Fuzzy induction နည်းလမ်း နှင့် မော်ဒယ် အသိပညာ နှင့် သတင်းအချက်အလက် စနစ်များအတွက် ၎င်း၏ အသုံးချမှု

ဤဆောင်းပါးသည် fuzzy mathematics နှင့် fractal သီအိုရီတို့ပေါင်းစပ်ထားသည့် စာရေးဆရာမှ ဖန်တီးထားသော fuzzy induction နည်းလမ်းကို အဆိုပြုထားပြီး၊ fuzzy set တစ်ခု၏ recurion အတိုင်းအတာ၏ သဘောတရားကို မိတ်ဆက်ပြီး မပြည့်စုံသော recursion ၏ ရှင်းလင်းချက်တစ်ခုကို တင်ပြထားသည်။ ဘာသာရပ်ဧရိယာကို ပုံဖော်ရန်အတွက် ၎င်း၏ အပိုင်းကိန်း အတိုင်းအတာအဖြစ် သတ်မှတ်သည်။ အဆိုပြုထားသောနည်းလမ်း၏ အသုံးချမှုနယ်ပယ်နှင့် မပီမသအစုများအဖြစ် အခြေခံဖန်တီးထားသော အသိပညာပုံစံများကို ဆော့ဖ်ဝဲလ်အသုံးပြုခြင်းနှင့် စမ်းသပ်ခြင်းဆိုင်ရာ အခြေအနေများ ဖွံ့ဖြိုးတိုးတက်မှုအပါအဝင် သတင်းအချက်အလက်စနစ်များ၏ ဘဝလည်ပတ်မှုဆိုင်ရာ စီမံခန့်ခွဲမှုအဖြစ် ယူဆပါသည်။

Topic

သတင်းအချက်အလက်စနစ်များ၏ ဒီဇိုင်းနှင့် ဖွံ့ဖြိုးတိုးတက်မှု၊ အကောင်အထည်ဖော်မှုနှင့် လည်ပတ်မှုလုပ်ငန်းစဉ်တွင်၊ ပြင်ပမှ စုဆောင်းရရှိသော အချက်အလက်များနှင့် သတင်းအချက်အလက်များကို စုဆောင်း သို့မဟုတ် ဆော့ဖ်ဝဲလ်ဘဝစက်ဝန်း၏ အဆင့်တိုင်းတွင် ပေါ်ပေါက်လာစေရန် စုဆောင်းကာ စနစ်တကျ လုပ်ဆောင်ရန် လိုအပ်ပါသည်။ ၎င်းသည် ဒီဇိုင်းလုပ်ငန်းနှင့် ဆုံးဖြတ်ချက်ချခြင်းအတွက် လိုအပ်သော အချက်အလက်နှင့် နည်းစနစ်ပိုင်းဆိုင်ရာ ပံ့ပိုးကူညီမှုအဖြစ် ဆောင်ရွက်ပြီး အထူးသဖြင့် မသေချာမရေရာမှု မြင့်မားသော အခြေအနေများနှင့် ဖွဲ့စည်းပုံအားနည်းသော ပတ်ဝန်းကျင်များတွင် အထူးသက်ဆိုင်ပါသည်။ ထိုကဲ့သို့သော အရင်းအမြစ်များကို စုဆောင်းခြင်းနှင့် စနစ်တကျဖွဲ့စည်းခြင်း၏ ရလဒ်အဖြစ် ဖွဲ့စည်းထားသော အသိပညာအခြေခံသည် သတင်းအချက်အလက်စနစ်တစ်ခု ဖန်တီးစဉ်အတွင်း ပရောဂျက်အဖွဲ့မှ ရရှိခဲ့သော အသုံးဝင်သော အတွေ့အကြုံများသာမက စိတ်ကူးဉာဏ်သစ်များ၊ နည်းလမ်းများနှင့် ပုံဖော်ရန် အရိုးရှင်းဆုံး ဖြစ်နိုင်ချေရှိသော နည်းလမ်းလည်း ဖြစ်သည်။ ပရောဂျက်တာဝန်များကို အကောင်အထည်ဖော်ရန်အတွက် အယ်လဂိုရီသမ်များ။ တစ်နည်းဆိုရသော် ထိုကဲ့သို့သော အသိပညာအခြေခံသည် ဉာဏအရင်းအနှီး၏ သိုလှောင်ရာနေရာဖြစ်ပြီး တစ်ချိန်တည်းမှာပင် အသိပညာစီမံခန့်ခွဲမှုကိရိယာ [3၊ 10] ဖြစ်သည်။

