Fuzzy Bayesian Learning
Imperial College London(帝国理工学院);Sciemus Ltd(Sciemus有限公司);University of Oxford(牛津大学)
在本文中,我们提出了一种新的方法,从数据中学习使用基于规则的模糊推理系统的模型参数估计使用贝叶斯推断和马尔可夫链蒙特卡罗(MCMC)技术。我们使用合成数据集的回归和分类任务的方法的适用性,也在金融服务行业的一个现实世界的例子。然后,我们演示了如何将该方法扩展到知识提取中,以贝叶斯方式选择最能解释给定数据的单个规则。最后,我们讨论了使用这种方法的优点和陷阱,在国家的最先进的技术,并强调这将是有用的问题的具体类别。
2018-06-22 cs.AI stat.ML
Reliable Classification with Conformal Learning and Interval-Type 2 Fuzzy Sets
School of Computer Science and Electronic Engineering(计算机科学与电子工程学院);University of Essex(埃塞克斯大学)
本文提出将保形学习与模糊规则系统结合用于分类,并探讨区间二型模糊集及系统微调对提升保形预测可靠性和输出质量的作用。
2025-04-21 cs.AI
BTBR: A Bayesian-Theory-Driven Probabilistic-Fuzzy Framework for Implicit Bias Removal in Large Language Models
University of Technology Sydney(悉尼科技大学);National University of Singapore(新加坡国立大学)
针对大模型隐性偏见问题,提出BTBR混合概率-模糊框架,通过似然比筛选、知识三元组转换和模糊规则调度编辑,有效消除角色诱导性能差距并保持推理能力。
2026-09-10 cs.AI cs.CL
Fuzzy finite element model updating using metaheuristic optimization algorithms
University of Johannesburg(约翰内斯堡大学);Swansea University(斯旺西大学)
本文采用一种基于模糊逻辑的非概率方法对有限元模型进行修正。模型修正技术利用实测数据来提高结构数值模型的精度。然而,测量数据被实验噪声污染,并且由于参数的随机性,模型不准确。这种偶然的不确定性是不可约的,可能会降低有限元模型修正过程的精度。然而,可以使用不确定性量化方法来识别更新参数中的不确定性。本文将模态参数的不确定性定义为模糊隶属函数,将模型修正过程定义为每个α截层的优化问题。为了确定更新后的参数的隶属函数,目标函数的定义和最小化,使用两个元启发式优化算法:蚁群优化(ACO)和粒子群优化(PSO)。通过一个结构算例,验证了粒子群算法和蚁群算法的模糊模型修正策略的精度。并将模糊有限元模型修正结果与贝叶斯模型修正结果进行了比较。
2017-01-03 cs.AI
Agentic Chunking and Bayesian De-chunking of AI Generated Fuzzy Cognitive Maps: A Model of the Thucydides Trap
University of Southern California(美国南加州大学);Florida International University(佛罗里达国际大学)
本文提出了一种基于代理分块和贝叶斯去分块的方法,用于生成和更新人工智能生成的模糊认知图,通过在文本中生成重叠的文本分块,并利用稀疏因果分块矩阵进行混合,从而构建出代表性的循环模糊认知图知识图谱,以预测特克西德斯陷阱模型中的冲突结果。
2026-05-18 cs.AI cs.CL cs.HC
On the Efficiency of the Neuro-Fuzzy Classifier for User Knowledge Modeling Systems
