本研究では、高リスクシナリオにおける予測区間(PI)の生成を目的として、インターバル型2次ファジィ論理システム(IT2-FLS)の学習課題に取り組んでいる。
まず、Karnik-Mendel(KM)とNie-Tan(NT)のセンターオブセット計算手法の柔軟性を高めることで、PIの生成性能を向上させている。KMでは重み付けパラメータを追加することで、NTでは上限メンバーシップ関数と下限メンバーシップ関数の重みづけパラメータを追加することで、それぞれ defuzzification段階と fuzzification段階の柔軟性を高めている。
次に、IT2-FLSの制約付き学習問題を無制約形式に変換することで、深層学習のオプティマイザを直接適用できるようにしている。
さらに、高次元問題への対処として、Type-1 FLSのためのHTSK手法をIT2-FLSに拡張したHTSK2手法を提案している。これは入力次元に応じてメンバーシップ関数のスケーリングを行うことで、次元の呪いの問題に対処している。
最後に、精度と高品質なPIの生成の両立を目的とした深層学習ベースのフレームワークを提案している。
統計的な比較結果から、HTSK2がこの次元の呪いの問題に効果的に対処し、提案したWKMとWNTがIT2-FLSの学習性能と不確実性定量化能力を向上させることが示されている。
إلى لغة أخرى
من محتوى المصدر
arxiv.org
الرؤى الأساسية المستخلصة من
by Ata Koklu,Yu... في arxiv.org 04-22-2024
https://arxiv.org/pdf/2404.12802.pdfاستفسارات أعمق