ကိရိယာတစ်ခုအနေဖြင့် အသိပညာအခြေခံ၏ ထိရောက်မှု၊ အသုံးဝင်မှုနှင့် အရည်အသွေးသည် ၎င်း၏ထိန်းသိမ်းမှု၏ အရင်းအမြစ်ပြင်းထန်မှုနှင့် အသိပညာထုတ်ယူမှု၏ ထိရောက်မှုတို့နှင့် ဆက်စပ်နေသည်။ ဒေတာဘေ့စ်တွင် အသိပညာစုဆောင်းခြင်းနှင့် မှတ်တမ်းတင်ခြင်းတို့ကို ပိုမိုရိုးရှင်းပြီး မြန်ဆန်လေလေ၊ ၎င်းထံ မေးမြန်းချက်များ၏ ရလဒ်များ ပိုမိုကိုက်ညီလေလေ၊ ကိရိယာကိုယ်တိုင်က ပိုကောင်းပြီး ပိုမိုစိတ်ချရလေလေ [1, 2]။ သို့သော်၊ ဆက်စပ်ဒေတာဘေ့စ်များအတွင်း ဆက်ဆံရေးပုံမှန်ပြုလုပ်ခြင်းအပါအဝင် ဒေတာဘေ့စ်စီမံခန့်ခွဲမှုစနစ်များတွင် သက်ဆိုင်သည့် သီးခြားနည်းလမ်းများနှင့် ဖွဲ့စည်းတည်ဆောက်ပုံကိရိယာများသည် ဝေါဟာရဆိုင်ရာအစိတ်အပိုင်းများ၊ အဓိပ္ပာယ်ဖွင့်ဆိုချက်များ၊ ကြားကာလနှင့် စဉ်ဆက်မပြတ် ဆက်စပ်မှုဆိုင်ရာဒေတာဘေ့စ်များ [4၊ 7၊ 10] ကို ဖော်ပြခြင်း သို့မဟုတ် ပုံစံထုတ်ခြင်းကို ခွင့်မပြုပါ။ ၎င်းသည် အကန့်အသတ်ရှိသော ontologies ၏ အထူးကိစ္စရပ်များကို ယေဘုယျဖော်ပြသည့် နည်းစနစ်ကျသော ချဉ်းကပ်မှုတစ်ခု လိုအပ်ပြီး အသိပညာပုံစံကို အချက်အလက်စနစ်၏ ဘာသာရပ်နယ်ပယ်ဖော်ပြချက်၏ အဆက်ပြတ်မှုနှင့် ပိုမိုနီးစပ်စေသည်။

