MétaCan
Menu
Retour à la cohorte
Enregistrement W4400114566 · doi:10.1016/j.ins.2024.121094

Shadowed set approximations of L-fuzzy sets

2024· article· en· W4400114566 sur OpenAlexaff
Li Zhang, Yiyu Yao, Ping Zhu

Notice bibliographique

RevueInformation Sciences · 2024
Typearticle
Langueen
DomaineComputer Science
ThématiqueRough Sets and Fuzzy Logic
Établissements canadiensUniversity of Regina
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésApproximations of πSet (abstract data type)Computer scienceFuzzy setFuzzy logicMathematicsArtificial intelligenceApplied mathematics

Résumé

récupéré en direct d'OpenAlex

Pedrycz shadowed sets are three-way approximations of fuzzy sets by transforming the infinite levels of fuzzy set membership grades in the unit interval [ 0 , 1 ] into three levels. The three levels represent qualitatively the sets of the white, grey, and black members of a shadowed set. In this paper, we generalize the notion of shadowed sets to the case of L-fuzzy sets by making three new contributions. First, we consider two representations of a shadowed set. One is a three-valued L-fuzzy set and the other is three pairwise disjoint sets. Second, we introduce two methods for constructing a shadowed set. One divides a finite lattice based on the notion of a pair of a set of designated core membership grades and a set of designated null membership grades. The other uses a pair of threshold sets, which generalizes the method that uses a pair of thresholds. We study formal properties of the two methods and show that they are equivalent. Finally, based on a distance function on a lattice, we present a simple method to build the sets of designated core and null membership grades.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,943
Score d'incertitude au seuil0,581

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,005
Science ouverte0,0010,000
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 Opus0,042
Tête enseignante GPT0,303
Écart entre enseignants0,262 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInformation SciencesMême sujetRough Sets and Fuzzy LogicTravaux en français237 207