Is ‘Fuzzy Theory’ an Appropriate Tool for Large Size Problems?

دسته بندی: منطق فازی و برنامه های کاربردی
ویرایش: 1 
نویسندگان: Ranjit Biswas (auth.)  
سری: SpringerBriefs in Applied Sciences and Technology 
ISBN (شابک) : 9783319267173, 9783319267180 
ناشر: Springer International Publishing 
سال نشر: 2016 
تعداد صفحات: 72 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 1 مگابایت 

قیمت کتاب (تومان) : 46,000



کار در این کتاب مبتنی بر دیدگاه‌های فلسفی و منطقی در موضوع رمزگشایی از «پیشرفت» فرآیند تصمیم‌گیری در سیستم شناختی یک تصمیم‌گیرنده (خواه انسان باشد یا حیوان یا یک پرنده یا هر موجود زنده ای که مغز دارد) در حالی که مقدار عضویت μ(x) را در یک مجموعه فازی یا در یک مجموعه فازی شهودی یا در هر مدل مجموعه محاسباتی نرم یا در یک مجموعه واضح ارزیابی می کند. نظریه جدیدی به نام "نظریه CIFS" معرفی شده است. دو فرضیه زیر حقایقی پنهان در محاسبات فازی یا هر فرآیند محاسبات نرم هستند:-

Fact-1: یک تصمیم گیرنده (عامل هوشمند) هرگز نمی تواند از "نظریه فازی" یا هر محاسبات نرم استفاده کند یا به کار ببرد. نظریه مجموعه‌ها بدون سیستم فازی شهودی.

Fact-2: Fact-1 لزوماً نیازی به تصمیم‌گیرنده فازی (یا یک تصمیم‌گیر معمولی واضح یا یک تصمیم‌گیر با هر مدل تئوری نرم دیگر یا تصمیم‌گیرنده‌ای مانند حیوان/پرنده ای که مغز دارد و غیره) باید در مورد تئوری IFS آگاه یا آگاه باشد!

«نظریه CIFS» با تجزیه و تحلیل دقیق برای کشف درستی این موارد ایجاد شده است. دو واقعیت دو مثال از «مسائل تصمیم‌گیری» با راه‌حل‌های کامل ارائه شده است که یکی از آنها غلبه پتانسیل کاربرد نظریه مجموعه‌های فازی شهودی را بر نظریه مجموعه‌های فازی نشان می‌دهد و دیگری عکس آن را نشان می‌دهد، یعنی غلبه پتانسیل کاربرد را نشان می‌دهد. در برخی موارد، نظریه مجموعه های فازی نسبت به نظریه مجموعه های فازی شهودی. ممکن است "نظریه CIFS" متعلق به موضوعات زیر باشد: نظریه مجموعه‌های فازی شهودی، محاسبات نرم، هوش مصنوعی، و غیره.

The work in this book is based on philosophical as well as logical views on the subject of decoding the ‘progress’ of decision making process in the cognition system of a decision maker (be it a human or an animal or a bird or any living thing which has a brain) while evaluating the membership value µ(x) in a fuzzy set or in an intuitionistic fuzzy set or in any such soft computing set model or in a crisp set. A new theory is introduced called by “Theory of CIFS”. The following two hypothesis are hidden facts in fuzzy computing or in any soft computing process :-

Fact-1: A decision maker (intelligent agent) can never use or apply ‘fuzzy theory’ or any soft-computing set theory without intuitionistic fuzzy system.

Fact-2 : The Fact-1 does not necessarily require that a fuzzy decision maker (or a crisp ordinary decision maker or a decision maker with any other soft theory models or a decision maker like animal/bird which has brain, etc.) must be aware or knowledgeable about IFS Theory!

The “Theory of CIFS” is developed with a careful analysis unearthing the correctness of these two facts. Two examples of ‘decision making problems’ with complete solutions are presented out of which one example will show the dominance of the application potential of intuitionistic fuzzy set theory over fuzzy set theory, and the other will show the converse i.e. the dominance of the application potential of fuzzy set theory over intuitionistic fuzzy set theory in some cases. The “Theory of CIFS” may be viewed to belong to the subjects : Theory of Intuitionistic Fuzzy Sets, Soft Computing, Artificial Intelligence, etc.

Front Matter....Pages i-viii
Is ‘Fuzzy Theory’ an Appropriate Tool for Large Size Problems?....Pages 1-61
Back Matter....Pages 63-64