、複数基準/複数専門家の意思決定など)におけるクリスプな値を集計するために使用されます。ファジィ集合は、意思決定の基準の選好を表すのに適していると広く受け入れられている。
このために、タイプ1のOWAオペレータが提案されている。タイプ1のOWAオペレータは、不確実なオブジェクトをファジィ集合でモデル化し、ソフト決定とデータマイニングにおけるOWAメカニズムを介して、不確定な情報を不確実な情報に直接集約するテクニックを提供します。
タイプ1のOWA演算子の2つの定義は、Zadehの拡張原理とファジィ集合の α {\displaystyle \alpha } カットに基づいています。 2つの定義は同等の結果をもたらす。