保罗·维托(Paulo Vitor),de Campos Souza;埃德温·卢霍弗 EFNN-NullUni:一种基于null-uninorm的进化模糊神经网络。 (英语) Zbl 1522.68450号 模糊集系统。 449, 1-31 (2022). 摘要:智能模型的可解释性成为学术研究和方法中的一个挑战,这些研究和方法有助于理解基于人工智能和机器学习的模型中获得的响应。本文提出了一种新的基于null-uninorm概念的逻辑模糊神经元,即无神经元构建进化神经模糊模型的架构。这种新的结构神经元可以提取高级模糊规则,使前因的AND和OR连接能够更好地解释和理解所分析的问题。该三层模型使用基于增量数据划分概念的进化加权模糊化方法,通过零神经元进行知识提取,其训练过程适合在线和增量方式对二进制和多类模式进行分类。进化数据分区算法中集成的权重属于特征重要性级别,并实现了沿不重要输入方向(特征)的距离计算的自动收缩,这反过来说明了软降维和减少过拟合的可能性。经过模式分类测试,与文献中相关(进化)神经模糊模型相比,该模型中提出的新架构更有效。最后,在各种实际数据集上的实验证明,本文提出的进化神经模糊模型可以简化从数据中提取知识的过程,同时为模式分类问题提供了高度准确的答案。 MSC公司: 68T05型 人工智能中的学习和自适应系统 68层37 人工智能背景下的不确定性推理 关键词:零-零形式;进化模糊神经网络;模糊规则;可解释性 软件:农业部 PDF格式BibTeX公司 XML格式引用 \textit{P.V.de Campos Souza}和\textit{E.Lughofer},模糊集系统。449,1--31(2022;Zbl 1522.68450) 全文: 内政部 OA许可证 参考文献: [1] Škrjanc,I。;伊格莱西亚斯,J.A。;Sanchis,A。;莱特,D。;Lughofer,E。;Gomide,F.,《聚类、回归、识别和分类中的进化模糊和神经模糊方法:调查》,《信息科学》。,490, 344-368 (2019) [2] Angelov,P。;Lughofer,E。;Zhou,X.,使用不同模型架构的进化模糊分类器,模糊集系统。,159, 3160-3182 (2008) ·Zbl 1186.68404号 [3] 戈米德,F。;莱莫斯,A。;Caminhas,W.,《进化系统》,169-178(2021),施普林格国际出版:施普林格出版社 [4] Lughofer,E。;Sayed-Mouchaweh,M.,《动态系统中的预测性维护——高级方法、决策支持工具和现实世界应用》(2019年),施普林格出版社:施普林格纽约 [5] Lughofer,E.,《进化模糊系统——基本原理、可靠性、可解释性和可用性》(Angelov,P.,《计算智能手册》(2016),《世界科学:世界科学纽约》,67-135 [6] Pedrycz,W.,关系系统中的神经计算,IEEE Trans。模式分析。机器。智力。,13, 289-297 (1991) [7] Hirota,K。;Pedrycz,W.,《模糊集连接词建模中的Or/和神经元》,IEEE Trans。模糊系统。,2, 151-161 (1994) [8] 雅格,R.R。;Rybalov,A.,Uninormal聚合运算符,模糊集系统。,80, 111-120 (1996) ·Zbl 0871.04007号 [9] 卡尔沃,T。;De Baets,B。;Fodor,J.,Frank和Alsina关于无模和零范数的函数方程,模糊集系统。,120, 385-394 (2001) ·Zbl 0977.03026号 [10] de Campos Souza,私人有限公司。;Lughofer,E.,基于n-uniforms构造的单神经元的高级可解释模糊神经网络模型(fuzzy Sets and Systems(2020)) [11] 阿凯拉,P.,n-uniforms的结构,模糊集系统。,158, 1631-1651 (2007) ·Zbl 1122.03044号 [12] Pedrycz,W.,基于逻辑的非神经元模糊神经计算,IEEE Trans。模糊系统。,14, 860-873 (2006) [13] 地狱,M。;Costa,P。;Gomide,F.,基于Nullneurons的混合神经模糊网络,(NAFIPS 2007-2007北美模糊信息处理协会年会(2007)),331-336 [14] Sun,F。;王晓平。;Qu,X.-B.,《统一规范和零格式》,J.Intell。模糊系统。,32, 1969-1981 (2017) ·兹比尔1375.03076 [15] 地狱,M。;Costa,P。;Gomide,F.,带零神经元的混合神经模糊计算,(2008年IEEE神经网络国际联合会议(IEEE计算智能世界大会)(2008)),3653-3659 [16] Lughofer,E.,进化模糊分类器中的在线增量特征加权,模糊集系统。,163, 1-23 (2011) ·Zbl 1211.68327号 [17] 黄,G.-B。