20201015

Generating artificial data that reflect the features of real data requires analysis of the features of real data.

However, in the case of non-stationary data, the features are difficult to define.

In this study, I will analyze non-stationary data using Parlin noise, assuming a driving robot.

Driving robots are playing an active role in vehicle speed tracking control.

With reinforcement learning control, it is difficult to transfer policies to different vehicles because the dynamics of the environment change.

I propose to incorporate fuzzy theory close to human senses into reinforcement learning.

In this seminar, I will explain the ANFIS used in the proposed method and explain the preliminary experiment.

近年，人工知能技術による病気の診断システムが提案されている。特にファジィシステムは，より早く正確な診断の実現を助ける。タイプ2ファジィシステムは，従来のファジィシステムに比べて不確実性の処理が改善される傾向がある。本論文では、タイプ2ファジィによる診断システムを提案する。医療診断データセットによって，従来のファジィシステムと比較した際のタイプ2ファジィシステムの性能の分析を行う。