XiaoMi-AI文件搜索系统
World File Search SystemFuzzy
将人工智能整合到模糊决策分析
防止刻板印象的威胁对于改善业务绩效至关重要。由于这种情况，企业必须采取必要的预防措施。但是，这些行动会影响企业的成本提高。对这些因素进行优先分析的文献研究数量非常有限。这种情况增加了对这些变量分析优先级的新研究的需求。因此，本研究旨在评估可持续商业环境中刻板印象威胁的因素。在第一阶段实施了一个人工智能模型来权衡专家。在以下阶段，在T-Spherical Fuzzy Dematel的帮助下评估了选定的标准。第三，使用不同的值进行了比较分析。最后，针对刻板印象的威胁，选定的行业被球形模糊的Ratgos对。可以在分析过程中确定专家的权重。这种情况对调查结果的有效性有很大的贡献。得出的结论是，培训活动对于最大程度地减少公司中刻板印象的威胁至关重要。
遗产，韧性和气候变化：模糊逻辑
智利校园Kasper Building Austral De Chile大学建筑与城市主义研究所，智利瓦尔迪维亚校园Isla Teja。 div>5 div>
基于优化模糊的 Ant-Hocnet 路由协议...
无人机或无人驾驶飞机通常被称为无人驾驶飞行器 (UAV)，由这些无人机组成的自组织网络通常被称为飞行自组织网络 (FANET)。无人机和飞行自组织网络最初与军事监视和情报收集有关；此外，它们现在被广泛用于民用领域，包括搜索和救援、交通监控、消防、摄像和智能农业。然而，由于其独特的架构，它们带来了相当大的设计和部署挑战，主要与路由协议有关，因为传统的路由协议不能直接用于飞行自组织网络。例如，由于高移动性和稀疏拓扑，频繁的链路中断和路由维护会导致高开销和延迟。在本文中，我们采用基于优化模糊逻辑的生物启发式蚁群优化 (ACO) 算法“Ant-Hocnet”来改进飞行自组织网络的路由。模糊逻辑用于分析无线链路状态信息（例如可用带宽、节点移动性和链路质量），并在没有数学模型的情况下计算最佳无线链路。为了评估和比较我们的设计，我们在 MATLAB 模拟器中实现了它。结果表明，我们的方法在吞吐量和端到端延迟方面有所改进，从而提高了 FANET 的可靠性和效率。
控制系统、模糊逻辑和电传操纵系统...
15.补充说明 这项工作是在任务 AM-A-00-HRR-519 下进行的。16.摘要：在 FAA 民用航空医学研究所的可重构通用航空模拟器（配置为 Piper Malibu）中评估了一种模糊逻辑“性能控制”系统，该系统提供包络保护和对空速、垂直速度和转弯速率的直接控制。在一项飞行任务中评估了 24 个人（高飞行时间飞行员、低飞行时间飞行员、学生飞行员和非飞行员各 6 人）的表现，该任务要求参与者跟踪从起飞到着陆的 3-D 航线，由图形路径主飞行显示器表示。还使用传统控制系统收集了每个受试者的基线表现。所有参与者都操作每个系统，对其功能进行了最少的解释，并且没有接受过任何培训。结果表明，模糊逻辑性能控制减少了变量误差和超调，新手学习所需的时间更少（从达到稳定性能所需的时间可以看出），使用起来所需的努力更少（减少了控制输入活动），并且受到所有群体的青睐。
多...
抽象无人的地表车辆（USV）如今已在各种应用中用于安全，检查和交付等。在动态和复杂的环境中运行有效地需要一个最佳的路径计划，其中应考虑多个因素。在本文中，USV的多目标路径计划问题的旨在最大程度地减少行驶距离，并以轨迹平滑度和能量效率并行最大化。用矛盾的术语解决了这个多目标路径计划问题，流行的蚂蚁菌落优化（ACO）算法通过拟议中的模糊帕累托框架增强了。特别是ACO通过找到优化每个单个目标的帕累托解决方案来解决问题。然后通过Mamdani模糊推理系统评估这些解决方案，以识别最佳的推理。该解决方案的排名基于DefuzzifieD值。基于Saronic Gulf拓扑的模拟区域进行了案例研究。结果表明，取决于操作的需求和操作区域的条件（从初始点到目标点的障碍，电流和距离的数量），每个目标都会以不同的方式影响路径质量。
fuzz-ieee 2025 SS：模糊机器学习
呼吁论文：传统的机器学习模型缺乏处理现实世界不确定性，提供可解释模型的能力，并提供了支持动态环境的强大机制。模糊集，模糊逻辑和模糊系统以其对不确定性建模的能力，增强模型的可解释性的能力而闻名，并提供了一种有效且灵活的方式来表示数据和导航预测模型。因此，机器学习和模糊技术的整合是盛行的，并且在许多领域都取得了巨大的成功。这个特别会议旨在为研究人员提供一个论坛，以分享整合模糊技术和机器学习方法的最新结果。
动态数据的自适应模糊启发式算法...
