本研究では、ザデの型2ファジィ集合定義に基づいた型2ファジィ論理システム(Z-GT2-FLS)を提案する。Z-GT2-FLSは、従来のメンデルとジョンの定義に基づく型2ファジィ論理システム(MJ-GT2-FLS)と比較して、二次メンバーシップ関数の形状がプライマリメンバーシップ関数から独立しているため、より柔軟な設計が可能となる。
高次元データからの学習における課題である次元の呪いに対処するため、入力次元に応じてプライマリメンバーシップ関数のパラメータを調整する手法を提案する。また、ファジィ集合の定義に基づく制約条件を満たしつつ、深層学習の無制約最適化手法を適用できるようにパラメータ化手法を示す。
提案するZ-GT2-FLSの学習フレームワークでは、高精度な点推定と高品質な予測区間の両立を目的とした損失関数を定義する。ベンチマークデータセットを用いた実験結果から、Z-GT2-FLSが高精度かつ高品質な予測区間を生成できることが示された。一方、同等の学習パラメータ数を持つMJ-GT2-FLSやIT2-FLSと比較しても、Z-GT2-FLSの性能が優れていることが確認された。
To Another Language
from source content
arxiv.org
Głębsze pytania