Granular Computing: An Introduction

این کتاب درباره محاسبات دانه ای (GC) است - مفهومی نوظهور و پردازش اطلاعات. همانطور که از نام آن پیداست، GC مربوط به پردازش الگوی محاسباتی موجودیت های اطلاعاتی پیچیده - دانه های اطلاعات است. در اصل، دانه های اطلاعات در فرآیند انتزاع داده ها و استخراج دانش از اطلاعات به وجود می آیند. گرانول های اطلاعات همه جا هستند. ما معمولا از دانه های زمان (ثانیه، ماه، سال) استفاده می کنیم. ما تصاویر را دانه بندی می کنیم. میلیون‌ها پیکسل که توسط رایانه‌ها به‌صورت جداگانه دستکاری شده‌اند، به‌عنوان دانه‌هایی به نظر می‌رسند که اشیاء فیزیکی را نشان می‌دهند. در زبان طبیعی، ما بر اساس دانه‌بندی‌های کلمه عمل می‌کنیم که به موجودیت‌های حیاتی تبدیل می‌شوند که برای تحقق تعامل و ارتباط بین انسان‌ها استفاده می‌شوند. به طور شهودی، ما احساس می کنیم که دانه های اطلاعات در قلب تمام فعالیت های ادراکی ما قرار دارند. در گذشته، چندین چارچوب رسمی و ابزار، برای پردازش دانه‌های اطلاعاتی خاص، پیشنهاد شده‌اند. تجزیه و تحلیل بازه ای، مجموعه های خشن، مجموعه های فازی همگی نقش مهمی در بازنمایی و پردازش دانش ایفا کرده اند. پس از آن، دانه بندی اطلاعات و دانه های اطلاعات در حوزه های کاربردی متعددی پدید آمدند. ایده‌های شناخته شده سیستم‌های مبتنی بر قانون، ذاتاً بر روی دانه‌های اطلاعاتی متمرکز هستند. مدل‌سازی کیفی که یکی از موضوعات پیشرو در هوش مصنوعی است، در سطحی از دانه‌های اطلاعاتی عمل می‌کند. معماری‌های چند لایه و سیستم‌های سلسله مراتبی (مانند مواردی که در مهندسی کنترل با آن مواجه می‌شوند)، سیستم‌های برنامه‌ریزی و زمان‌بندی همگی از جزئیات اطلاعات بهره‌برداری می‌کنند. ما همچنین از دانه‌های اطلاعاتی در مورد دانه‌بندی عملکرد، قابلیت استفاده مجدد از اطلاعات و روش‌های کارآمد برای توسعه زیرساخت‌های اطلاعاتی زیربنایی استفاده می‌کنیم.

This book is about Granular Computing (GC) - an emerging conceptual and of information processing. As the name suggests, GC concerns computing paradigm processing of complex information entities - information granules. In essence, information granules arise in the process of abstraction of data and derivation of knowledge from information. Information granules are everywhere. We commonly use granules of time (seconds, months, years). We granulate images; millions of pixels manipulated individually by computers appear to us as granules representing physical objects. In natural language, we operate on the basis of word-granules that become crucial entities used to realize interaction and communication between humans. Intuitively, we sense that information granules are at the heart of all our perceptual activities. In the past, several formal frameworks and tools, geared for processing specific information granules, have been proposed. Interval analysis, rough sets, fuzzy sets have all played important role in knowledge representation and processing. Subsequently, information granulation and information granules arose in numerous application domains. Well-known ideas of rule-based systems dwell inherently on information granules. Qualitative modeling, being one of the leading threads of AI, operates on a level of information granules. Multi-tier architectures and hierarchical systems (such as those encountered in control engineering), planning and scheduling systems all exploit information granularity. We also utilize information granules when it comes to functionality granulation, reusability of information and efficient ways of developing underlying information infrastructures.