MétaCan
Menu
Retour à la cohorte
Enregistrement W2184884018 · doi:10.3233/ifs-141336

Coalition fuzzy stability analysis in the Graph Model for Conflict Resolution

2015· article· en· W2184884018 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueJournal of Intelligent & Fuzzy Systems · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueMulti-Criteria Decision Making
Établissements canadiensWilfrid Laurier UniversityUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésFuzzy logicStability (learning theory)PreferenceGeneralizationComputer scienceFuzzy set operationsConflict resolutionFuzzy numberMathematical optimizationDefuzzificationMathematicsFuzzy setArtificial intelligenceMachine learningStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Coalition fuzzy stability concepts are developed within the Fuzzy Preference Framework for the Graph Model for Conflict Resolution to investigate how decision makers can cooperate. The objective is to identify favorable outcome(s) in a multiple participant-multiple objective decision problem with fuzzy preference information. More specifically, coalition versions of fuzzy Nash stability, fuzzy general metarationality, fuzzy symmetric metarationality, and fuzzy sequential stability are proposed. They constitute a natural generalization of the corresponding non-cooperative fuzzy preference-based definitions for Nash stability, general metarationality, symmetric metarationality, and sequential stability, respectively. Coalition fuzzy stability definitions are employed to analyze an actual dispute over groundwater contamination in Elmira, Ontario, Canada, demonstrating how these new concepts can be conveniently applied to practical problems in order to gain valuable strategic insights.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,042
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,993

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0420,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0020,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,467
Tête enseignante GPT0,458
Écart entre enseignants0,009 · 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