XiaoMi-AI文件搜索系统
World File Search SystemRDFS
在分类问题中应用D-XCHOQUET积分
摘要 - 基于模糊规则的分类系统（FRBCS）的模糊推理方法（FRM）已应用Choquet积分的几个概括，以提高其性能。为了实现这一目标，研究人员通过限制在其结构中使用的功能的要求并放松积分的单调性，从而搜索了新的方法，以提供更大的概括性。这种情况是CT综合，CC综合，CF综合，CF1F2综合和DCF综合性，在分类算法中获得了良好的性能，更具体地说，是在基于Fuzzy关联的高维问题（FARC-HD）的基于Fuzzy Cosisize的分类方法（FARC-HD）。此后，随着Choquet积分基于限制差异函数（RDF）的引入，代替标准差异，可以做出新的概括：D-XCHOQUET（D-XC）积分，这些积分是有序的方向增强功能，并且根据采用的RDF，也可能是一种预处理的功能。这些积分被应用于多标准决策问题以及电动机脑脑电脑接口框架中。在本文中，我们基于D-XC积分家族引入了一个新的FRM，并通过将其应用于文献中的33个不同数据集来分析其性能。索引术语 - D-XCHOQUET积分，预处理功能，OD增强功能，基于模糊规则的分类系统
pygraft：触手可及的合成模式和知识图的可配置生成
摘要。知识图（kgs）已成为突出的数据表示和管理范式。通常受到架构（例如，本体论）的基础，KGS不仅捕获了事实信息，而且捕获了上下文知识。在某些任务中，一些公斤将自己确立为标准基准。但是，最近的工作概述依靠有限的数据集集合不足以评估方法的概括能力。在一些数据敏感领域（例如教育或医学）中，对公共数据集的访问更加有限。为了纠正上述问题，我们释放了Pygraft，这是一种基于Python的工具，生成了高度定制的域 - 不可能的模式和KGS。合成的模式包含各种RDF和OWL构建体，而合成的KG则模仿了真实世界KGS的字符和规模。最终通过运行描述逻辑（dl）追求来确保生成资源的逻辑一致性。通过提供单个管道中同时产生模式和kg的方式，Pygraft的目的是赋予在基于图形的机器学习（ML）或更一般的KG处理等领域的基准新颖方法中生成更多样化的kgs。在基于图的ML中，这应该促进对模型性能和概括能力的更全面评估，从而超越了可用基准的有限收集。Pygraft可在以下网址提供：https：//github.com/nicolas-hbt/pygraft。