TSK 模糊神经网络的维度灾难：解释与解决方案

Yuqi Cui; Dongrui Wu; Yifan Xu

TSK 模糊神经网络的维度灾难：解释与解决方案

机器学习 2022-11-15 v1

作者: Yuqi Cui , Dongrui Wu , Yifan Xu

摘要

带高斯隶属函数(MFs)的 Takagi-Sugeno-Kang (TSK) 模糊系统是机器学习中应用最广泛的模糊系统之一。然而，它通常难以处理高维数据集。本文探讨带高斯 MFs 的 TSK 模糊系统为何在高维输入上可能失效。在将去模糊化转换为 softmax 函数的等价形式后，我们发现性能不佳源于 softmax 的饱和。我们展示两种去模糊化操作 LogTSK 和 HTSK(后者为本文首次提出)可避免该饱和。在多种维度数据集上的实验结果验证了我们的分析并证明了 LogTSK 和 HTSK 的有效性。

关键词

TSK 模糊系统高斯隶属函数高维数据 softmax 饱和 LogTSK HTSK 去模糊化

引用

@article{arxiv.2102.04271,
  title  = {Curse of Dimensionality for TSK Fuzzy Neural Networks: Explanation and Solutions},
  author = {Yuqi Cui and Dongrui Wu and Yifan Xu},
  journal= {arXiv preprint arXiv:2102.04271},
  year   = {2022}
}

备注

Int'l Joint Conf. on Neural Networks (IJCNN), Shenzhen, China, July 2021

TSK 模糊神经网络的维度灾难：解释与解决方案

摘要

关键词

引用

备注

相关论文