Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

NFISiS: New Perspectives on Fuzzy Inference Systems for Renewable Energy Forecasting

Created by
  • Haebom

作者

Kaike Sa Teles Rocha Alves, Eduardo Pestana de Aguiar

概要

本論文は、長い学習時間と解釈の難しさというディープラーニングモデルの限界を克服するために、精度と透明性のバランスを提供するファジィ推論システムに焦点を当てています。既存の高木杉野カン（TSK）ファジィモデルの限界を改善するために、新しいMamdaniベースの回帰モデルを提案し、正確さと解析性のバランスのためにユーザーがルールの数を定義できるようにデータベースのモデルを設計しました。大容量データセットの複雑さに対処するために、ラッパー技術と ensemble 技術を統合し、遺伝的アルゴリズムを使用したフィーチャセレクション、Random New Mamdani Regressor、Random New Takagi-Sugeno-Kang、Random Forest New Takagi-Sugeno-Kangなどの ensemble モデルを提示します.太陽光発電予測データセットを使用してモデルを検証した結果、特にGenetic New Takagi-Sugeno-KangおよびRandom Forest New Takagi-Sugeno-Kangモデルは、従来の機械学習およびディープラーニングモデルより優れた性能を示し、より簡単で解釈可能な規則基盤を提供することを確認しました。提案されたモデルはnfisisライブラリ（ https://pypi.org/project/nfisis/）を通じて公開されています。

Takeaways、Limitations

•
Takeaways：
◦
ディープラーニングモデルの限界を克服するための新しいファジィベースの回帰モデルの提示
◦
データ駆動型モデル設計により、ユーザーは精度と解析性のバランスを調整できます。
◦
遺伝的アルゴリズムと Ensemble 手法を活用して大容量データセットを効果的に処理
◦
太陽光発電予測分野における従来モデルに比べて優れた性能検証
◦
開発されたモデルを公開ライブラリ（Nfisis）を通じて提供。
•
Limitations:
◦
提案されたモデルの性能が特定のデータセットに限定される可能性。
◦
さまざまなデータセットの追加の実験と検証が必要です。
◦
遺伝的アルゴリズムと Ensemble 手法のパラメータ最適化に関するさらなる研究が必要
👍
Made with Slashpage