关于模糊规则分类器中自编码器的微调
机器学习
2021-06-22 v1 人工智能
摘要
深度神经网络近期的进展使研究者得以借助改进的理论与经验依据，解决图像分类和音频分类等一些非常复杂的问题。本文提出一种在模糊规则分类器（FRC）中引入自编码器的新型方案。堆叠的自编码器能够学习数据间复杂的非线性关系，而面向 FRC 所构建的框架可让用户向系统输入专家知识。本文进一步提出四种自编码器的新型微调策略，以提升 FRC 的分类与规则约简性能。所提框架在五个真实世界基准数据集上进行了测试。与超过 15 项已有研究的详尽对比以及 10 折交叉验证性能表明，所提方法能够构建出可提供 SOTA 精度的 FRC。
引用
@article{arxiv.2106.11182,
title = {On fine-tuning of Autoencoders for Fuzzy rule classifiers},
author = {Rahul Kumar Sevakula and Nishchal Kumar Verma and Hisao Ishibuchi},
journal= {arXiv preprint arXiv:2106.11182},
year = {2021}
}