Polish (Poland)English (United Kingdom)

Design Methodology for Rough Neuro-Fuzzy Classification with Missing Data

Rodzaj publikacji: Konferencja Słowa kluczowe: Cognition;Electronic mail;Fuzzy sets;Fuzzy systems;Neural networks;Zirconium
Rok: 2015
Autorzy:
Tytuł książki: Computational Intelligence, 2015 IEEE Symposium Series on
Strony: 1650-1657
Miesiąc: December
BibTex:
Abstrakt:
One of important methods designed to classify objects with missing feature values are rough neuro-fuzzy classifiers (RNFC). Similarly to neuro-fuzzy systems, they are specific network structures, which can be trained by optimization methods based on gradient descent. However, to the best of our knowledge, there are no publications concerning such way of RNFC designing. In the paper the problems with gradient learning of RNFC are denoted and the suitable solutions are proposed. The influence of missing values level on the learning process and classification quality is examined. The RNFC is compared with the k-NN classifier which is adapted to missing values problem by a "wide imputation" method. All experiments use 10-fold cross validation.

Na tej stronie używamy ciasteczek do zapisania spersonalizowanych ustawien użytkownika oraz w celach statystycznych. Jeśli Państwa przeglądarka nie blokuje ciasteczek, informacje te zostały zapisane na Waszym komputerze.Więcej informacji w naszej polityce prywatności.

Akceptuję wykorzystanie ciasteczek na tej stronie.