Interval-Valued Complex Neutrosophic Sets and Complex Neutrosophic Soft Topological Spaces
Notice bibliographique
Résumé
Network performance is the evaluation and assessment of collective network statistics, to define the quality of services offered by the computer network. It is a qualitative and quantitative technique that measures and defines the performance level for a network. Networking provides a link between different factors (bandwidth, number of devices, network traffic and latency) for performing multiple tasks. These factors affect the network speed and quality. Some errors occur due to network traffic and latency can produce uncertain results. These results provide low quality and speed in the network that caused time wasting with no required results. In this regard, the notion of interval valued complex neutrosophic relation (IVCNR) is developed to handle this situation. Modeling problems by using the idea of interval valued complex neutrosophic sets (IVCNSs) and interval valued complex neutrosophic relations (IVCNRs) will not only formulate the effects of one factor to other but also defines the grades of membership, abstains and non-membership. The cartesian product among two IVCNSs and the types of IVCNRs is discussed. By applying the methods of IVCNRs on the factors of network performance that can produce better network speed and improved quality in the network. In continuation this study introduced and investigates the structure of complex neutrosophic soft topological spaces. The foundational definitions of complex neutrosophic soft topology, open and closed sets, interior, closure, and boundary are formally established. The study also explores the concept of complex neutrosophic soft bases and subspace topologies, along with criteria for basis generation and topological refinement. Several theorems elucidate the relationships among topological constructs and operations such as union, intersection, and complementation under complex neutrosophic soft conditions. We apply pervious methods on these problems and collect some results. But through this method, the required results achieved more reliable than the previous methods. So, the proposed method is the best method for modeling uncertain complexities in the required results. Some applications are also given that can be applied in our day to day life.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».