哈维尔·维纳;科恩、凯利;安卡·雷莱斯库;斯蒂芬·雷莱斯库;弗拉基克·克里诺维奇 本地化学习：当前深度学习技术的一种可能替代方案。 （英语） Zbl 1509.68229号 Castillo，Oscar（编辑）等人，基于模糊逻辑、神经网络和元启发式的混合智能系统设计新观点。查姆：斯普林格。螺柱计算。智力。1050, 465-473 (2022). 摘要：目前，最有效的深度学习技术是使用深度神经网络。然而，最近的经验结果表明，在某些情况下，使用“本地化”学习甚至更有效，即将输入域划分为子域，分别学习每个子域的所需依赖性，然后将结果依赖性“平滑”为单个算法。在本文中，我们为这些实证成功提供了理论解释。关于整个系列，请参见[Zbl 1496.68013号]. MSC公司： 68T05型 人工智能中的学习和自适应系统 68T07型 人工神经网络与深度学习 PDF格式BibTeX公司 XML格式引用 \textit{J.Viaña}等人，研究计算。智力。1050、465--473（2022年；Zbl 1509.68229） 全文： 内政部 链接 参考文献： [1] Belohlavek，R。；Dauben，JW；Klir，GJ，《模糊逻辑与数学：历史视角》（2017），纽约：牛津大学出版社，纽约·Zbl 1400.03004号 ·doi:10.1093/oso/9780190200015.001.0001 [2] de Boor，C.，《样条实用指南》（2001），纽约：Springer，纽约·Zbl 0987.65015号 [3] 埃勒斯，PHC；Marx，BD，《实用平滑：P样条曲线的乐趣》（2021），英国剑桥：剑桥大学出版社，英国剑桥·兹比尔1458.62002 ·doi:10.1017/9781108610247 [4] 古德费罗，I。；Y.本吉奥。；A.Courville，《深度学习》（2016），马萨诸塞州剑桥：麻省剑桥市麻省理工学院出版社·Zbl 1373.68009号 [5] Klir，G。；袁，B.，《模糊集与模糊逻辑》（1995），新泽西州上鞍河：普伦蒂斯·霍尔，新泽西上鞍河·Zbl 0915.03001号 [6] 克里诺维奇，V。；O.科舍列娃。；帕尔达洛斯，P。；拉斯卡佐娃，V。；明尼苏达州Vrahatis，《不确定性下的优化》解释了深度学习启发式的经验成功。机器学习和无自由午餐定理，黑箱优化，195-220（2021），瑞士查姆：瑞士查姆施普林格·Zbl 1491.68181号 [7] 孟德尔，JM，《基于规则的不确定性模糊系统：介绍和新方向》（2017），瑞士查姆：瑞士查姆施普林格·Zbl 1373.03003号 ·数字对象标识代码：10.1007/978-3-319-51370-6 [8] 米库拉，G。；Micula，S.，《样条手册》（2008），多德雷赫特：施普林格·Zbl 0914.65003号 [9] Nguyen，HT；沃克，CL；沃克，EA，模糊逻辑第一课程（2019），佛罗里达州博卡拉顿：查普曼和霍尔/CRC，佛罗里达州波卡拉顿·Zbl 1405.03001号 [10] 弗吉尼亚州诺瓦克。；佩菲利耶娃，I。；莫奇科，J.，《模糊逻辑的数学原理》（1999），波士顿，多德雷赫特：克鲁沃，波士顿，多德雷赫德·Zbl 0940.03028号 ·doi:10.1007/978-1-4615-5217-8 [11] DJ Sheskin，《参数和非参数统计程序手册》（2011），英国伦敦：查普曼和霍尔/CRC，英国伦敦·Zbl 1269.62032号 [12] Viaña，J.，Cohen，K.：基于模糊、抗噪、可解释的回归算法。收录：北美模糊信息处理协会NAFIPS 2021年年会论文集。印第安纳州西拉斐特，2021年6月7日至9日 [13] Viaña，J.，Raslecu，S.，Cohen，K.，Ralescu，a.，Kreinovich，V.：基于模糊的可解释和噪声弹性算法对多维问题的扩展。2021年9月12日，匈牙利塞格德，2021年约束规划与决策国际研讨会论文集 [14] Zadeh，LA，模糊集，Inform。控制，8338-353（1965）·Zbl 0139.24606号 ·doi:10.1016/S0019-9958（65）90241-X 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。