BriefGPT - AI 论文速递
·
高维数据模糊推理系统的动态模糊规则和属性管理框架
💡
原文中文，约700字，阅读约需2分钟。
📝
内容提要
本研究提出了自适应动态属性和规则（ADAR）框架，以应对高维数据在神经模糊推理系统中的挑战。该框架通过自适应权重整合属性和规则，结合自动生长和修剪策略，简化模糊模型，提升性能和可解释性。实验结果表明，ADAR模型在多个数据集上表现优越，具有广泛的应用潜力。
🎯
关键要点
- 本研究提出了自适应动态属性和规则（ADAR）框架，以应对高维数据在神经模糊推理系统中的挑战。
- ADAR框架通过自适应权重整合属性和规则，结合自动生长和修剪策略，简化模糊模型。
- 该框架提升了模糊模型的性能和可解释性。
- 实验结果表明，ADAR模型在多个数据集上表现优越，均方根误差（RMSE）低于传统模型。
- ADAR模型在动态平衡规则复杂性和特征重要性方面具有优越性，展现了广泛的应用潜力。
➡️
