คำถามติดแท็ก fuzzy

อะไรคือความแตกต่างระหว่างโครงข่ายประสาทเทียม , เครือข่ายแบบเบย์ , ต้นไม้ตัดสินใจและตาข่ายของ Petriถึงแม้ว่าพวกมันจะเป็นโมเดลกราฟิกทั้งหมดและแสดงให้เห็นถึงความสัมพันธ์เชิงเหตุ - ผล

30 machine-learning  neural-networks  bayesian-network  fuzzy 

ฉันมีชุดข้อมูลที่มีขนาดใหญ่มากและมีค่าสุ่มประมาณ 5% หายไป ตัวแปรเหล่านี้มีความสัมพันธ์ซึ่งกันและกัน ตัวอย่างชุดข้อมูล R ต่อไปนี้เป็นเพียงตัวอย่างของเล่นที่มีข้อมูลที่สัมพันธ์กันจำลอง set.seed(123) # matrix of X variable xmat <- matrix(sample(-1:1, 2000000, replace = TRUE), ncol = 10000) colnames(xmat) <- paste ("M", 1:10000, sep ="") rownames(xmat) <- paste("sample", 1:200, sep = "") #M variables are correlated N <- 2000000*0.05 # 5% random missing values inds …

12 r  random-forest  missing-data  data-imputation  multiple-imputation  large-data  definition  moving-window  self-study  categorical-data  econometrics  standard-error  regression-coefficients  normal-distribution  pdf  lognormal  regression  python  scikit-learn  interpolation  r  self-study  poisson-distribution  chi-squared  matlab  matrix  r  modeling  multinomial  mlogit  choice  monte-carlo  indicator-function  r  aic  garch  likelihood  r  regression  repeated-measures  simulation  multilevel-analysis  chi-squared  expected-value  multinomial  yates-correction  classification  regression  self-study  repeated-measures  references  residuals  confidence-interval  bootstrap  normality-assumption  resampling  entropy  cauchy  clustering  k-means  r  clustering  categorical-data  continuous-data  r  hypothesis-testing  nonparametric  probability  bayesian  pdf  distributions  exponential  repeated-measures  random-effects-model  non-independent  regression  error  regression-to-the-mean  correlation  group-differences  post-hoc  neural-networks  r  time-series  t-test  p-value  normalization  probability  moments  mgf  time-series  model  seasonality  r  anova  generalized-linear-model  proportion  percentage  nonparametric  ranks  weighted-regression  variogram  classification  neural-networks  fuzzy  variance  dimensionality-reduction  confidence-interval  proportion  z-test  r  self-study  pdf 

ตรรกะฟัซซีดูเหมือนจะเป็นพื้นที่ของการวิจัยในการเรียนรู้ของเครื่องจักรและการขุดข้อมูลกลับมาเมื่อฉันอยู่ในโรงเรียนระดับประถมศึกษา (ต้นปี 2000) ระบบอนุมานฟัซซี, ฟัซซีซีหมายถึง, ฟัซซีเวอร์ชั่นของโครงข่ายประสาทเทียมและสถาปัตยกรรมเวกเตอร์ของเครื่องเวกเตอร์สนับสนุนทั้งหมดถูกสอนในหลักสูตรระดับบัณฑิตศึกษาและอภิปรายในการประชุม ตั้งแต่ฉันเริ่มให้ความสนใจกับ ML อีกครั้ง (~ 2013), Fuzzy Logic ดูเหมือนว่าจะหลุดออกจากแผนที่อย่างสมบูรณ์และการหายไปจากภูมิทัศน์ ML ในปัจจุบันนั้นชัดเจนมากเนื่องจาก AI hype ทั้งหมด นี่เป็นกรณีของหัวข้อที่หลุดออกมาจากแฟชั่นหรือมีข้อ จำกัด เฉพาะของตรรกศาสตร์คลุมเครือและการอนุมานคลุมเครือที่นำไปสู่หัวข้อที่นักวิจัยถูกทอดทิ้งหรือไม่? เพื่อชี้แจงตามความคิดเห็นของ jbowman: มีบางเหตุการณ์หรือการค้นพบที่ทำให้ FL หลุดออกไปจากแฟชั่นคล้ายกับเครือข่ายประสาทในยุค 60 เมื่อพวกเขาออกจากแฟชั่นเพราะพิสูจน์ว่าพวกเขาไม่สามารถแก้ปัญหา XOR ได้ ? หรือ Fuzzy Systems มีประสิทธิภาพดีกว่าด้วยกระบวนทัศน์การแข่งขันหรือไม่

10 fuzzy  fuzzy-c-means-clustering 

ฉันทำงานกับฟัซซี่ลอจิก (FL) มาหลายปีแล้วและฉันรู้ว่ามีความแตกต่างระหว่างฟลอริด้าและความน่าจะเป็นเป็นพิเศษเกี่ยวกับวิธีที่ฟลอริด้าจัดการกับความไม่แน่นอน อย่างไรก็ตามฉันอยากจะถามว่ามีความแตกต่างระหว่างฟลอริด้าและความน่าจะเป็นมากกว่านี้หรือไม่? กล่าวอีกนัยหนึ่งถ้าฉันจัดการกับความน่าจะเป็น (รวมข้อมูลความรู้รวม) ฉันจะทำเช่นเดียวกันกับฟลอริด้า?

10 bayes  fuzzy