ထိုသို့သောချဉ်းကပ်မှုသည် ပဟေဠိသင်္ချာသီအိုရီ၏ ပြဌာန်းချက်နှင့် fractal dimension [3၊ 6] ၏ ပေါင်းစပ်မှုဖြစ်နိုင်သည်။ Gödel ၏မပြည့်စုံမှုနိယာမအရ ကန့်သတ်မှုအခြေအနေများအောက်တွင် အဆက်ပြတ်မှုဒီဂရီ၏စံသတ်မှတ်ချက်များနှင့်အညီ အသိပညာ၏ဖော်ပြချက်အား အကောင်းဆုံးဖြစ်အောင်ပြုလုပ်ခြင်းဖြင့် (သတင်းအချက်အလက်စနစ်တွင် - ဆင်ခြင်ခြင်း၏အခြေခံမပြည့်စုံမှု၊ အသိပညာ၊ ၎င်း၏ညီညွတ်မှုအခြေအနေအောက်တွင် ဤစနစ်မှဆင်းသက်လာသည်)၊ sequential fuzzification (fuzziness ကိုလျှော့ချခြင်း) ကို ကျွန်ုပ်တို့သည် အသိပညာ၏ကိုယ်ထည်အချို့ကို တတ်နိုင်သမျှ အပြည့်အ၀နှင့် ညီညွတ်စွာထင်ဟပ်စေသည့် တရားဝင်ဖော်ပြချက်တစ်ခုရရှိပြီး မည်သည့်လုပ်ငန်းဆောင်တာမဆို လုပ်ဆောင်ရန် ဖြစ်နိုင်သည်။ သတင်းအချက်အလက် လုပ်ငန်းစဉ်များ - စုဆောင်းခြင်း၊ သိမ်းဆည်းခြင်း၊ လုပ်ဆောင်ခြင်းနှင့် ထုတ်လွှင့်ခြင်း [5၊ 8၊ 9]။

fuzzy set recursion ၏အဓိပ္ပါယ်

X သည် စံပြစနစ်၏ လက္ခဏာအချို့၏ တန်ဖိုးများကို အစုတစ်ခုအဖြစ် ထားပါစေ။

(1)

n = [N ≥ 3] – ထိုကဲ့သို့သော လက္ခဏာတစ်ခု၏ တန်ဖိုးအရေအတွက် (မူလတန်းသတ်မှတ်မှုထက် (0; 1) – (false; true))။
X = B ၊ B = {a,b,c,…,z} သည် ညီမျှခြင်းအစု၊ ဝိသေသ X ၏ တန်ဖိုးအစုံနှင့် သက်ဆိုင်သော ဒြပ်စင်အလိုက် ဒြပ်စင်ကို ရအောင်ယူပါ။
ထို့နောက် မပီမသ အစုံ လက္ခဏာ X ကိုဖော်ပြသည့် fuzzy (ယေဘုယျကိစ္စတွင်) အယူအဆနှင့် ကိုက်ညီသော၊ ကို အောက်ပါအဖြစ် ကိုယ်စားပြုနိုင်သည်။

(2)

m သည် ဖော်ပြချက်ကို ခွဲခြားသိမြင်ခြင်းအဆင့်ဖြစ်ပြီး၊ ကျွန်ုပ်သည် N တွင်ပါဝင်သည် - ခြေလှမ်းပွားမှု။
ထို့ကြောင့်၊ ဖော်ပြချက်၏ အဆက်ပြတ်မှု (ပျော့ပျောင်းမှု) စံနှုန်းနှင့်အညီ သတင်းအချက်အလက်စနစ်နှင့်ပတ်သက်သည့် အသိပညာပုံစံကို အကောင်းဆုံးဖြစ်အောင် မြှင့်တင်ရန်အတွက်၊ fuzzy set တစ်ခု၏ recursion ဒီဂရီ ကျွန်ုပ်တို့သည် ၎င်း၏ကိုယ်စားပြုမှု၏အောက်ပါဗားရှင်းကို ရရှိသည်-

(3)

ဘယ်မှာ - ယေဘုယျအားဖြင့် လက္ခဏာ X ကို သတ်မှတ်ထက် ပိုမိုပြည့်စုံစွာဖော်ပြသည့် fuzzy concept နှင့် သက်ဆိုင်သော set တစ်ခု နူးညံ့မှုစံနှုန်းအရ၊ ဖော်ပြချက်၏ Re-cursion ဒီဂရီ။
သတိပြုသင့်သည်။ လိုအပ်ပါက အထူးကိစ္စရပ်တွင် (ရှင်းရှင်းလင်းလင်း လျှော့ချနိုင်သည်)။

