Mar, 2024

基于梯度的模糊系统优化的自动微分方法 — 以 FuzzyR 为案例

PDF
TL;DR探讨基于梯度下降优化模糊系统设计的自动微分技术，以解放设计师精力并侧重于功能和可解释性方面，同时提供一个使用 FuzzyR 的案例来展示当前模糊推理系统实现如何利用自动微分工具集的强大特性，并讨论其对模糊系统设计的未来潜力。
fuzzy setsexplanable aimachine learningneural networksautomatic differentiation
发现论文，激发创造
  • 分析可微模糊蕴含关系

    本文研究了模糊逻辑推理符号在可微分学习中的应用，发现各种模糊推理符号在这种学习环境中并不适用，提出了一族新的模糊推理符号并证明其优于其他选择，最终实现了半监督学习。

    Jun, 2020

  • 自动化设计和开发梯度下降训练的专家系统网络

    本文介绍一种使用梯度下降算法训练的专家系统，将神经网络的学习能力与专家系统的可理解性和可防御的逻辑相结合。该系统能够从数据中学习模式，并在决策水平上表现出与神经网络系统相媲美的水平，同时提出了一种用于克服该方法局限性的技术。实验结果表明，该技术的效果非常显著，多种类型的网络在多种操作条件下均得到了评估。所提出的技术在实践中具有广泛的应用前景。

    Jul, 2022

  • 高维分类问题的集成特征选择和规则提取的自适应神经模糊系统

    提出了一种可处理维度高达 7000 以上的神经模糊系统 AdaTSK，其中引入了一种自适应 softmin 算法，以有效地克服现有模糊系统在处理高维问题时出现的问题，并可在集成的 FSRE-AdaTSK 系统中进行特征选择和规则提取。

    Jan, 2022

  • 分析可微模糊逻辑运算符

    研究表明在半监督学习中，将符号方法和神经方法相结合，并且使用基于模糊逻辑的运算符，可以使神经网络加入先前的背景知识和逻辑推理从而提高性能。

    Feb, 2020

  • 模糊规则库的语言描述的自动提取

    神经模糊系统是一种可解释人工智能（XAI）技术，将知识模型化为一组模糊规则，利用模糊集来模拟语言术语，本文介绍了一种自动提取自然英语中模糊规则的方法。

    Apr, 2024

  • 图模糊系统：概念、模型与算法

    本文提出了一种新型模糊系统 Graph Fuzzy System (GFS), 用于图数据建模，其中定义了与 GFS 相关概念，构建了 GFS 建模框架，并提出了学习 GFS 的算法，其中包括图神经网络和 K - 原型图聚类。实验结果表明，该方法继承了现有主流图神经网络方法和传统模糊系统方法的优点并取得了更好的性能。

    Oct, 2022

  • 机器学习中的自动微分数学模型

    本文介绍了自动求导实现与非平滑函数导数求解之间的关系，提出了一种非平滑微积分方程，并阐明其在随机逼近方法中的应用，同时证明了算法求解导数可能产生的人工临界点问题，并演示了通常方法如何以概率为一避免这些点。

    Jun, 2020

  • 自动微分实施的逐步介绍

    自动微分是深度学习中的关键组成部分，本文通过逐步引入一个简单的自动微分系统的实现，弥补了现有系统的复杂性和教学上的不足，使整个设置显得非常自然。

    Feb, 2024

  • 梯度下降训练的可防御黑板架构系统的实施与评估

    提出了在黑板架构中引入可辩护风格的梯度下降训练能力，并介绍了激活函数用于可辩护人工智能系统的使用，以及实施和评估了一种新的基于最佳路径的训练算法。

    Apr, 2024

  • 随机自动微分

    提出了随机自动微分 (RAD) 的一般框架和方法，可实现减少内存的无偏梯度估计，特别适用于小批量的反向传播神经网络，同时适用于科学计算中的优化控制参数

    Jul, 2020