用于简洁 TSK 模糊回归模型的 MBGD-RDA 训练与规则剪枝
机器学习
2020-03-04 v2 机器学习
摘要
为有效训练用于回归问题的 Takagi-Sugeno-Kang（TSK）模糊系统，近期提出了一种带正则化、DropRule 和 AdaBound 的小批量梯度下降（MBGD-RDA）算法。它已展现出优越性能；然而也存在一些局限，例如不允许用户直接指定规则数量，且只能使用高斯隶属函数（MF）。本文提出 MBGD-RDA 的两种变体以弥补这些局限，并表明它们在相同规则数下优于原始 MBGD-RDA 和经典 ANFIS 算法。此外，我们还提出一种针对 TSK 模糊系统的规则剪枝算法，可在不显著牺牲回归性能的前提下减少规则数量。实验表明，剪枝得到的规则通常优于从头直接训练，尤其在使用高斯隶属函数时。
引用
@article{arxiv.2003.00608,
title = {MBGD-RDA Training and Rule Pruning for Concise TSK Fuzzy Regression Models},
author = {Dongrui Wu},
journal= {arXiv preprint arXiv:2003.00608},
year = {2020}
}