ဒဿမကိန်း၏ နိဒါန်း

Re = 1 set လာတဲ့အခါ လက္ခဏာ X [2၊ 1] ၏ တန်ဖိုးအားလုံးကို ဖော်ပြသော ဒြပ်စင်များ (သို့မဟုတ် ၎င်းတို့၏ ရှင်းလင်းသော မြေပုံညွှန်းများ) အပါအဝင် 2nd ဒီဂရီ၏ သာမန် ပဟေဠိအစုတစ်ခုဖြစ်သည်။

(4)

သို့ရာတွင်၊ ဤသည်မှာ ပျက်ယွင်းနေသောကိစ္စဖြစ်ပြီး၊ အပြည့်စုံဆုံးကိုယ်စားပြုမှုတွင်၊ အချို့သောဒြပ်စင်များ အစုံလိုက်နိုင်သည်၊ ကျန်သည်အသေးအဖွဲ (အလွန်ရိုးရှင်းသော) အရာဝတ္ထုများဖြစ်နိုင်သည်။ ထို့ကြောင့် ဤကဲ့သို့ သတ်မှတ်ရန် လိုအပ်ပါသည်။ အပိုင်းပိုင်းပြန်ကောက်ချက် - အာကာသ၏ အပိုင်းကိန်းကိန်း၏ တူညီချက်တစ်ခု (ဤအခြေအနေတွင်၊ အချို့သောအကြောင်းအရာနယ်ပယ်တစ်ခု၏ ontology space) [3၊ 9]။

Re သည် အပိုင်းကိန်းဖြစ်သောအခါ၊ ကျွန်ုပ်တို့သည် အောက်ပါ entry ကိုရရှိသည်။ :

(5)

ဘယ်မှာ - တန်ဖိုး X1 အတွက် မပီသသော သတ်မှတ်ချက်များ၊ - တန်ဖိုး X2, စသည်တို့အတွက် fuzzy သတ်မှတ်

ဤကိစ္စတွင်၊ ပြန်လှည့်ခြင်းသည် မရှိမဖြစ်အားဖြင့် အကွဲကွဲများဖြစ်လာပြီး ဖော်ပြချက်အစုံများသည် သူ့ဘာသာသူ ဆင်တူသည်။

Module တစ်ခု၏ လုပ်ဆောင်နိုင်စွမ်းများစွာကို သတ်မှတ်ခြင်း။

ပွင့်လင်းသော သတင်းအချက်အလက်စနစ်၏ တည်ဆောက်ပုံသည် စနစ်၏ အတိုင်းအတာ၊ ပုံတူပွားမှု၊ လိုက်လျောညီထွေရှိမှုနှင့် စနစ်ပေါ်ပေါက်လာမှုတို့ကို သေချာစေသည့် မော်ဂျူလာဖြစ်မှုနိယာမကို ယူဆသည်။ Modular တည်ဆောက်မှုသည် သတင်းအချက်အလက် လုပ်ငန်းစဉ်များ၏ နည်းပညာဆိုင်ရာ အကောင်အထည်ဖော်မှုကို လက်တွေ့ကမ္ဘာတွင် ၎င်းတို့၏ သဘာဝ ရည်မှန်းချက်များထံ အနီးစပ်ဆုံး ဆောင်ကြဉ်းရန်၊ ၎င်းတို့၏ လုပ်ဆောင်မှုဆိုင်ရာ ဂုဏ်သတ္တိများနှင့်အညီ အလွယ်ကူဆုံးသော ကိရိယာများကို ဖွံ့ဖြိုးတိုးတက်စေရန်၊ လူများကို အစားထိုးရန်မဟုတ်ဘဲ ထိရောက်စွာ ကူညီပေးရန်၊ အသိပညာစီမံခန့်ခွဲမှုတွင် ၎င်းတို့ကို