Islamic Azad University(伊斯兰阿扎德大学)
用户知识建模系统被用来作为最有效的技术,抓住新用户的注意力。此外,通过这些智能业务提高了服务质量(QOS)。本文提出了两种基于人工神经网络的用户知识分类器,作为知识建模系统的重要组成部分。我们采用多层感知器(MLP)和自适应神经模糊推理系统(ANFIS)作为分类器。此外,我们使用真实数据包含用户的学习时间,重复次数,他们在考试中的表现,以及学习百分比,作为我们的分类器的输入。与其他研究中使用的KNN和贝叶斯分类器等方法相比,我们的实验具有更好的性能。虽然训练集的样本数量不够大,但在测试集上,神经模糊分类器的性能达到了98.6%,这是与其他分类器相比最好的结果。然而,与ANFIS结果相比,MLP的性能降低,尽管MLP的性能比贝叶斯和KNN等其他方法更有效。由于我们的目标是评估和报告用户知识建模系统的神经模糊分类器的效率,我们利用了许多不同的评估指标,如接收器操作特性和曲线下面积,总准确度和Kappa统计。
2019-10-26 cs.AI cs.LG
Quantifying Uncertainty in Risk Assessment using Fuzzy Theory
Old Dominion University(奥多明尼昂大学)
风险专家正试图更好地理解风险,并使用复杂的模型进行风险评估,而许多风险尚未得到很好的理解。由于缺乏经验数据以及复杂的因果关系和结果关系,很难估计某些风险类型的风险程度。传统的风险模型是基于经典集合论的。相比之下,模糊逻辑模型是建立在模糊集理论上的,对于分析知识不足或数据不准确的风险是有用的。模糊逻辑系统有助于使大规模风险管理框架更加简单。对于没有适当概率模型的风险,模糊逻辑系统可以帮助建立因果关系模型,评估风险暴露程度,以一致的方式对关键风险进行排名,并考虑可用数据和专家意见。此外,在模糊逻辑系统中,一些规则明确地解释了模型因素之间的连接、依赖和关系。这有助于确定风险缓解解决方案。资源可用于降低风险,风险敞口水平非常高,对冲成本相对较低。模糊集和模糊逻辑模型可以与贝叶斯和其他类型的方法识别和决策模型一起使用,包括人工神经网络和决策树模型。这些开发的模型有可能解决困难的风险评估问题。本研究探讨了模糊逻辑模型可用于改善风险评估和风险决策的领域。我们将讨论在风险评估中使用模糊逻辑系统的方法、框架和过程。
2020-09-20 cs.AI math.OC
On revising fuzzy belief bases
University of Leipzig(莱比锡大学)
我们看看修改模糊信念基础的问题,即,信念基础修正,其中基础中的公式以及修正输入公式都可以附加不同的真度。在一个非常一般的框架内工作的模糊逻辑,它能够捕捉各种类型的推理下的不确定性,如真值功能模糊逻辑和某些类型的概率推理,我们展示了如何合理的变化的想法,从“脆”基修订,体现了部分满足修订的想法,可以忠实地扩展到修改模糊信念基础。我们提出和公理化的操作部分满足模糊修订,并说明如何操作的框架中的几个重要的特殊情况下。
2012-10-19 cs.AI
From knowledge-based to data-driven modeling of fuzzy rule-based systems: A critical reflection
Paderborn University(帕德博恩大学)
本文简要阐述了(应用)模糊逻辑的发展,在过去的几十年中,即补充,甚至取代传统的基于知识的方法,以模糊规则为基础的系统设计的数据驱动之一。有人认为,经典的基于规则的建模范式实际上是更适合于知识为基础的方法,它最初的设想,而不太倾向于数据驱动的模型设计。阻止模糊(基于规则)系统在大规模应用中被利用的一个重要原因是规则库的扁平结构,以及模糊规则的局部性质和它们表达变量之间复杂依赖关系的能力有限。这激发了模糊系统建模的替代方法,其中功能依赖关系可以更灵活,更复杂的层次结构。
2017-12-02 cs.AI
Applications of fuzzy logic to Case-Based Reasoning
