Multi-Level State Evaluation in Complex Systems: Information Granules and Evidence Theory Approach
Notice bibliographique
Résumé
Abstract Real-world systems often exhibit intricate complexity. Navigating and examining the conditions under which these systems operate presents various challenges. These systems are characterized by a web of interconnected inputs and subsystems organized in hierarchical way. The status of each subsystem depends on multiple inputs and the conditions of other interconnected subsystems. Additionally , articulating precise definitions for the states of these subsystems is a complex task, usually fraught with uncertainties. Experts frequently employ information granules to encapsulate imprecise quantities, basing these granules on specialized domain knowledge. These granules may manifest as linguistic terms or intervals, resulting in approximate state definitions. To the best of our knowledge , no methodology currently accommodates multiple uncertainties – including those tied to state definitions – while also offering an evaluation of the varying states across different subsystems. In this study, we present a novel technique for identifying local and global states in hierarchical, multi-component systems under conditions of uncertainty. Utilizing principles of Evidence Theory, we incorporate a recently devised method to evaluate how well uncertain objectives are met. These uncertain objectives correspond to state definitions formulated using information granules of a specific context. By measuring the extent to which the inputs to a given subsystem align with these imprecise state definitions, we can identify the most probable state the subsystem will likely be in. Our proposed method addresses various types of uncertainty when ascertaining system states. The specific areas of imprecision tackled by our approach include: 1) the vagueness and ambiguity inherent in the measurements serving as subsystem inputs, 2) the levels of uncertainty involved in defining subsystem states based on the conditions of other interconnected subsystems, and 3) the indistinct and incomplete knowledge incorporated into the definitions describing individual subsystems’ states. The paper elaborates on the intricacies of our method and includes a case study to demonstrate how system states can be identified when faced with ambiguous definitions of subsystem states.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».