文献

J-GLOBAL ID：202202211293409592   整理番号：22A0848349

IFC-BD:ビッグデータにおける説明可能な人工知能のブースティングのための解釈可能なファジィ分類器【JST・京大機械翻訳】

IFC-BD: An Interpretable Fuzzy Classifier for Boosting Explainable Artificial Intelligence in Big Data

著者 (3件)： Aghaeipoor Fatemeh (Department of Mathematics and Computer Science, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Javidi Mohammad Masoud (Department of Mathematics and Computer Science, Shahid Bahonar University of Kerman, Kerman, Iran) ,  Fernandez Alberto (DaSCI Andalusian Research Institute, University of Granada, Granada, Spain)
資料名： IEEE Transactions on Fuzzy Systems  (IEEE Transactions on Fuzzy Systems)
巻： 30  号： 3  ページ： 830-840  発行年： 2022年 
JST資料番号： W0509A  ISSN： 1063-6706  CODEN： IEFSEV  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 現在のデータ科学応用において,行動のコースは,人間認知のためにシステム挙動に適応して,説明可能な人工知能の新興領域をもたらした。異なる分類パラダイムの中で,ファジィルールに基づくものは,グローバルシステムの解釈性を強調するための適切な解決策である。しかし,Bigデータ分析を扱う場合,それらは,システム性能を失うだけでなく,システムの意味およびシステム解釈性にも影響する可能性がある,過度のルールおよび/または言語ラベルから成る。本論文では,コンパクトだが正確なファジィモデルを学習することにより説明可能性の水平をブースティングすることを目的として,Bigデータのための解釈可能なファジィ分類器であるIFC-BDを提案した。IFC-BDは,初期規則学習,ルール一般化,および発見的ルール選択の3つの作業段階を通して,セルベースの分散フレームワークで開発された。この全手続きは,より一般的で信頼できる規則のより少ない数に対して,多数の特定の規則から到達できる。さらに,可能なルールコンフリクトを解決するため,新しい推定ルール重みを,特に大きなデータ問題に対して提案した。IFC-BDを,解釈可能性,精度,および実行時間を考慮して,ファジィ分類パラダイムの最先端手法と比較して評価した。実験の知見は,提案アルゴリズムがファジィルールベース分類器の説明可能性と予測性能を改善できることを明らかにした。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  学習 ,  言語 ,  推定 ,  データ ,  分類 ,  規則 ,  *人工知能 ,  データ解析 ,  *機械学習
準シソーラス用語： 実行時間 ,  ファジィルール ,  *ブースティング ,  ファジィモデル ,  システム性能 ,  *ビッグデータ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： IFC ,  ビッグデータ ,  説明 ,  人工知能 ,  ブースティング ,  ファジィ ,  分類器