未见类标预测：当模糊推理系统预测训练阶段未出现的物联网设备定位标签
机器学习
2022-09-23 v1
摘要
作为人工智能（AI）核心的机器学习（ML），更具体地深度学习（DL），在过去二十年中取得了巨大成功。然而，由于缺失类在训练ML或DL模型中不可见，未见类标签预测甚少被探索。在这项工作中，我们提出一种模糊推理系统，通过采用TSK+模糊推理引擎结合基于曲率的特征选择（CFS）方法来应对该挑战。我们系统的实际可行性已通过预测物联网（IoT）领域内网络设备的定位标签得到评估。具竞争力的预测性能证实了我们的系统的高效与有效，尤其在模型训练阶段大量连续类标签未见时。
引用
@article{arxiv.2209.10627,
title = {Seen to Unseen: When Fuzzy Inference System Predicts IoT Device Positioning Labels That Had Not Appeared in Training Phase},
author = {Han Xu and Zheming Zuo and Jie Li and Victor Chang},
journal= {arXiv preprint arXiv:2209.10627},
year = {2022}
}
备注
Accepted by International Conference on Internet of Things, Big Data and Security (IoTBDS) 2022