College of Letters and Sciences, National University(美国国立大学文理学院);Graduate Technological Educational Institute(希腊帕特拉斯技术教育学院)
本文讨论了模糊逻辑思想在基于实例推理(CBR)过程的形式化和CBR系统有效性度量中的一些应用
2012-04-10 cs.AI
A Modelling Approach Based on Fuzzy Agents
ESTA, School of Business & Engineering(ESTA 商业与工程学院);IRTES-M3M, University of Technology of Belfort-Montbéliard(贝尔福-蒙贝利亚尔技术大学 IRTES-M3M)
复杂系统的建模主要基于将这些系统分解为自治元素,以及识别和定义这些元素之间可能的相互作用。为此,基于代理的方法是经常提出的建模解决方案。复杂性也可能是由于外部事件或系统内部,其主要特征是不确定性,不精确性,或其感知是主观的(即解释)。由于模糊逻辑为不确定性建模提供了一种解决方案,模糊主体的概念可以同时对复杂性和不确定性进行建模。本文重点介绍了模糊Agent的概念:一个经典的体系结构的Agent重新定义根据模糊的角度。然后提出了一个智能灌溉系统的模糊代理的教学说明。
2013-02-26 cs.AI
Planning by case-based reasoning based on fuzzy logic
University of Oran(奥兰大学)
处理复杂系统往往需要处理模糊、不精确和不确定的信息。事实上,人类有能力以自然的方式处理这些系统。人类不是用数学术语思考,而是通过语言建议来描述系统的行为。为了表示这种类型的信息,Zadeh提出通过基于语言变量的近似推理来建模人类思维的机制。他于1965年提出了模糊集理论,该理论提供了语言和数字世界之间的接口。在本文中,我们提出了一个布尔建模的模糊推理,我们洗礼Fuzzy-BML和使用的特点,归纳图分类。模糊BML是一个过程,通过该过程,CBR的检索阶段不是以传统的数学方程的形式建模,而是以具有模糊规则的隶属函数的数据库的形式。
2013-11-18 cs.AI
Evolution of Voronoi based Fuzzy Recurrent Controllers
模糊控制器通常是通过将人类专家的知识公式化为一组语言变量和模糊规则来设计的。其中最成功的方法,自动化的模糊控制器的开发过程是进化算法。在这项工作中,我们提出了递归模糊Voronoi(RFV)模型,经常性模糊系统的表示。它是由Kavka和Schoenauer提出的FV模型的扩展,扩展了应用领域,包括时间问题。FV模型是基于沃罗诺伊图的模糊控制器的表示,其可以表示具有协同规则的模糊系统,满足$ε$ -完备性并且提供了引入先验知识的简单方式。在所提出的表示中,通过包括通过将输出连接到输入来提供反馈的内部单元来嵌入时间关系。这些内部单元充当存储元件。在RFV模型中,内部单元的语义可以与先验规则一起指定。规则的几何解释允许在演化过程中使用几何变分算子。在系统辨识和进化机器人领域的两个问题中验证了表示和算法。
2005-11-28 cs.AI
$(O,G)$-granular variable precision fuzzy rough sets based on overlap and grouping functions
Northwest A & F University(西北农林科技大学);Northwest Normal University(西北师范大学)
自从Bustince等人引入重叠和分组函数的概念以来,这两类聚集函数在理论和应用上都引起了人们的极大兴趣。本文首先基于重叠函数和分组函数给出了$(O,G)$ -粒度变精度模糊粗糙集($(O,G)$ -GVPFRSs)的描述.同时,为了有效地求出近似算子,利用模糊蕴涵和余蕴涵给出了上、下近似算子的另一种表达式。此外,从构造方法的角度出发,将$(O,G)$ -GVPFRSs表示为不同的模糊关系。最后,在一定的条件下,将粒变精度模糊粗糙集(GVPFRSs)的一些结论推广到$(O,G)$ -GVPFRSs.
