دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1st ed. 2020]
نویسندگان: Raúl Trujillo-Cabezas. José Luis Verdegay
سری: Studies in Fuzziness and Soft Computing 387
ISBN (شابک) : 9783030254315, 9783030254322
ناشر: Springer International Publishing
سال نشر: 2020
تعداد صفحات: XXII, 230
[242]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 Mb
در صورت تبدیل فایل کتاب Integrating Soft Computing into Strategic Prospective Methods: Towards an Adaptive Learning Environment Supported by Futures Studies به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب ادغام محاسبات نرم در روش های آینده نگر استراتژیک: به سوی یک محیط یادگیری تطبیقی که توسط مطالعات آینده پشتیبانی می شود نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب چگونگی ساخت ابزارهای بهینهسازی را مورد بحث قرار میدهد که بتوانند مطالعات آینده بهتری را ایجاد کنند. هدف آن نشان دادن چگونگی استفاده از این ابزارها برای ایجاد یک محیط یادگیری تطبیقی است که می تواند برای تصمیم گیری در حضور عدم قطعیت استفاده شود. این کتاب با تکنیکهای فازی موجود و رویکردهای تصمیمگیری چند معیاره شروع میشود و نشان میدهد که چگونه میتوان آنها را در ابزارهای مؤثرتر برای مدلسازی رویدادهای آینده و بنابراین تصمیمگیری بهتر ترکیب کرد. بخش اول کتاب به نظریههای پشت بهینهسازی فازی و نقشه شناختی فازی اختصاص دارد، در حالی که بخش دوم رویکردهای جدیدی را ارائه میکند که توسط نویسندگان با کاربرد عملی آنها برای تحلیل تاثیر روند، برنامهریزی سناریو و فرمولبندی استراتژیک ایجاد شدهاند. هدف این کتاب دو گروه از خوانندگان است که علاقه مند به پیوند مطالعات آینده با هوش مصنوعی هستند. گروه اول شامل دانشمندان علوم اجتماعی است که به دنبال روش های بهبود یافته برای آینده نگر استراتژیک هستند. گروه دوم شامل دانشمندان و مهندسان کامپیوتر است که به دنبال کاربردهای جدید و پیشرفت های فعلی روش های محاسبات نرم برای پیش بینی در علوم اجتماعی هستند، اما به این محدود نمی شود.
This book discusses how to build optimization tools able to generate better future studies. It aims at showing how these tools can be used to develop an adaptive learning environment that can be used for decision making in the presence of uncertainties. The book starts with existing fuzzy techniques and multicriteria decision making approaches and shows how to combine them in more effective tools to model future events and take therefore better decisions. The first part of the book is dedicated to the theories behind fuzzy optimization and fuzzy cognitive map, while the second part presents new approaches developed by the authors with their practical application to trend impact analysis, scenario planning and strategic formulation. The book is aimed at two groups of readers, interested in linking the future studies with artificial intelligence. The first group includes social scientists seeking for improved methods for strategic prospective. The second group includes computer scientists and engineers seeking for new applications and current developments of Soft Computing methods for forecasting in social science, but not limited to this.