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: 1 نویسندگان: Mauricio A. Sanchez, Oscar Castillo, Juan R. Castro (auth.) سری: SpringerBriefs in Applied Sciences and Technology ISBN (شابک) : 9783319412887, 9783319412870 ناشر: Springer International Publishing سال نشر: 2017 تعداد صفحات: 97 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب مدل گرانول فازی نوع 2: هوش محاسباتی، هوش مصنوعی (شامل رباتیک)
در صورت تبدیل فایل کتاب Type-2 Fuzzy Granular Models 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 مدل گرانول فازی نوع 2 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.
در این کتاب مجموعه ای از الگوریتم های دانه ای پیشنهاد شده است. یک الگوریتم دانه ای الهام گرفته از طبیعت بر اساس نیروهای گرانشی نیوتنی پیشنهاد شده است. مجموعهای از روشها برای تشکیل دانههای اطلاعاتی نوع بالاتر که توسط مجموعههای فازی بازهای نوع 2 نشان داده شدهاند، از طریق رویکردهای متعدد، مانند ضریب تغییرات، اصل دانهبندی قابل توجیه، مفهوم اطلاعات مبتنی بر عدم قطعیت، و مبتنی بر شواهد عددی نشان داده شدهاند. . و یک مقایسه کاربرد دانهای فازی برای نشان دادن تفاوتها در نحوه تأثیر عدم قطعیت بر عملکرد دانههای اطلاعات فازی ارائه شده است.
In this book, a series of granular algorithms are proposed. A nature inspired granular algorithm based on Newtonian gravitational forces is proposed. A series of methods for the formation of higher-type information granules represented by Interval Type-2 Fuzzy Sets are also shown, via multiple approaches, such as Coefficient of Variation, principle of justifiable granularity, uncertainty-based information concept, and numerical evidence based. And a fuzzy granular application comparison is given as to demonstrate the differences in how uncertainty affects the performance of fuzzy information granules.
Front Matter....Pages i-viii
Introduction....Pages 1-3
Background and Theory....Pages 5-18
Advances in Granular Computing....Pages 19-35
Experimentation and Results Discussion....Pages 37-49
Conclusions....Pages 51-52
Back Matter....Pages 53-93