MétaCan
Menu
Retour à la cohorte
Enregistrement W3203163997 · doi:10.3390/sym13101816

Fuzzy Mixed Variational-like and Integral Inequalities for Strongly Preinvex Fuzzy Mappings

2021· article· en· W3203163997 sur OpenAlexaff
Muhammad Bilal Khan, H. M. Srivastava, Pshtiwan Othman Mohammed, Juan L. G. Guirao

Notice bibliographique

RevueSymmetry · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueFuzzy Systems and Optimization
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésDifferentiable functionConvexityMathematicsFuzzy logicFuzzy measure theoryPure mathematicsConvex functionRegular polygonFuzzy setApplied mathematicsFuzzy numberComputer scienceArtificial intelligenceGeometry

Résumé

récupéré en direct d'OpenAlex

It is a familiar fact that convex and non-convex fuzzy mappings play a critical role in the study of fuzzy optimization. Due to the behavior of its definition, the idea of convexity plays a significant role in the subject of inequalities. The concepts of convexity and symmetry have a tight connection. We may use whatever we learn from one to the other, thanks to the significant correlation that has developed between both in recent years. Our aim is to consider a new class of fuzzy mappings (FMs) known as strongly preinvex fuzzy mappings (strongly preinvex-FMs) on the invex set. These FMs are more general than convex fuzzy mappings (convex-FMs) and preinvex fuzzy mappings (preinvex-FMs), and when generalized differentiable (briefly, G-differentiable), strongly preinvex-FMs are strongly invex fuzzy mappings (strongly invex-FMs). Some new relationships among various concepts of strongly preinvex-FMs are established and verified with the support of some useful examples. We have also shown that optimality conditions of G-differentiable strongly preinvex-FMs and the fuzzy functional, which is the sum of G-differentiable preinvex-FMs and non G-differentiable strongly preinvex-FMs, can be distinguished by strongly fuzzy variational-like inequalities and strongly fuzzy mixed variational-like inequalities, respectively. In the end, we have established and verified a strong relationship between the Hermite–Hadamard inequality and strongly preinvex-FM. Several exceptional cases are also discussed. These inequalities are a very interesting outcome of our main results and appear to be new ones. The results in this research can be seen as refinements and improvements to previously published findings.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,004
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,041
Tête enseignante GPT0,284
Écart entre enseignants0,243 · 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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSymmetryMême sujetFuzzy Systems and OptimizationTravaux en français237 207