;Chen,L。;Siew,C.K.,使用带有随机隐藏节点的增量构造前馈网络的通用近似,IEEE Trans。神经网络。,17, 879-892 (2006) [18] 克莱门特,E。;梅西亚尔,R。;Pap,E.,《三角规范》(2000),Kluwer学术出版社:Kluwer学术出版社Dordrecht,Norwell,纽约,伦敦·Zbl 0972.0302号 [19] Pedrycz,W.,基于逻辑的非神经元模糊神经计算,IEEE Trans。模糊系统。,14, 860-873 (2006) [20] 马萨,M。;市长,G。;托伦斯t-operators,J.,Int.J.Uncertain。模糊知识-基于系统。,7, 31-50 (1999) ·Zbl 1087.03515号 [21] 周,H。;刘,X.,从物质蕴涵的角度刻画2-单形和模糊否定生成的(u2,n)-蕴涵,模糊集系统。,37879-102(2020),主题:聚合运营·Zbl 1464.03029号 [22] 宗伟(Zong,W.)。;苏,Y。;刘海伟。;De Baets,B.,《关于2-单体的结构》,《信息科学》。,467, 506-527 (2018) ·Zbl 1441.03022号 [23] Dryga-shi,P。;Rak,E.,2-单形类中的分布方程,模糊集系统。,291,82-97(2016),2014年FSTA精选论文专刊·Zbl 1368.03052号 [24] Wang,Z。;宗伟(Zong,W.)。;Su,Y.,用上下序数和讨论离散2-单形,《信息科学》。,542, 317-323 (2021) ·Zbl 1497.03063号 [25] Mesiarová-Zemánková,A.,《具有连续基础t-规范和t-conorms的n-uniforms》,《国际遗传系统杂志》。,50, 92-116 (2021) [26] 张海,T。;Qin,F.,关于2-亚单位与重叠(分组)函数之间的分配规律,Int.J.Approximate Reason。,119, 353-372 (2020) ·Zbl 1506.03118号 [27] 张,F.-X。;Rak,E。;Bazan,J.,关于连续三角范数和三角锥关于2-单范数的分配性,模糊集系统。,395168-177(2020),聚合操作·Zbl 1452.03123号 [28] Pedrycz,W.,模糊神经网络和神经计算,模糊集系统。,56, 1-28 (1993) [29] 地狱,M。;戈米德,F。;巴利尼,R。;Costa,P.,Uninetworks在时间序列预测中的应用,(北美模糊信息处理协会NAFIPS 2009-2009年年会(2009)),1-6 [30] 莱莫斯,A。;卡米纳斯,W。;Gomide,F.,新的基于非形态的神经元模型和模糊神经网络,(北美模糊信息处理协会2010年年度会议(2010)),1-6 [31] de Campos Souza,私人有限公司。;托雷斯,L.C.B。;吉马拉斯,A.J。;Araujo,V.S。;Araujo,V.J.S。;Rezende,T.S.,基于零神经元和鲁棒激活函数的正则模糊神经网络基于数据密度的聚类,软计算。,23, 12475-12489 (2019) [32] Yager,R.R.,模糊系统建模中的非规范,模糊集系统。,122, 167-175 (2001) ·Zbl 0978.93007号 [33] de Campos Souza,私人有限公司。;吉马拉斯·努恩斯,C.F。;吉马雷斯,A.J。;Silva Rezende,T。;Araujo,V.S。;Silva Arajuo,V.J.,正则模糊神经网络的自组织方向感知,进化系统。,12, 303-317 (2021) [34] de Campos Souza,私人有限公司。;托雷斯,L.C.B。;吉马朗斯,A.J。;Araujo,V.S.,基于神经元和鲁棒激活函数的小波苏打脉冲星检测和正则模糊神经网络,国际期刊Artif。智力。工具,28,文章1950003页(2019) [35] de Campos Souza,私人有限公司。;Rezende,T.S。;吉马拉斯,A.J。;Araujo,V.S。;路易斯安那州巴蒂斯塔。;达席尔瓦,G.A。;Silva Araujo,V.J.,《进化模糊神经网络以帮助构建网络攻击系统专家》,J.Intell。模糊系统。,36, 6743-6763 (2019) [36] 安吉洛夫,P。;顾,X。;Príncipe,J.C.,《数据分析的通用方法》,IEEE Trans。赛博。,48, 2981-2993 (2018) [37] 顾,X。;Angelov,P。;Kangin,D。;Principe,J.,自组织方向感知数据划分算法,信息科学。,423, 80-95 (2018) ·Zbl 1436.68303号 [38] 奥卡贝,A。;Boots,B。;Sugihara,K。