×
路易斯·德拉奥萨；何塞·加梅兹。；JoséM·普埃尔塔。

通过使用特定路径的混合分布估计算法学习加权语言模糊规则。 （英语） Zbl 1191.68707号

国际J近似推理 50，第3期，541-560（2009）.
总结：当从数据中学习加权语言模糊系统时，WCOR方法利用元启发式算法来找到最佳规则集及其权重。虽然在基于这种方法的早期工作中，搜索是通过遗传算法进行的，但可以使用任何其他技术。
分布估计算法（EDA）是一系列进化算法，其中变异算子由概率分布组成，该概率分布从种群中的最佳个体学习，并采样生成新的概率分布。
为了提高搜索效率，在EDA中包含问题领域知识有多种可能性。特别是，本研究检查了特定设计的EDA，这些EDA将有关WCOR问题的可用信息合并到用于分解概率分布的概率图形模型中。
用真实数据集和人工数据集进行的实验表明，所获得的结果和搜索过程所需的计算工作量都有所改善。

引用于2文件

MSC公司：

68层37 人工智能背景下的不确定性推理
68T05型 人工智能中的学习和自适应系统

关键词：

语言模糊系统；COR公司；分布算法的估计；加权模糊规则；软计算；混合系统；数据挖掘

软件：

模糊J
PDF格式BibTeX公司 XML格式引用
\textit｛L.delaOssa｝等人，《国际近似推理》50，第3期，541–560（2009年；Zbl 1191.68707）
全文： DOI程序

