Granular Computing and Intelligent Systems: Design with Information Granules of Higher Order and Higher Type

گرانول‌های اطلاعات موجودیت‌های مفهومی اساسی هستند که درک پدیده‌های پیچیده را تسهیل می‌کنند و به افزایش تمرکز انسان در سیستم‌های هوشمند کمک می‌کنند. چارچوب‌های رسمی گرانول‌های اطلاعات و دانه‌بندی اطلاعات شامل مجموعه‌های فازی، تحلیل بازه‌ای، احتمال، مجموعه‌های ناهموار و مجموعه‌های سایه‌دار است که فقط چند نماینده را نام می‌بریم. در میان پیشرفت‌های فعلی رایانش دانه‌ای، گزینه‌های جالبی مربوط به دانه‌های اطلاعاتی با مرتبه بالاتر و از نوع بالاتر است. دانه بندی اطلاعات مرتبه بالاتر مربوط به تشکیل موثر دانه های اطلاعاتی بر روی فضایی است که در ابتدا توسط دانه های اطلاعاتی درجه پایین تر ساخته شده است. این ساختار مستقیماً با مفهوم سلسله مراتب سیستم‌های متشکل از لایه‌های پردازش متوالی که با افزایش سطوح انتزاع مشخص می‌شود، مرتبط است. این ایده تحقق لایه‌ای و سلسله مراتبی مدل‌های سیستم‌های پیچیده سطح قابل‌توجهی از دید در مدل‌سازی فازی را با مفهوم کاملاً تثبیت شده مدل‌های فازی سلسله مراتبی به دست آورده است که در آن فرد تلاش می‌کند تا به یک مبادله صحیح بین دقت و سطحی از جزئیات که توسط مدل و سطح تفسیرپذیری آن دانه‌های اطلاعاتی نوع بالاتر زمانی پدیدار می‌شوند که خود گرانول‌های اطلاعاتی را نتوان به طور کامل به روش عددی مشخص کرد، اما درعوض بهره‌برداری از تحقق آنها در قالب انواع دیگر گرانول‌های اطلاعاتی مانند مجموعه‌های فازی نوع ۲، مجموعه‌های فازی با ارزش بازه‌ای راحت می‌شود. ، یا مجموعه های فازی احتمالی. مرتبه بالاتر و نوع بالاتر گرانول های اطلاعاتی تمرکز مطالعات بر روی محاسبات دانه ای ارائه شده در این مطالعه را تشکیل می دهد. این کتاب در مورد روش‌های صحیح محاسبات دانه‌ای، پیگیری‌های الگوریتمی و مجموعه‌ای از کاربردهای متنوع و مطالعات موردی در مطالعات زیست‌محیطی، پیش‌بینی قیمت گزینه‌ها، و مهندسی قدرت توضیح می‌دهد.

Information granules are fundamental conceptual entities facilitating perception of complex phenomena and contributing to the enhancement of human centricity in intelligent systems. The formal frameworks of information granules and information granulation comprise fuzzy sets, interval analysis, probability, rough sets, and shadowed sets, to name only a few representatives. Among current developments of Granular Computing, interesting options concern information granules of higher order and of higher type. The higher order information granularity is concerned with an effective formation of information granules over the space being originally constructed by information granules of lower order. This construct is directly associated with the concept of hierarchy of systems composed of successive processing layers characterized by the increasing levels of abstraction. This idea of layered, hierarchical realization of models of complex systems has gained a significant level of visibility in fuzzy modeling with the well-established concept of hierarchical fuzzy models where one strives to achieve a sound tradeoff between accuracy and a level of detail captured by the model and its level of interpretability. Higher type information granules emerge when the information granules themselves cannot be fully characterized in a purely numerical fashion but instead it becomes convenient to exploit their realization in the form of other types of information granules such as type-2 fuzzy sets, interval-valued fuzzy sets, or probabilistic fuzzy sets. Higher order and higher type of information granules constitute the focus of the studies on Granular Computing presented in this study. The book elaborates on sound methodologies of Granular Computing, algorithmic pursuits and an array of diverse applications and case studies in environmental studies, option price forecasting, and power engineering.