မော်ဂျူးတစ်ခုသည် စနစ်၏တည်ရှိမှုဆိုင်ရာ ရည်ရွယ်ချက်များအတွက် မဖြစ်မနေလိုအပ်သော သို့မဟုတ် ရွေးချယ်ခွင့်ရှိနိုင်သည့် သတင်းအချက်အလက်စနစ်တစ်ခု၏ သီးခြားအဖွဲ့အစည်းတစ်ခုဖြစ်ပြီး မည်သို့ပင်ဆိုစေကာမူ မည်သည့်အခြေအနေတွင်မဆို စနစ်၏နယ်နိမိတ်အတွင်း ထူးခြားသောလုပ်ဆောင်ချက်များကို ပံ့ပိုးပေးပါသည်။

မော်ဂျူးလုပ်ဆောင်နိုင်စွမ်း တစ်ခုလုံးကို လုပ်ဆောင်ချက်သုံးမျိုးဖြင့် ဖော်ပြနိုင်သည်- ဖန်တီးမှု (ဒေတာအသစ်ကို မှတ်တမ်းတင်ခြင်း)၊ တည်းဖြတ်ခြင်း (ယခင်က မှတ်တမ်းတင်ထားသည့် ဒေတာကို ပြောင်းလဲခြင်း)၊ ဖျက်ပစ်ခြင်း (ယခင်က မှတ်တမ်းတင်ထားသည့် ဒေတာကို ဖျက်ပစ်ခြင်း)။

X သည် ထိုကဲ့သို့ လုပ်ဆောင်နိုင်စွမ်း၏ တိကျသော လက္ခဏာတစ်ရပ်ဖြစ်ပါစေ၊ ထို့နောက် သက်ဆိုင်ရာ set X ကို ကိုယ်စားပြုနိုင်သည်-

(6)

X1 - ဖန်တီးခြင်း၊ X2 - တည်းဖြတ်ခြင်း၊ X3 - ဖျက်ခြင်း၊

(7)

ထို့အပြင်၊ မည်သည့် module ၏လုပ်ဆောင်နိုင်စွမ်းသည် ဒေတာဖန်တီးမှုတွင် တူညီသည်မဟုတ် (ပြန်ယူခြင်းမရှိဘဲ အကောင်အထည်ဖော်သည် - ဖန်တီးမှုလုပ်ဆောင်ချက်သည် သူ့အလိုလိုပြန်ဖြစ်မလာ) နှင့် ယေဘုယျကိစ္စတွင် တည်းဖြတ်ခြင်းနှင့် ဖျက်ခြင်းတွင် ဒြပ်စင်တစ်ခုမှဒြပ်စင်အကောင်အထည်ဖော်မှု နှစ်ခုလုံးပါဝင်နိုင်သည် (လုပ်ဆောင်နေသည်၊ ဒေတာအတွဲများ၏ ရွေးချယ်ထားသော အစိတ်အပိုင်းများဆိုင်ရာ လုပ်ဆောင်ချက်တစ်ခု) နှင့် ၎င်းတို့တွင် ၎င်းတို့နှင့် အလားတူလုပ်ဆောင်မှုများ ပါဝင်ပါသည်။

လုပ်ဆောင်ချက် X အတွက် လုပ်ဆောင်ချက်တစ်ခုကို ပေးထားသည့် module တစ်ခုတွင် မလုပ်ဆောင်ပါက (စနစ်တွင် အကောင်အထည်မဖော်ပါ)၊ ယင်းကဲ့သို့ လုပ်ဆောင်ချက်နှင့် သက်ဆိုင်သည့် set ကို ဗလာဟု မှတ်ယူသင့်ပါသည်။

ထို့ကြောင့်၊ fuzzy concept (ထုတ်ပြန်ချက်) ကိုဖော်ပြရန် "အချက်အလက်စနစ်၏ရည်ရွယ်ချက်များအတွက်သက်ဆိုင်ရာဒေတာအစုနှင့်အတူလုပ်ဆောင်မှုကိုလုပ်ဆောင်ရန် module တစ်ခုခွင့်ပြုသည်"၊ fuzzy set အရိုးရှင်းဆုံးအခြေအနေတွင် ၎င်းကို ကိုယ်စားပြုနိုင်သည်-