参考文献：

[1] 阿尔卡拉，R。；Alcalá-Fdez，J。；卡西利亚斯，J。；俄亥俄州科尔顿。；Herrera，F.，在模糊建模中获得可解释性和准确性权衡的混合学习模型，《软计算》，10，9，717-734（2006）
[2] 阿尔卡拉，R。；Alcalá-Fdez，J。；Herrera，F。；Otero，J.，基于二元组的精确紧凑模糊规则系统的遗传学习，国际期刊近似推理，44，1，45-64（2007）·Zbl 1109.68087号
[3] 阿尔卡拉，R。；卡诺，J。；俄亥俄州科尔顿。；Herrera，F。；维拉尔，P。；Zwir，I.，用加权语言规则的层次系统进行语言建模，国际近似推理杂志，32，2-3，187-215（2003）·Zbl 1026.68141号
[4] 阿尔卡拉，R。；卡西利亚斯，J。；俄亥俄州科尔顿。；Herrera，F.，通过加权COR方法改进简单语言模糊模型，（人工智能进展-IBERAMIA 2002，LNAI 2527（2002），Springer Verlag）·Zbl 1036.68523号
[5] 阿尔卡拉，R。；卡西利亚斯，J。；俄亥俄州科尔顿。；Herrera，F.，基于协同进化学习的加权双后果模糊规则语言建模，综合计算机辅助工程，10，4，343-355（2003）
[6] S.Baluja，《基于群体的增量学习：一种集成基于遗传搜索的函数优化和竞争学习的方法》，技术报告CMU-CS-94-163，卡内基梅隆大学计算机科学系，1994年。；S.Baluja，《基于群体的增量学习：一种集成基于遗传搜索的功能优化和竞争学习的方法》，技术报告CMU-CS-94-163，卡内基梅隆大学计算机科学系，1994年。
[7] Baluja，S.，《使用先验知识创建优化概率模型》，《国际近似推理杂志》，31，3，193-220（2002）·Zbl 1056.68065号
[8] S.Baluja，S.Davies，将多次优化运行与最优依赖树相结合，CMU-CS-97-157技术报告，卡内基梅隆大学计算机科学系，1997年。；S.Baluja，S.Davies，《将多重优化运行与最佳依赖树相结合》，技术报告CMU-CS-97-157，卡内基梅隆大学计算机科学系，1997年。
[9] Bárdossy，A。；Duckstein，B.，《应用于地球物理、生物和工程系统的模糊规则建模》（1995），CRC出版社·Zbl 0857.92001号
[10] R.Blanco，B.Sierra，P.Larrañaga，I.Inza，通过分布估计选择用于癌症分类的高精度基因，载于：医学贝叶斯模型研讨会论文集（在AIME-01内举行），2001年。；R.Blanco，B.Sierra，P.Larrañaga，I.Inza，通过分布估计选择用于癌症分类的高精度基因，收录于：医学贝叶斯模型研讨会论文集（AIME-01内举行），2001年。
[11] 卡西利亚斯，J。；科登，O。；德维亚纳，I.F。；Herrera，F.，使用最差蚂蚁系统算法学习合作语言模糊规则，《国际智能系统杂志》，20433-452（2005）·Zbl 1101.68949号
[12] 卡西利亚斯，J。；俄亥俄州科尔顿。；Herrera，F.，Cor:通过诱导规则之间的合作来改进即席数据驱动的语言规则学习方法的方法论，IEEE系统、人和控制论事务。B部分：控制论，32，4，526-537（2002）
[13] Cho，J。；Park，D.J.，基于神经网络部分不一致规则加权的新型模糊逻辑控制，《智能模糊系统杂志》，8，99-110（2000）
[14] 俄亥俄州科尔顿。；Herrera，F.，《提高语言建模准确性的建议》，IEEE模糊系统汇刊，8，6，335-344（2000）
[15] 俄亥俄州科尔顿。；Herrera，F。；Sánchez，L.，使用混合进化数据分析技术解决配电问题，应用智能，10，5-24（1999）
[16] de Bonet，J。；伊斯贝尔，C.L。；Viola，P.，MIMIC：通过估计概率密度找到最优值，《神经信息处理系统的进展》，9424-430（1997）
[17] delaOssa，L。；弗洛雷斯，M.J。；Gámez，J.A。；Mateo，J.L。；Puerta，J.M.，使用基于规则的系统预测曼彻戈羊的初始育种值，应用专家系统，33，1，96-109（2007）
[18] delaOssa，L。；Gámez，J.A。；Puerta，J.M.，《分布算法估计中基于启发式的抽样：初始方法》，（人工智能当前主题，人工智能当前话题，计算机科学课堂讲稿，第3040卷（2003），Springer）
[19] L.R.Emmendorfer，R.Traleski，A.Ramirez，《利用先验知识改进用于特征选择的分布估计算法的性能》，载于：《第五届混合智能系统国际会议论文集》，2005年。；L.R.Emmendorfer，R.Traleski，A.Ramirez，《利用先验知识改进应用于特征选择的分布估计算法的性能》，载于：《第五届混合智能系统国际会议论文集》，2005年。
[20] 弗洛雷斯，J。；Gámez，J.A。；Puerta，J.M.，通过使用分布估计算法作为COR方法中的搜索引擎来学习语言模糊规则，（走向新的进化计算。分布估计算法的进展。走向新的演化计算。分布算法估计的进展，模糊性和软计算研究，第192卷（2005），斯普林格·弗拉格）
[21] J.González。；罗哈斯，I。；Pomares，H。；Herrera，L。；吉伦，A。；帕洛马雷斯，J。；Rojas，F.，《利用多目标进化算法在保持模糊函数逼近器可解释性的同时提高精度》，《国际近似推理杂志》，44，1，32-44（2007）·Zbl 1109.68090号
[22] M.Henrion，《通过概率逻辑抽样传播贝叶斯网络中的不确定性》，载：J.F.Lemmer，L.Kanal（编辑），《人工智能中的不确定性》，第2卷，北荷兰，1988年，第149-163页。；M.Henrion，《通过概率逻辑抽样在贝叶斯网络中传播不确定性》，J.F.Lemmer，法律公告Kanal（编辑），《人工智能中的不确定性》第2卷，北荷兰，1988年，第149-163页·Zbl 0649.68095号
