Knowledge processing with interval and soft computing

مجموعه‌های داده عظیم، که امروزه توسط فناوری‌های مدرن در دسترس قرار گرفته‌اند، چالش مهمی برای دانشمندانی است که نیاز به استخراج مؤثر و کارآمد دانش و اطلاعات مرتبط دارند.

به دلیل توانایی آنها در مدل سازی عدم قطعیت، تکنیک های محاسباتی بازه ای و نرم در این استخراج موثر بوده اند. این کتاب مبانی نظری اساسی برای بکارگیری این تکنیک ها در هوش مصنوعی و پردازش دانش را ارائه می دهد.

سه فصل اول زمینه مورد نیاز برای کسانی را فراهم می کند که با تکنیک های محاسبات بازه ای و نرم افزاری آشنایی ندارند. فصل‌های زیر الگوریتم‌های نوآورانه و کاربردهای آن‌ها در پردازش دانش را تشریح می‌کنند.

به‌ویژه، این فصل‌ها تکنیک‌های محاسباتی برای سیستم‌های معادلات خطی فاصله‌ای، تجزیه ماتریس بازه‌ای ارزش تکی، بازه را پوشش می‌دهند. تقریب تابع، و تصمیم گیری با پردازش داده های آماری و مبتنی بر نمودار. برای فعال کردن این برنامه‌ها، این کتاب یک محیط محاسبات بازه‌ای شی گرا مبتنی بر استانداردها را در C++ ارائه می‌کند.

با ارائه پیشینه لازم و خلاصه کردن نتایج اخیر و کاربردهای موفق، این کتاب مستقل به عنوان منبع مفیدی برای محققان و متخصصانی که مایل به یادگیری تکنیک‌های محاسبات بازه‌ای و نرم‌افزار هستند، خواهد بود. و آنها را در هوش مصنوعی و پردازش دانش به کار ببرید.

Massive datasets, made available today by modern technologies, present a significant challenge to scientists who need to effectively and efficiently extract relevant knowledge and information.

Due to their ability to model uncertainty, interval and soft computing techniques have been found to be effective in this extraction. This book provides coverage of the basic theoretical foundations for applying these techniques to artificial intelligence and knowledge processing.

The first three chapters provide the background needed for those who are unfamiliar with interval and soft computing techniques. The following chapters describe innovative algorithms and their applications to knowledge processing.

In particular, these chapters cover computing techniques for interval linear systems of equations, interval matrix singular-value decomposition, interval function approximation, and decision making with statistical and graph-based data processing. To enable these applications, the book presents a standards-based object-oriented interval computing environment in C++.

By providing the necessary background and summarizing recent results and successful applications, this self-contained book will serve as a useful resource for researchers and practitioners wanting to learn interval and soft computing techniques and apply them to artificial intelligence and knowledge processing.