Notice bibliographique
Résumé
As one of important parts of fuzzy logic, fuzzy inference plays a vital role in the fields of fuzzy control, artificial intelligence, affective computing, image processing and so forth. Two key problems of fuzzy inference are FMP (fuzzy modus ponens) and FMT (fuzzy modus tollens). How to get the ideal solution for FMP and FMT is a difficult problem in the area of fuzzy logic. Aiming at such problem, from the idea of symmetric implicational reasoning, triple I* method and restriction theory, we put forward and investigate the α-symmetric I* restriction method, and then generalize it to the α(x,y)-symmetric I* restriction method. To begin with, the α-symmetric I* restriction principle and the α(x,y)-symmetric I* restriction principle are established. Furthermore, the equivalent condition to let a basic restriction solution exist is given. Then the unified solutions of the α-symmetric I* restriction method and the α(x,y)-symmetric I* restriction method are achieved for R-implications and (S, N)-implications. Besides, some special cases of optimal solutions are shown. Finally, the corresponding conclusions are provided when the two methods degenerate into the α-triple I* restriction method and α(x,y)-triple I* restriction method. These research results would be an important improvement for the fields of fuzzy inference, fuzzy logic and related applications.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».