An Investigation of Alternative Methods for the Inference of Probabilistic-Fuzzy Systems

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61988987%3A17610%2F25%3AA2603BTF" target="_blank" >RIV/61988987:17610/25:A2603BTF - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/10.1007/978-3-032-00891-6_9" target="_blank" >https://link.springer.com/10.1007/978-3-032-00891-6_9</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-032-00891-6_9" target="_blank" >10.1007/978-3-032-00891-6_9</a>

Jazyk výsledku

angličtina

Název v původním jazyce

An Investigation of Alternative Methods for the Inference of Probabilistic-Fuzzy Systems

Popis výsledku v původním jazyce

We focus on the inference process in a probabilistic-fuzzy IF-THEN rule system, where antecedents are modeled as fuzzy sets and consequents as weighted quantile functions, offering insights into the probability distribution of response data. While the weighted arithmetic mean has been the conventional inference method, other suitable approaches exist. This work compares it with three alternatives: the weighted geometric mean, weighted $L_1$ minimization, and a mixture distribution-based method. Through experiments on both simulated and real-world data, we evaluate their performance using standard statistical measures.

Název v anglickém jazyce

An Investigation of Alternative Methods for the Inference of Probabilistic-Fuzzy Systems

Popis výsledku anglicky

We focus on the inference process in a probabilistic-fuzzy IF-THEN rule system, where antecedents are modeled as fuzzy sets and consequents as weighted quantile functions, offering insights into the probability distribution of response data. While the weighted arithmetic mean has been the conventional inference method, other suitable approaches exist. This work compares it with three alternatives: the weighted geometric mean, weighted $L_1$ minimization, and a mixture distribution-based method. Through experiments on both simulated and real-world data, we evaluate their performance using standard statistical measures.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10102 - Applied mathematics

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2025

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Modeling Decisions for Artificial Intelligence

ISBN

978-3-032-00890-9

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

13

Strana od-do

104-116

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Valencia

Datum konání akce

15. 9. 2025

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—