基於總合模糊法小資料學習特性之研究

TFIR > Department of Marketing Distribution management > program > Item 987654321/118

Please use this identifier to cite or link to this item: http://163.15.40.127/ir/handle/987654321/118

Title:	基於總合模糊法小資料學習特性之研究 The Study of Character Analysis for Small Data Set Learning Based on Mega-Fuzzification Method
Authors:	張峰銘 Chang, Fong-Ming Chang, F. M. (行政院國家科學委員會) (東方技術學院行銷與流通管理系)
Keywords:	小資料學習;總合模糊法;模糊類神經網路;機器學習
Date:	2006
Issue Date:	2009-07-21 09:28:50 (UTC+8)
Abstract:	在現實世界裡, 吾人往往必需在資料不足的情況下做成決策, 我們稱之為小資料學習(small data set learning); 雖然過去有許多的人工智慧的方法被提出來, 但是大部分都是仰賴大量資料來學習。筆者過去的研究裡, 已提出了結合連續資料方法與領域外擴方式之總合模糊法(mega-fuzzification), 以解決彈性製造系統(flexible manufacturing system, FMS)中小資料學習的問題, 本研究進一步針對小資料學習之種種特性研究分析, 例如, 小資料學習的準確度的提高範圍, 準確度的變異性與穩定性, 對於彈性製造系統以外的資料, 是否仍然適用於總合模糊法? 這些特性有待更進一步的分析與研究。
Appears in Collections:	[Department of Marketing Distribution management] program

Files in This Item:

File	Size	Format
index.html	0Kb	HTML	944	View/Open