2022-05-18 cs.AI
Uncertain and Approximative Knowledge Representation to Reasoning on Classification with a Fuzzy Networks Based System
Institut Préparatoire aux études d'Ingénieur de Monastir(莫纳斯提尔工程师预科学院)
这里描述的方法允许使用模糊对象表示的不精确和不确定的知识。这种表示有很大的实际意义,由于可能实现推理的分类与模糊语义网络为基础的系统。例如,必要的,可能的和用户类之间的区别允许考虑到可能出现在模糊知识库中的异常,并促进用户对象在基础中的集成。这种方法描述了整个实验性人工智能体系结构的理论方面。我们内置的了一个系统,以便为新技术系统的用户提供有效的在线帮助:从自然语言的查询中理解“它是如何工作的”和“如何完成任务”。在我们的模型中,程序语义网络被用来描述一个“理想”的专家的知识,而模糊集被用来描述模糊语义网络中的新手用户的近似和不确定的知识进行干预,以匹配模糊标签的查询与类别,从我们的“理想”的专家。
2012-06-11 cs.AI
On the KLM properties of a fuzzy DL with Typicality
Università del Piemonte Orientale(东皮埃蒙特大学)
本文研究了一类典型的模糊逻辑的性质。在最近的工作中,提出了一个典型性算子的模糊逻辑的扩展,定义了一个模糊多偏好语义的多层感知器,作为一个条件知识库的深层神经网络。在本文中,我们研究了它的性质。首先,考虑了具有典型性的模糊ALC的单调扩张(称为ALC^FT),并设计了这种逻辑的优先结果关系的KLM性质的重新表达。大多数的属性是满意的,这取决于重新制定和考虑的模糊组合函数。然后,我们通过引入加权知识库的忠实模型的概念来加强ALC^FT的闭包构造,该概念推广了先前引入的条件知识库的相干模型的概念,并且我们研究了它的性质。
2021-07-14 cs.AI
Reasoning with Very Expressive Fuzzy Description Logics
National and Technical University of Athens(雅典国立技术大学);The University of Aberdeen(阿伯丁大学);The University of Manchester(曼彻斯特大学)
今天人们普遍认识到,对不精确性和精确性的管理将产生更智能和更现实的基于知识的应用程序。描述逻辑是一种知识表示语言,由于其可判定性和推理算法的高性能,在过去的十年中得到了广泛的关注。本文将著名的模糊ALCDL推广到模糊SHINDL,它将模糊ALCDL推广为传递性角色公理(S)、逆角色公理(I)、角色层次(H)和数量限制(N)。我们说明了为什么传递性的角色公理是难以处理的模糊解释的存在,以及如何正确地处理它们。然后,我们通过添加角色层次结构和数量限制来扩展这些结果。本文的主要贡献是模糊DL语言fuzzy-SI和fuzzy-SHIN的可判定性证明,以及fuzzy-SI和fuzzy-SHIN的知识库可满足性问题的判定过程。
2011-10-31 cs.AI
Automatic Extraction of Linguistic Description from Fuzzy Rule Base
Silesian University of Technology(西里西亚工业大学)
针对神经模糊系统中模糊规则的语言表达问题,本文提出一种将模糊规则自动提取为自然英语描述的方法,并公开完整实现。
2024-04-03 cs.AI cs.LG
On Integrating Fuzzy Knowledge Using a Novel Evolutionary Algorithm
Khulna University of Engineering & Technology(库尔纳工程技术大学)
模糊系统可以被认为是基于知识的系统,它通过模糊规则和模糊隶属函数将人类知识纳入其知识库。本研究的目的是提出一个模糊知识集成框架,使用一种新的进化策略(NES),它可以同时集成多个模糊规则集及其隶属函数集。该方法包括两个阶段:模糊知识编码和模糊知识集成。四个应用领域,肝炎诊断,甘蔗育种预测,鸢尾属植物分类,井字棋残局被用来显示所提出的知识方法的性能。实验结果表明,该方法得到的模糊知识库比基于遗传算法的模糊知识库具有更好的性能。
