Reti Neurali a Vettori Funzionali Casuali Profonde con Logica Fuzzy Intuizionistica per una Classificazione Robusta

C'è un nuovo preprint su arXiv con l'identificatore 2608.10007 che introduce alcune interessanti modifiche alle reti neurali a vettori funzionali casuali profonde. Presenta due nuovi modelli chiamati IF-dRVFL e IF-edRVFL, che utilizzano la teoria fuzzy intuizionistica per migliorare il modo in cui queste reti gestiscono rumore e outlier durante la classificazione. Considerando sia i gradi di appartenenza che di non appartenenza, questi modelli sfruttano le informazioni di vicinato nello spazio kernel. Determinano l'appartenenza in base alla vicinanza dei campioni ai centroidi delle loro classi e usano la non appartenenza per mostrare l'incertezza. Questo approccio affronta le debolezze delle attuali reti neurali random profonde che faticano con dati reali rumorosi. È un contributo notevole al deep learning e ai sistemi fuzzy!