MétaCan
Menu
Retour à la cohorte

Granular worlds: Representation and communication problems

2000· article· en· W2041926928 sur OpenAlexaff
Witold Pedrycz, George Vukovich

Notice bibliographique

RevueInternational Journal of Intelligent Systems · 2000
Typearticle
Langueen
DomaineComputer Science
ThématiqueRough Sets and Fuzzy Logic
Établissements canadiensCanadian Space AgencyUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGranular computingGranularityComputer scienceRough setPossible worldTheoretical computer scienceProbabilistic logicRepresentation (politics)InteroperabilityArtificial intelligenceEpistemologyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

In this study, we introduce a concept of granular worlds and elaborate on various representation and communication issues arising therein. A granular world embodies a collection of information granules being regarded as generic conceptual entities used to represent knowledge and handle problem solving. Granular computing is a paradigm supporting knowledge representation, coping with complexity, and facilitating interpretation of processing. In this sense, it is crucial to all man-machine pursuits and data mining and intelligent data analysis, in particular. There are two essential facets that are inherently associated with any granular world, that is a formalism used to describe and manipulate information granules and the granularity of the granules themselves (roughly speaking, by the granularity we mean a “size” of such information granules; its detailed definition depends upon the formal setting of the granular world). There are numerous formal models of granular worlds ranging from set-theoretic developments (including sets, fuzzy sets, and rough sets) to probabilistic counterparts (random sets, random variables and alike). In light of the evident diversity of granular world (occurring both in terms of the underlying formal settings as well as levels of granularity), we elaborate on their possible interaction and identify implications of such communication. More specifically, we have cast these in the form of the interoperability problem that is associated with the representation of information granules. © 2000 John Wiley & Sons, Inc.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,029
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0030,005
Études des sciences et des technologies0,0040,012
Communication savante0,0150,029
Science ouverte0,0030,008
Intégrité de la recherche0,0070,006
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,283
Écart entre enseignants0,256 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Intelligent SystemsMême sujetRough Sets and Fuzzy LogicTravaux en français237 207