摘要。本文涉及在深度不确定条件下使用人工智能技术进行公司治理有效决策的研究。为了处理不确定性,建议使用人工智能的认知能力。认知主义可用于在决策时实现直觉、心理和人的内部心理活动的其他组成部分。这些能力使人们能够做出明智的决定并预测这些决定的后果。为了研究深度不确定性的属性,作者建议使用张量模型。深度不确定性的张量模型使得研究传统模型中不具备的不确定性的其他属性成为可能,例如贝叶斯形式主义、Dempster-Shafer 理论、模糊集、基于某些因素的方法(斯坦福形式主义)等。使用张量模型可以研究不确定性的空间模型、不确定性的实值和虚值,以及关于坐标系各种变换的不确定性不变量。
摘要 由于人工智能主要关注知识表示和推理,它必然要处理各种处理不确定性的框架:概率论,以及更新的方法:可能性理论、证据理论和不精确概率。本章的目的是提供一个介绍性的概述,揭示表示不确定性的两个基本框架的具体特征:概率论和可能性理论,同时强调表示不确定性的任务所面临的主要问题。这一目的还提供了定位相关主题的机会,例如粗糙集和模糊集,它们分别受到考虑语言选择引起的表示粒度和自然语言谓词的渐进性的驱动。此外,本概述还简要介绍了其他理论表示框架,例如形式概念分析、条件事件和排名函数,以及可能性逻辑,与此处讨论的不确定性框架有关。本卷的下一章将讨论更复杂的框架:信念函数和不精确概率。
商业数学在金融,市场研究和行为科学中的应用在衡量绩效和可持续性中起着至关重要的作用。数学工具可帮助科学家评估统计工具,以测量设定的标准,以衡量拟议的假设陈述。本综述研究涉及对商业数学在旅游业中的应用的简要回顾。大多数研究论文都使用了利益相关者理论和模糊集理论来观察旅游业的各个业务方面。论文根据其相关性,影响和研究质量过滤。这些发现是从可用的文学水库中探索的主题形状的。本文的价值在于,它已经阐明了该领域,这些领域在很大程度上尚未探索第四次工业革命之间的重叠,例如机器学习,AI,Analytics和指标,大数据分析以及商业数学对旅游业的现代应用。
摘要 - 在本文中,我们在自动生成过程的定量和定性自然语言描述的框架中提出了一系列模糊的时间原型。该模型包括从过程和属性中的时间和因果信息,在过程中的时间范围内定量属性,并回顾事件之间的因果关系和事件之间的因果关系以及其他特征之间的时间距离。通过在常用的数据到领位体系结构中通过进一步的过程采矿技术和模糊集,我们的框架能够从过程中提取相关的定量时间和结构信息,并以自然语言中的自然语言描述它,涉及不确定的术语。提出了心脏病学领域中的真正用例,显示了我们模型提供向领域专家提供的自然语言解释的潜力。索引术语 - 进程采矿,原型,语言描述数据,自然语言生成
摘要 —可解释人工智能 (XAI) 是一种提供透明模型和决策的范例,非技术受众也易于理解、分析和增强这些模型和决策。基于模糊逻辑系统 (FLS) 的 XAI 可以提供可解释的框架,同时还可以对现实环境中存在的不确定性进行建模,这使其适用于需要可解释性的应用。然而,大多数现实生活中的过程不仅仅是以高度的不确定性为特征;它们本质上也与时间有关,即过程随时间而变化。为了解释与过程相关的时间成分,在本文中,我们为时间相关的 XAI (TXAI) 系统提出了一种基于时间类型 2 FLS 的新型方法,该方法可以使用(测量的)发生频率来解释测量在时间域中发生的可能性。在时间 2 型模糊集 (TT2FSs) 中,开发了一个四维 (4D) 时间相关成员函数,其中关系用于构建论域元素与其出现频率之间的相互关系。使用现实生活中的智能环境数据集通过分步数值示例和实证研究来说明所提出的具有 TT2FSs 的 TXAI 系统,以解决时间相关分类问题(根据一天中特定时间的传感器读数预测房间是否有人)。TXAI 系统性能还与具有不同可解释性水平的其他最先进分类方法进行了比较。 TXAI 系统表现出更好的分类能力,使用 10 倍测试数据集,平均召回率为 95.40%,而标准 XAI 系统(基于非时间一般 2 型 (GT2) 模糊集)的平均召回率为 87.04%。TXAI 的表现也明显优于大多数不可解释的 AI 系统,平均召回率提高了 3.95% 到 19.04%。时间卷积网络 (TCN) 略优于 TXAI(平均召回率提高了 1.98%),尽管计算复杂度较大。此外,TXAI 还可以使用嵌入在 TXAI 模型中的出现频率值概述最可能的时间相关轨迹;即,给定确定时间间隔内的规则,随后时间间隔内最可能的下一个规则是什么。在这方面,提出的 TXAI 系统对于描述现实生活中的时间相关过程(例如行为或生物过程)的演变具有深远的影响。
摘要 —机器学习汲取了计算机科学、认知科学和统计学等各个学科的智慧。尽管机器学习在理论和实践上都取得了长足的进步,但它的方法在处理复杂情况和高度不确定的环境时仍存在一些局限性。数据不足、观察不精确以及信息/关系不明确都会使传统的机器学习系统陷入困境。为了解决这些问题,研究人员从不同方面整合了机器学习和模糊技术,包括模糊集、模糊系统、模糊逻辑、模糊度量、模糊关系等。本文对模糊机器学习从理论、方法到应用进行了系统的回顾,总体目标是概述模糊机器学习领域的最新成就。为此,所讨论的概念和框架分为五类:1)模糊经典机器学习;2)模糊迁移学习;3)模糊数据流学习; 4)模糊强化学习;5)模糊推荐系统。本文所呈现的文献应使研究人员对模糊机器学习研究及其应用的当前进展有深入的了解。
18 Python和财务分析的统计数据4 1 Coursera 19在Python中应用机器学习12 3 Coursera 20机器学习,ML 12 3 Coursera 21模糊集,逻辑和系统应用12 3 NPTEL 22 NPTEL 22 NPTEL 22数据分析Python Python Python 12 3 NPTEL 12 3 NPTEL 23 NPTEL 23 NPTEL 23 MACHINE MACHICE MACHICER 24 NPTEL to MACHINE MACHICE MACHICER 24 NOTSCORM for MACHILE LEANCON 26 DATAINCE 26 NATENCER SERVICON 26 NATPTERCER SERVICE NPTEL 27 An Advanced Textile Printing Technology 4 1 NPTEL 28 Testing of Functional and Technical Textile 4 1 NPTEL 29 Evaluation of Textile Materials 12 3 NPTEL 30 Textured Yarn Technology 12 3 NPTEL 31 Entrepreneurship Essentials 12 3 NPTEL 32 Introduction to Internet of Things 12 3 NPTEL 33 Introduction to Industry 4.o and Industrial Internet of Things
摘要 有效的气候变化行动涉及公司在确保子孙后代的长期人类和社会福祉方面必须发挥的关键作用。在我们的研究中,我们提供了一种更全面、更包容、更全面的方法来应对环境创新 (EI) 的挑战,该方法使用一种新颖的方法来确定参与卓越 EI 战略的公司的相关配置。提出了一个概念框架,该框架确定了 EI 的六组驱动特征和两组有益结果,所有这些特征本质上都是相互矛盾的。我们的分析采用了互补而非对立的观点。通过模糊集比较分析 (fsQCA) 和后 QCA 程序分析了 ICT 价值链中 65 家公司的数据集。结果表明,在几种情况下都可以实现卓越的 EI 战略。具体而言,经过仔细检查,出现了两个主要配置组,称为技术环境创新者和组织环境创新者。
学习、决策和解决问题的能力被认为是人类思维能力的一部分。当机器能够自主实现这些能力时,就被称为人工智能 (AI)。计算机的存储容量已经发展到可以存储并随时访问人类知识的很大一部分。海量的信息和更快的计算能力使得人们能够从数据中找到过去不可能实现的实际和实时关系 1,2 。尽管早期计算机的速度要慢得多,存储容量也有限得多,但即使在 20 世纪 90 年代和 21 世纪初,也有可能执行一些容易出现人为错误的重复性人工任务。读取心电图、白细胞计数、分析视网膜照片和皮肤病变已被引入日常临床实践。从开发阶段开始,研究人员和开发人员就认识到,医疗保健领域的人工智能系统需要认识到完美数据的缺失,系统应该以医生的专业知识为基础。发展包括模糊集理论、贝叶斯网络和人工神经网络,以建立医学智能计算系统。
摘要 中国是如何成为人工智能发展的领军者之一的?在与美国的人工智能竞赛中,中国会胜出吗?现有研究主要集中于中国中央政府在推动人工智能方面的作用。尽管中央政府很重要,但人工智能发展的很大一部分责任落在地方政府的肩上。地方政府在推动人工智能方面有着不同的利益、能力,因此也有不同的方法。这就提出了一个重要的问题:地方政府如何应对中央政府关于人工智能等新兴技术的政策?本文通过分析中央和地方的人工智能政策文件和省级差异来回答这个问题,重点关注中国新一代人工智能发展规划(NGAIDP)的传播。使用引用 NGAIDP 的中国省级人工智能相关政策的独特数据集,通过进行内容分析和模糊集定性比较分析(fsQCA)来检查 NGAIDP 的传播性质。本研究强调了地方政府在中国人工智能发展中的重要作用,并强调将政策传播视为一个政治过程来审视。