[23] IRG-NCR、FuzzyJ工具包和Fuzzy Jess<http://www.iit.nrc.ca/IR_public/fuzzy/fuzzy JToolkit2.html>; IRG-NCR、FuzzyJ工具包和Fuzzy Jess<http://www.iit.nrc.ca/IR_public/fuzzy/fuzzy JToolkit2.html>
[24] Ishibuchi，H。；Nojima，Y.，通过基于多目标模糊遗传的机器学习分析模糊系统的可解释性和准确性权衡，国际期刊近似推理，44，1，4-31（2007）·Zbl 1109.68091号
[25] Ishibuchi，H。；Takashima，T.，模糊规则分类系统中规则权重的影响，IEEE模糊系统汇刊，3，3，260-270（2001）
[26] Kang，S.J。；Woo，C.H。；Hwang，H。；Woo，K.，非线性系统建模和控制模糊规则库的进化设计，IEEE模糊系统汇刊，137-45（2000）
[27] P.Larrañaga，R.Etxeberria，J.A.Lozano，J.M.PeñA，贝叶斯和高斯网络学习和模拟优化，技术报告EHU-KZAA-IK-4-99，巴斯克大学，1999年。；P.Larrañaga、R.Etxeberria、J.A.Lozano、J.M.PeñA，贝叶斯网络和高斯网络学习和模拟优化，技术报告EHU-KZAA-IK-4-99，巴斯克大学，1999年。
[28] （Larrañaga，P.；Lozano，J.A.，《分布算法的估计》，《进化计算的新工具》（2001），Kluwer学术出版社）·Zbl 1002.90104号
[29] Mamdani，E.H。；《用模糊逻辑控制器进行语言综合的实验》，《国际人机研究杂志》，第7期，第1-13页（1975年）·Zbl 0301.68076号
[30] Mucientes，M。；Casillas，J.，移动机器人中具有良好可解释性的模糊控制器的快速设计，IEEE模糊系统汇刊，15，4，636-651（2007）
[31] Mühlenbein，H.，《选择反应方程及其预测应用》，进化计算，5303-346（1998）
[32] Nauck，D.，神经模糊系统中的自适应规则权重，神经计算和应用，9，60-70（2000）
[33] Nozaki，K。；Ishibuchi，H。；Tanaka，H.，从数值数据生成模糊规则的简单但强大的启发式方法，模糊集和系统，86，251-270（1997）
[34] Ocenasek，J。；科恩，S。；Hansen，N。；Koumoutsakos，P.，带方差自适应的混合贝叶斯优化算法，（第八届自然并行问题解决国际会议论文集（PPSN VIII）。《第八届自然并行问题解决国际会议论文集》（PPSN VIII），《计算机科学讲义》，第3242卷（2004），施普林格出版社）
[35] J.Ocenasek，J.Schwarz，混合连续离散优化问题的分布算法估计，载于：第二届欧洲国际计算智能研讨会，IOS出版社，2002年。；J.Ocenasek，J.Schwarz，混合连续离散优化问题的分布算法估计，载于：第二届欧洲国际计算智能研讨会，IOS出版社，2002年。
[36] R.Orchand，《Jess:The FuzzyJ toolkit and FuzzyJess中的模糊推理》，载《第三届企业信息系统国际会议论文集》，2001年。；R.Orchand，《Jess:The FuzzyJ toolkit and FuzzyJess中的模糊推理》，载于《第三届企业信息系统国际会议论文集》，2001年。
[37] 北卡罗来纳州帕尔。；Pal，K.，用扩展模糊推理模型处理不一致规则，智能模糊系统杂志，755-73（1999）
[38] 北卡罗来纳州帕尔。；Pal，K.，用扩展模糊推理模型处理不一致规则，智能模糊系统杂志，755-73（1999）
[39] M.Pelikan，面向新一代进化算法的分层贝叶斯优化算法系列：模糊性和软计算研究，第170卷，Springer-Verlag，2005。；M.Pelikan，面向新一代进化算法的分层贝叶斯优化算法系列：模糊性和软计算研究，第170卷，Springer-Verlag，2005年·兹比尔1107.68084
[40] Tsang，E。；Yeung，D.S.，使用模糊神经网络调整模糊产生规则的确定因子和局部权重，IEEE系统、人和控制论汇刊-第B部分：控制论，32，1，91-98（2002）
[41] Van Vroekhoven，E。；Adriaenssens，E。；De Baets，B.，《模糊有序分类模糊模型中语言术语的保解释性遗传优化：生态学案例研究》，国际期刊近似推理，44，1，65-90（2007）·Zbl 1107.68450号
[42] Wang，L.X.，完成的WM方法：数据挖掘的灵活模糊系统方法，IEEE模糊系统事务，11，6，768-782（2003）
[43] 王立新。；孟德尔，J.M.，通过从例子中学习生成模糊规则，IEEE系统、人类和控制论汇刊，22，61414-1427（1992）
[44] Witten，I.H。；Frank，E.，《数据挖掘：Java实现的实用机器学习工具和技术》（2005），Morgan Kaufmann Publishers，ISBN:0-12-088407-0·Zbl 1076.68555号
[45] Zadeh，L.A.，模糊集，信息与控制，8，338-353（1965）·Zbl 0139.24606号
[46] Zadeh，L.A.，《复杂系统和决策过程分析新方法概述》，IEEE系统人与控制论汇刊，3，1，28-44（1973）·Zbl 0273.93002号
[47] L.A.Zadeh，语言变量的概念及其在近似推理中的应用，《信息科学》，第8卷，第199-249页（第一部分）；第8卷，第301-357页（第二部分），第9卷，第43-80页（第三部分），1975年。；L.A.Zadeh，语言变量的概念及其在近似推理中的应用，《信息科学》，第8卷，第199-249页（第一部分）；第8卷，第301-357页（第二部分），第9卷，第43-80页（第三部分），1975年·Zbl 0397.68071号
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。