Propagation of Interval and Probabilistic Uncertainty in Cyberinfrastructure-related Data Processing and Data Fusion

در نمونه‌های مختلف از علوم زمین گرفته تا علوم محیطی، این

کتاب توضیح می‌دهد که چگونه می‌توان توصیف کافی از عدم قطعیت ایجاد کرد، چگونه الگوریتم‌های نیمه ابتکاری را برای پردازش عدم قطعیت توجیه کرد. و چگونه می توان این الگوریتم ها را

از نظر محاسباتی کارآمدتر کرد. توضیح می‌دهد که رویکرد موجود به

عدم قطعیت به‌عنوان ترکیبی از مؤلفه‌های تصادفی و سیستماتیک تنها یک تقریب است، یک مدل سه جزئی مناسب‌تر با مدل اضافی ارائه می‌دهد. p>

مولفه خطای دوره‌ای، و توضیح می‌دهد که چگونه تکنیک‌های انتشار عدم قطعیت را می‌توان

به این مدل تعمیم داد. این کتاب توجیهی برای یک تکنیک عملاً کارآمد

ابتکاری (بر اساس تصمیم گیری فازی) ارائه می دهد. توضیح می دهد که چگونه می توان پیچیدگی محاسباتی

پردازش عدم قطعیت را کاهش داد. این کتاب همچنین نشان می‌دهد که چگونه می‌توان

در نظر گرفت که در زندگی واقعی، اطلاعات مربوط به عدم قطعیت اغلب فقط

تا حدی شناخته شده است، و در چندین مثال عملی، چگونگی استخراج اطلاعات ناقص

در مورد عدم قطعیت از داده‌های موجود وجود ندارد.

On various examples ranging from geosciences to environmental sciences, this

book explains how to generate an adequate description of uncertainty, how to justify

semiheuristic algorithms for processing uncertainty, and how to make these algorithms

more computationally efficient. It explains in what sense the existing approach to

uncertainty as a combination of random and systematic components is only an

approximation, presents a more adequate three-component model with an additional

periodic error component, and explains how uncertainty propagation techniques can

be extended to this model. The book provides a justification for a practically efficient

heuristic technique (based on fuzzy decision-making). It explains how the computational

complexity of uncertainty processing can be reduced. The book also shows how to

take into account that in real life, the information about uncertainty is often only

partially known, and, on several practical examples, explains how to extract the missing

information about uncertainty from the available data.