MétaCan
Menu
Retour à la cohorte
Enregistrement W4408798880 · doi:10.28924/2291-8639-23-2025-70

Possibility Fermatean Interval Valued Fuzzy Soft Set and Their Application to Decision Making Framework

2025· article· en· W4408798880 sur OpenAlex
G. Muhiuddin, Mohamed E. A. Elnair, ELsiddig Idriss Mohamed, Sivakumar Pushparaj, Hussein Eledum, M. Palanikumar

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueInternational Journal of Analysis and Applications · 2025
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueFuzzy and Soft Set Theory
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoft setMathematicsFuzzy logicSet (abstract data type)Interval (graph theory)Fuzzy setArtificial intelligenceComputer scienceCombinatorics

Résumé

récupéré en direct d'OpenAlex

In this paper, we introduce the theory of possibility Fermatean interval valued fuzzy soft (PFIVFS) set and its application to real life problems. The PFIVFS set is a generalization of Pythagorean fuzzy soft and soft set. We define some operations consist of complement, union, intersection, AND and OR. Notably, we show DeMorgan’s laws and associative laws and distributive laws are valid in PFIVFS set theory. We discuss the need to buy a laptop and find several stages for consumer goes through before purchasing a product. We propose an algorithm to solve the decision making problem based on soft set method. To compare PFIVFS set and Fermatean interval valued fuzzy soft (FIVFS) set for dealing with decision making problems, we find a similarity measure. Finally, an illustrative example is discussed to prove that they can be effectively used to solve problems with uncertainties.

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 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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,837
Score d'incertitude au seuil0,426

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
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 Opus0,028
Tête enseignante GPT0,408
Écart entre enseignants0,381 · 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