(8)

ယေဘူယျအားဖြင့်၊ ထိုသို့သောအစုသည် 1,6(6) နှင့်ညီသော recursion degree ရှိပြီး တစ်ချိန်တည်းတွင် fractal နှင့် fuzzy ဖြစ်သည်။

module ကိုအသုံးပြုခြင်းနှင့်စမ်းသပ်ခြင်းအတွက်အခြေအနေများကိုပြင်ဆင်ခြင်း။

သတင်းအချက်အလက်စနစ်တစ်ခု၏ ဖွံ့ဖြိုးတိုးတက်မှုနှင့် လည်ပတ်မှုအဆင့်များတွင်၊ ၎င်းတို့၏လုပ်ငန်းဆောင်တာရည်ရွယ်ချက် (အသုံးပြုမှုအခြေအနေများ) အရ မော်ဂျူးများကို အသုံးပြုရန်အတွက် လုပ်ဆောင်ချက်များ၏ အမှာစာနှင့် အကြောင်းအရာများကို ဖော်ပြသည့် အထူးအခြေအနေများ လိုအပ်သည့်အပြင် မျှော်မှန်းထားသည်နှင့် လိုက်လျောညီထွေရှိမှုကို စစ်ဆေးရန်၊ modules များ၏ အမှန်တကယ်ရလဒ်များ (စမ်းသပ်မှုအခြေအနေများ)။test-case)။

အထက်ဖော်ပြပါ အယူအဆများကို ထည့်သွင်းစဉ်းစား၍ ထိုကဲ့သို့သော အခြေအနေများတွင် လုပ်ဆောင်သည့် လုပ်ငန်းစဉ်ကို အောက်ပါအတိုင်း ဖော်ပြနိုင်ပါသည်။

module အတွက် fuzzy set တစ်ခုကို ဖွဲ့စည်းထားသည်။ :

(9)

ဘယ်မှာ
- လုပ်ဆောင်နိုင်စွမ်း X အရ ဒေတာဖန်တီးခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်အတွက် မပီသသော သတ်မှတ်ထားသော၊
- လုပ်ဆောင်နိုင်စွမ်း X အရ ဒေတာကို တည်းဖြတ်ခြင်းဆိုင်ရာ လုပ်ဆောင်ချက်အတွက် မပီသသော အစုအဝေးတစ်ခုဖြစ်ပြီး၊ တစ်(function embedding) သည် သဘာဝကိန်းဂဏန်းတစ်ခုဖြစ်ပြီး အသေးအဖွဲကိစ္စတွင် 1 နှင့် ညီမျှသည်။
- လုပ်ဆောင်နိုင်စွမ်း X အရ ဒေတာကို ဖျက်ခြင်းလုပ်ငန်းအတွက် မပီမသ အစုံလိုက်ဖြစ်ပြီး၊ recursion b (function embedding) သည် သဘာဝနံပါတ်ဖြစ်ပြီး အသေးအဖွဲကိစ္စတွင် 1 နှင့် ညီမျှသည်။

ဤသို့သော အမြောက်အမြားကို ဖော်ပြသည်။ အတိအကျ (မည်သည့် ဒေတာအရာဝတ္ထု) ကို ဖန်တီးသည်၊ တည်းဖြတ်ပြီး/သို့မဟုတ် ဖျက်လိုက်သည် မည်သည့် module ကိုမဆိုအသုံးပြုမှုအတွက်။

ထို့နောက် မေးခွန်းရှိ module အတွက် Ux အတွက် လုပ်ဆောင်နိုင်စွမ်းအတွက် X ကိုအသုံးပြုရန် မြင်ကွင်းအစုံကို စုစည်းထားပြီး၊ တစ်ခုချင်းစီကို ဖော်ပြသည် အဘယ်ကြောင့် (မည်သည့်လုပ်ငန်းတာဝန်အတွက်) သည် အစုတစ်ခုမှ ဖန်တီးခြင်း၊ တည်းဖြတ်ခြင်းနှင့်/သို့မဟုတ် ဖျက်ပစ်ခြင်းတို့ကြောင့် ဒေတာအရာဝတ္တုများကို ဖော်ပြရခြင်းဖြစ်သနည်း။ ၊ အဘယ့်ကြောင့်နည်း:

(10)

N သည် X အတွက် အသုံးပြုမှု အရေအတွက် ဖြစ်သည်။

ထို့နောက်၊ မေးခွန်းရှိ module တစ်ခုစီအတွက် အသုံးပြုမှုကိစ္စတစ်ခုစီအတွက် Tx စမ်းသပ်မှုအခြေအနေအစုံကို လုပ်ဆောင်နိုင်စွမ်း X အတွက် စုစည်းထားသည်။ အစမ်း ဇာတ်ညွှန်း ဖော် ပြ သည် ၊ ဘယ်ဒေတာတန်ဖိုးတွေကို အသုံးပြုပြီး အသုံးပြုမှုကိစ္စရပ်ကို လုပ်ဆောင်တဲ့အခါ ဘယ်လိုအစီအစဥ်နဲ့ ဘယ်လိုရလဒ်ရသင့်သလဲ၊:

(11)

[D] သည် စမ်းသပ်ဒေတာ၏ ခင်းကျင်းတစ်ခုဖြစ်ပြီး n သည် X အတွက် စမ်းသပ်မှုအခြေအနေများဖြစ်သည်။
ဖော်ပြထားသော ချဉ်းကပ်မှုတွင်၊ စနစ်ဖွံ့ဖြိုးလာသည်နှင့်အမျှ ၎င်းတို့၏ ဖော်ပြချက်နှင့် အပ်ဒိတ်လုပ်ခြင်းဆိုင်ရာ အလုပ်များကို ရိုးရှင်းလွယ်ကူစေသည့် စမ်းသပ်မှုအခြေအနေများ အရေအတွက်နှင့် တူညီပါသည်။ ထို့အပြင်၊ သတင်းအချက်အလက်စနစ်တစ်ခု၏ software modules များကိုအလိုအလျောက်စမ်းသပ်ရန်အတွက်ထိုကဲ့သို့သော algorithm ကိုအသုံးပြုနိုင်ပါသည်။

ကောက်ချက်

တင်ပြထားသည့် fuzzy induction နည်းလမ်းကို အသိပညာအခြေခံ၏ သရုပ်ဖော်မှုအပိုင်းကို စုဆောင်းရန်နှင့် မော်ဂျူးများကို အသုံးပြုခြင်းနှင့် စမ်းသပ်ခြင်းအတွက် ဖြစ်ရပ်များပေါ်တွင် လုပ်ဆောင်ရန်အတွက် မည်သည့် modular သတင်းအချက်အလက်စနစ်၏ ဘဝသံသရာ၏ မတူညီသောအဆင့်များတွင် အကောင်အထည်ဖော်နိုင်သည်။

ထို့အပြင်၊ အချို့သောဒြပ်စင်များသည် ရှင်းရှင်းလင်းလင်းနှင့် မရှင်းမလင်းဖြစ်နေသည့် “သိမှု ဆံကေသာ” ကဲ့သို့ ရရှိထားသော ပဟေဠိဖော်ပြချက်များအပေါ် အခြေခံ၍ အသိပညာကို ပေါင်းစပ်နိုင်စေရန် ကူညီပေးသည်၊ အချို့သောဒြပ်စင်များသည် ရှင်းရှင်းလင်းလင်းနှင့် မရှင်းမလင်းဖြစ်နေပြီး အချို့သော တူညီသောစည်းမျဉ်းအရ သတ်မှတ်ထားသည့် အကြိမ်အရေအတွက်ကို အသုံးပြုကြသည်။ သိထားသောဒေတာအစုတစ်ခုစီအတွက် ပြန်ယူခြင်းအဆင့်။ ပေါင်းစပ်ပြီး ထွက်ပေါ်လာသော မပီသသော အစုများသည် သတင်းစနစ်တစ်ခု၏ ရည်ရွယ်ချက်များနှင့် ယေဘုယျအားဖြင့် အသိပညာသစ်ရှာဖွေခြင်း၏ အကျိုးစီးပွားအတွက် နှစ်မျိုးလုံးအသုံးပြုနိုင်သည့် စံနမူနာတစ်ခုအဖြစ် ပုံဖော်ထားသည်။

