「基于TOPSIS和优化模型的模糊多属性群体决策新方法」地址-CSDN blink-领先的开发者技术社区

最新

红包

立Flag

投票

同城

发布

每日值得看

2 年前

trueeverydaynews

「基于TOPSIS和优化模型的模糊多属性群体决策新方法」

地址： https://arxiv.org/pdf/2311.15933.pdf

这篇论文提出了一种基于TOPSIS方法和优化模型的新方法，用于区间值直觉模糊集环境中的多属性群体决策。首先，通过最小化个体评估与所有专家的整体一致评估之间的差异总和，建立了一个新的优化模型以确定专家权重。其次，基于TOPSIS方法，得到了用于评估每个备选方案的改进接近度指数。最后，通过建立一个以最大化每个备选方案的接近度为目标的优化模型来确定属性权重，并将其纳入接近度指数，从而对备选方案进行排名。将所有这些结合在一起，制定了完整的模糊多属性群体决策算法，充分发挥了主观和客观加权方法的优势。最后，通过一个真实案例研究验证了所提供方法的可行性和有效性。

AI资讯

下一条：

「稀疏化再分类：从大语言模型的内部神经元到高效文本分类器」地址：https://arxiv.org/abs/2311.15983v1大语言模型（LLMs）已经在许多任务中取得了革命性的突破，其中包括文本分类。然而，现有的将预训练的LLMs应用于文本分类的方法主要依赖于仅使用隐藏状态的最后一层的单个标记输出。结果，它们在效率、任务特定性和可解释性方面存在限制。在我们的工作中，我们提出了一种方法，通过在所有激活和隐藏状态上使用多个汇集策略，利用所有内部表示。我们的新颖的轻量级策略Sparsify-then-Classify（STC）首先逐层稀疏化任务特定特征，然后在各层之间进行聚合以进行文本分类。STC可以作为一个无缝的即插即用模块应用于现有的LLMs之上。我们在全面的模型和数据集上进行的实验表明，STC不仅持续改善了预训练和微调模型的分类性能，而且在培训和推断方面更高效，并且更具内在可解释性。