;Chiu,S.N.,《空间细分:Voronoi图的概念和应用》,第501卷(2009年),John Wiley&Sons [39] Albert,A.,回归与Moore-Penrose伪逆(1972),Elsevier·Zbl 0253.62030号 [40] 罗莎,R。;戈米德,F。;多夫赞,D。;Skrjanc,I.,系统建模极端学习进化神经网络,(2014年IEEE进化和自适应智能系统会议(EAIS)(2014)),1-7 [41] Lughofer,E.,《进化模糊系统——方法论、先进概念和应用》(2011年),施普林格:施普林格柏林,海德堡·Zbl 1216.68013号 [42] Lughofer,E.,《在线主动学习:提高数据流建模方法实用性的新范式》,《信息科学》。,415-416, 356-376 (2017) [43] Lughofer,E。;Bouchot,J.-L。;Shaker,A.,进化模糊系统中局部冗余的在线消除,进化系统。,2, 165-187 (2011) [44] 克莱门特,E.P。;梅西亚尔,R。;Pap,E.,三角范数。立场论文三:连续t-范数,模糊集系统。,145, 439-454 (2004) ·Zbl 1059.03013号 [45] Landwehr,J.M。;Pregibon,D。;Shoemaker,A.C.,《评估逻辑回归模型的图形方法》,美国统计协会,79,61-71(1984)·Zbl 0531.65080号 [46] Khozeimeh,F。;Alizadehsani,R。;Roshanzamir,M。;Khosravi,A。;Layegh,P。;Nahavandi,S.,选择疣治疗方法的专家系统,计算机。生物医学,81,167-175(2017) [47] Detrano,R。;Janosi,A。;斯坦布伦,W。;普菲斯特勒,M。;施密德,J.-J。;Sandhu,S。;Guppy,K.H。;Lee,S。;Froelicher,V.,《新概率算法在冠心病诊断中的国际应用》,美国心脏病杂志。,64, 304-310 (1989) [48] Thabtah,F.,《自闭症谱系障碍筛查:机器学习适应和dsm-5实现》(2017年第一届国际医学与健康信息学会议论文集),1-6 [49] Fisher,R.A.,《分类问题中多重测量的使用》,Ann.Eugen。,7, 179-188 (1936) [50] 库曼斯,D。;布罗卡特,I。;Jonckheer,M。;Massart,D.,临床数据应用于甲状腺功能状态的多变量判别技术比较,《Inf.Med.方法》,22,93-101(1983) [51] 埃伯哈德,S。;库曼斯,D。;De Vel,O.,《高维环境中分类器的比较》(1992),数学系。统计人员。,詹姆斯·库克大学:数学系。统计人员。,澳大利亚北昆士兰詹姆斯·库克大学,技术代表92 [52] 苏亚雷斯,E。;Angelov,P。;Gu,X.,用于心音分类的自主学习多模型零阶分类器,应用。软计算。,94,第106449条pp.(2020) [53] de Campos Souza,私人有限公司。;Lughofer,E.,用可解释的进化模糊神经网络识别心音,传感器,20(2020) [54] 苏扎,P。;Ponce,H。;Lughofer,E.,《进化模糊神经碳氢化合物网络:基于有机化合物的模型》,Knowl-基于系统。,203,第106099条pp.(2020) [55] Bifet,A。;霍姆斯,G。;柯克比,R。;Pfahringer,B.,MOA:大规模在线分析,J.Mach。学习。第11601-1604号决议(2010年) [56] 比菲,A。;霍姆斯,G。;柯克比,R。;Pfahringer,B.,《数据流挖掘——一种实用方法》(2011年),怀卡托大学计算机科学系:日本怀卡托学院计算机科学系,技术报告 [57] Eitzinger,C。;Heidl,W。;Lughofer,E。;Raiser,S.公司。;史密斯,J。;塔希尔,M。;Sannen,D。;van Brussel,H.,《可训练表面检查系统中自适应部件的影响评估》,马赫。视觉。申请。,21, 613-626 (2010) [58] 伊斯兰,M.M.F。;费尔多西,R。;拉赫曼,S。;Bushra,H.Y.,使用数据挖掘技术预测早期糖尿病的可能性,(Gupta,M.;Konar,D.;Bhattacharyya,S.;Biswas,S.,《医学图像分析中的计算机视觉和机器智能》(2020年),Springer Singapore:Springer新加坡),113-125 [59] Nakai,K。;Kanehisa,M.,预测革兰氏阴性菌蛋白质定位位点的专家系统,蛋白质,1195-110(1991) [60] Nakai,K。;Kanehisa,M.,预测真核细胞蛋白质定位位点的知识库,基因组学,14897-911(1992) [61] 霍顿,P。;Nakai,K.,预测蛋白质细胞定位位点的概率分类系统,(第四届分子生物学智能系统国际会议论文集(1996)),109-115 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。