ပေါင်းစပ်ထားသောအစုံများသည် မပြည့်စုံသောကျိုးကြောင်းဆင်ခြင်ခြင်းနိယာမကို ဆန့်ကျင်၍ လူသားဉာဏ်ရည်ကိုကူညီရန် ဒီဇိုင်းထုတ်ထားပြီး ၎င်းကို အစားထိုးခြင်းမပြုသင့်ဟူသောအချက်ကို ထည့်သွင်းစဉ်းစားကာ ဤနည်းစနစ်ကို "ဉာဏ်ရည်တု" ၏ထူးခြားသောပုံစံအဖြစ် ခွဲခြားနိုင်ပါသည်။

ကိုးကား

1. Borisov V.V., Fedulov A.S., Zernov M.M., "fuzzy sets သီအိုရီ၏ အခြေခံများ" M.: Hotline – Telecom၊ 2014။ – 88 p.
2. Borisov V.V., Fedulov A.S., Zernov M.M., "fuzzy logical inference သီအိုရီ၏ အခြေခံများ" M.: Hotline – Telecom၊ 2014။ – 122 p.
3. Demenok S.L., "Fractal- ဒဏ္ဍာရီနှင့် လက်မှုပညာများကြား။" စိန့်ပီတာစဘတ်- ယဉ်ကျေးမှုသုတေသနအကယ်ဒမီ၊ 2011။ – 296 p.
4. Zadeh L., "ရှုပ်ထွေးသောစနစ်များနှင့် ဆုံးဖြတ်ချက်ချခြင်းလုပ်ငန်းစဉ်များကို ခွဲခြမ်းစိတ်ဖြာခြင်းအတွက် ချဉ်းကပ်မှုအသစ်၏အခြေခံများ" / "ယနေ့သင်္ချာနေ့"။ အမ်- “အသိပညာ”၊ ၁၉၇၄။ – စာမျက်နှာ ၅ – ၄၉။
5. Kranz S., "သင်္ချာဆိုင်ရာ အထောက်အထားများ၏ ပြောင်းလဲနေသော သဘောသဘာဝ" M.- အသိပညာဓာတ်ခွဲခန်း၊ 2016။ – 320 p။
6. Mavrikidi F.I.၊ “အပိုင်းအစသင်္ချာနှင့် ပြောင်းလဲမှု၏ သဘောသဘာဝ” / “Delphis”၊ အမှတ် 54 (2/2008)၊ http://www.delphis.ru/journal/article/fraktalnaya-matematika-i-priroda-peremen.
7. Mandelbrot B., "သဘာဝ၏ Fractal geometry" အမ်- ကွန်ပျူတာသုတေသနဌာန၊ ၂၀၀၂။ – ၆၅၆ စ။
8. “မပီမသ သီအိုရီများ၏ အခြေခံများ- လမ်းညွှန်ချက်များ”၊ ကွန်ပြူတာ။ Korobova I.L., Dyakov I.A. Tambov: Tamb ထုတ်ဝေရေးအိမ်။ ပြည်နယ် အဲဒါတွေ။ Univ.၊ 2003။ – 24 p.
9. Uspensky V.A., "သင်္ချာအတွက် တောင်းပန်ခြင်း။" M.- Alpina ဝတ္ထု၊ 2017။ – 622 စ။
10. Zimmerman H. J. “Fuzzy Set Theory – and its applications”, 4th edition. Springer Science + Business Media, New York, 2001။ – 514 p.

source: www.habr.com