A New Neurodynamics-Based Model for Fuzzy Convex Optimization Problems With Fuzzy Coefficients and General Constraints
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.
Notice bibliographique
Résumé
Fuzzy convex optimization problems with fuzzy coefficients (FCOPFCs) arise in many applications. Although many neurodynamics-based models have been proposed for solving FCOPFCs, most of them are designed for FCOPFCs with equality or inequality constraints only. However, in many applications, the FCOPFCs often come with both equality and inequality constraints (general constraints, for short), so most of the neurodynamics-based models no longer work in these situations. Therefore, this article aims to construct a new model for FCOPFCs with general constraints to extend the applications of neurodynamics-based models. First of all, based on fuzzy set theory, the original FCOPFCs with general constraints is transformed into a series of interval programming tasks and further transformed into crisp optimization problems with weights. Then, a novel continuous-time neurodynamics-based model with a single-layer structure is established to solve the crisp optimization problem with weights. Further, we discuss the global existence and prove the stability of state solutions. The theoretical results show that the state solutions reach the feasible region within finite time and converge to the optimal solution with the smallest 2-norm. Simulation results completed for three kinds of FCOPFCs show the validity of the approach, and the results in real-world applications demonstrate the excellent performance of the proposed model.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle