Towards a Unified Modeling and Knowledge-Representation based on Lattice Theory: Computational Intelligence and Soft Computing Applications

منظور ما از "مدل" توصیف ریاضی یک جنبه جهان است. با گسترش رایانه‌ها، انواع الگوهای مدل‌سازی تحت هوش محاسباتی و محاسبات نرم پدیدار شدند. یک فناوری پیشرفته در حال حاضر به دلیل نیاز به مقابله با انواع مختلف داده ها در حوزه های کاربردی مختلف، تکه تکه شده است. این تک نگاری پژوهشی یک رویکرد یکپارچه و متقابل برای بازنمایی و مدل‌سازی دانش بر اساس نظریه شبکه پیشنهاد می‌کند. تاکید بر کاربردهای خوشه بندی، طبقه بندی و رگرسیون است. نشان داده شده است که چگونه می توان تحلیل و طراحی دقیق را در محاسبات نرم با استفاده از روش های مرسوم (محاسبات سخت) دنبال کرد. علاوه بر این، محاسبات غیر تورینگ را می توان دنبال کرد. مطالب در اینجا بر اساس تحقیقات جاری ما که در مجلات و کنفرانس های علمی بزرگ منتشر شده است، چند رشته ای است. نتایج تجربی توسط الگوریتم های مختلف به طور گسترده نشان داده شده است. کار مرتبط توسط سایر نویسندگان نیز به صورت گسترده و مقایسه ای ارائه شده است.

By ‘model’ we mean a mathematical description of a world aspect. With the proliferation of computers a variety of modeling paradigms emerged under computational intelligence and soft computing. An advancing technology is currently fragmented due, as well, to the need to cope with different types of data in different application domains. This research monograph proposes a unified, cross-fertilizing approach for knowledge-representation and modeling based on lattice theory. The emphasis is on clustering, classification, and regression applications. It is shown how rigorous analysis and design can be pursued in soft computing using conventional (hard computing) methods. Moreover, non-Turing computation can be pursued. The material here is multi-disciplinary based on our on-going research published in major scientific journals and conferences. Experimental results by various algorithms are demonstrated extensively. Relevant work by other authors is also presented both extensively and comparatively.