文献

J-GLOBAL ID：201702253331459788   整理番号：17A1506952

選好モデリングのための確率的ファジィ回帰アプローチ【Powered by NICT】

Probabilistic fuzzy regression approach for preference modeling

著者 (3件)： Jiang Huimin (Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University, Hong Kong, China) ,  Kwong C.K. (Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University, Hong Kong, China) ,  Park Woo-Yong (Department of Industrial and Systems Engineering, The Hong Kong Polytechnic University, Hong Kong, China)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 64  ページ： 286-294  発行年： 2017年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 二タイプの不確実性,すなわち,ランダム性とファジィ性,選好モデリングに存在する。あいまいさは主に人間の主観的判断と不完全な知識によるものであり,ランダム性がしばしば選好モデルの入力と出力に及ぼす影響の変動に起因している。様々な技術が選好モデルを開発するために利用した。しかし,選好モデリングの両方でファジィネスとランダムネスを扱った過去に2,3報存在するのみ研究。これらの限られた研究の中で,特に独立変数に起因するランダム性を考慮していないものはなかった。この研究ギャップを埋めるために,本研究は,確率的ファジィ回帰(PFR),選好モデリングのための新しいアプローチを提案した。PFRは,データセットのファジィ性と独立変数に起因するランダム性の両方を考慮する。提案手法では,確率密度関数(PDF)をモデルランダムに採用した。PDFsのパラメータ設定は,カオス最適化アルゴリズムを用いて決定した。PFRモデルの確率的な点はランダム変数の期待値関数にしたがって発生させた。ファジィ回帰分析を用いて,PFRモデルの全ての項に対してファジィ係数を決定することである。茶メーカ設計の工業的事例研究を用いて,PFRの適用性を説明し,その有効性を評価することである。PFRから得られたモデリング結果は,統計的回帰,ファジィ回帰およびファジィ最小二乗回帰から得られたものと比較した。訓練と検証試験の結果は,PFRは訓練と検証誤差の点で他の方法よりも優れていることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 不確実性 ,  生産者 ,  事例研究 ,  *モデリング ,  *曖昧さ ,  適応性 ,  確率密度関数 ,  期待値 ,  モデル ,  最小二乗法 ,  カオス
準シソーラス用語： ランダム変数 ,  独立変数 ,  ランダム性 ,  *ファジィ回帰 , 【Automatic Indexing@JST】

著者キーワード (3件)： 確率的ファジィ回帰 ,  選好モデリング ,  カオス最適化アルゴリズム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 選好 ,  モデリング ,  確率 ,  ファジィ回帰