2013-04-28 cs.AI cs.NE
Description Logics with Fuzzy Concrete Domains
ISTI - CNR(意大利国家研究委员会信息科学与技术研究所)
我们提出了一个模糊版本的描述逻辑与具体领域。主要特点是:(i)概念构造器基于t-范数、t-连续、否定和蕴涵;(ii)具体域是模糊集;(iii)允许模糊修饰符;以及(iv)推理算法基于完成规则和有界混合整数规划的混合。
2012-07-04 cs.AI cs.LO
Coalgebraic Fuzzy geometric logic
Jadavpur University(贾达布尔大学);Indian Statistical Institute(印度统计研究所)
本文旨在通过在模糊几何逻辑语言中加入模态来建立一个共代数模糊几何逻辑的框架。利用余代数的方法,用模糊几何逻辑的语言引入模态算子。为了定义模态算子,我们引入了模糊开谓词提升的概念。基于模糊拓扑空间和模糊连续映射范畴$\textbf{Fuzzy-Top}$上的闭函子$T$的余代数,建立了模糊几何逻辑的余代数模型。在这项工作中讨论了定义的模型的互模拟。
2022-09-07 cs.AI cs.LO
Optimization of Fuzzy Controller of a Wind Power Plant Based on the Swarm Intelligence
Novosibirsk State Technical University(新西伯利亚国立技术大学)
本文研究了基于模糊控制的风力发电系统的最优控制问题和模糊规则库的自动生成问题。专家的模糊规则并不总是提供风力发电厂的最大功率输出,并且在改变风力发电厂或环境的参数的情况下,模糊规则库需要调整。本研究提出了优化由不同专家编制的模糊规则库的方法。该方法基于粒子群优化算法将模糊规则的权值平衡到规则库中。实验表明,所提出的方法允许形成的模糊规则库作为一个示例性的最佳基地从一个非优化的模糊规则集。针对风电场的具体控制回路和风力的具体模糊模型,考虑了最优模糊规则库。
2020-06-14 cs.AI cs.NE cs.SY
Feature base fusion for splicing forgery detection based on neuro fuzzy
Universiti Malaysia Terengganu(马来西亚登嘉楼大学);Universiti Tecknologi Malaysia(马来西亚工艺大学)
图像取证的研究主要集中在检测由单一处理工具引入的伪影。他们领导了许多专门的算法的开发,在特定的设置下寻找一个或多个特定的足迹。当然,这种算法的性能并不完美,因此所提供的输出可能是有噪声的、不准确的并且仅部分正确。此外,在实际场景中,伪造图像通常是利用图像处理软件系统可用的若干工具的结果。因此,可靠的篡改检测需要开发更强大的工具来处理各种篡改场景。基于模糊推理系统的伪造检测工具的融合已经用于解决这个问题。调整隶属函数和定义适当的模糊规则,以达到更好的结果是耗时的过程。这可以被认为是模糊推理系统的主要缺点。在本文中,神经模糊推理系统的融合伪造检测工具的开发。这些系统的神经网络特性为自动调整隶属函数提供了合适的工具。此外,初始模糊推理系统生成的模糊聚类技术的基础上。该框架的实现和验证的基准图像拼接数据集,其中三个伪造检测工具融合的基础上,自适应神经模糊推理系统。所提出的方法的结果表明,应用神经模糊推理系统可能是一个更好的方法融合伪造检测工具。
2017-01-29 cs.AI cs.CV cs.LG
Adaptive Neuro Fuzzy Networks based on Quantum Subtractive Clustering
数据采掘技术可以通过对数据的探索和分析来发现有用的模式,协同机器学习工具来发现模糊分类规则是可行的,本文提出了一种TSK模糊型自适应神经模糊网络和一种改进的量子减法聚类算法。量子聚类(QC)是量子力学的一种直觉,它使用薛定谔势和耗时的梯度下降方法。分析了质量控制算法的原理、优缺点,并针对其不足之处,提出了一种基于减法聚类的改进算法。实验结果表明,基于量子减法聚类的Anfis具有良好的逼近和泛化能力,与传统方法相比,模糊规则数和网络输出精度显著降低。
2021-01-26 cs.AI cs.LG quant-ph