物联网（IoT）设备的爆炸爆炸创造了大量的实时数据，需要复杂的数据挖掘方法（DMT），这些方法可以快速提取有价值的见解。管理处理高数据量的计算复杂性，整合各种物联网数据格式，并确保系统可以扩展是最重要的问题之一。模糊动态自适应分类器优化分析（FDACOA）是一种方法，已被建议作为一种方法，以解决数据模式变化，实时处理和数据异质性引起的困难。通过合并自适应模糊逻辑（AFL）和启发式优化，FDACOA提高了数据分类的精度和效率，同时确保该算法可以适应数据流的变化。这种适应性在物联网应用中至关重要，在物联网应用中，数据波动可能会影响分析质量。FDACOA使用动态适应来根据实时反馈改变分类器参数，以提高预测准确性并降低计算成本。优化层微型模糊规则和成员资格功能，以优化跨数据情况的性能。仿真分析证明了该算法以高准确性和低计算成本进行分类的能力。智能医疗保健，工业物联网中的预测维护和智能运输系统使用FDACOA进行实时决策和数据驱动的见解。FDACOA是一种可行的方法，用于在IOT支持的大数据上下文中进行动态数据挖掘，因为它的速度更快，更准确且更适应性地适应性模拟结果。关键字：模糊启发式算法，动态数据挖掘，物联网，集成的大数据环境，分类优化。
基于模糊共同的基于EEG的反应时间预测...
摘要 - 驾驶员的嗜睡状态是广泛讨论的话题，因为它在造成交通事故中的重要作用。本研究提出了一种新的方法，该方法结合了模糊的常见空间模式（CSP）优化的相位内聚序列（PC）表示和模糊CSP优化的信号振幅表示。该研究旨在检查机敏状态和嗜睡状态之间脑电图（EEG）同步的变化，通过分析脑电图数据，预测驱动因素的反应时间，并随后确定嗜睡的存在。该研究的发现表明，这种方法成功地区分了警报和昏昏欲睡的精神状态。通过使用基于自动编码器的深度编码器数据融合技术和回归模型，例如支持向量回归（SVR）或最少的绝对收缩和选择运算符（LASSO），该提出的方法使用与回归器模型组合的单个特征集优于单个特征集。通过评估均方根误差（RMSE），平均绝对百分比误差（MAPE）和相关系数（CC）来衡量这种优势。换句话说，基于自动编码器的振幅EEG功率功能和PCS功能的融合在回归中，单独在回归器模型中使用这些功能中的任何一个。具体而言，与仅使用单个振幅EEG功率功能和回归相比，与基线模型相比，提议的数据融合方法的RMSE降低了14.36％，MAPE降低25.12％，CC降低了10.12％。
量子退火器上的模糊逻辑 - NTU > IRep
摘要 — 量子计算将通过利用叠加、纠缠和干涉等量子力学效应，实现大规模并行算法的设计，从而以有效方式解决难题，从而彻底改变计算领域。这些计算改进可能会对模糊系统在诸如大数据等环境中的设计和使用方式产生重大影响，在这些环境中，计算效率是一个不可忽略的约束。为了为这一创新方案铺平道路，本文介绍了一种基于二次无约束二元优化 (QUBO) 问题的模糊集和运算符的新表示，以便在一种称为量子退火器的量子计算机上实现模糊推理引擎。
用于 CNN 的粒子群优化模糊积分 - ...
摘要 最近，使用卷积神经网络 (CNN) 解码人类脑电图 (EEG) 数据推动了脑机接口 (BCI) 中运动想象脑电图模式识别的最新技术。虽然已经使用多种 CNN 模型来对运动想象脑电图数据进行分类，但尚不清楚聚合异构 CNN 模型集合是否可以进一步提高分类性能。为了整合集成分类器的输出，本研究利用模糊积分和粒子群优化 (PSO) 来估计分配给分类器的最佳置信度水平。所提出的框架聚合了 CNN 分类器和模糊积分与 PSO，根据 BCI 使用场景，在各种 CNN 模型训练方案中实现运动想象脑电图数据的单次试验分类的稳健性能。这项概念验证研究证明了应用模糊融合技术增强基于 CNN 的 EEG 解码的可行性，并有利于 BCI 的实际应用。关键词：脑机接口 (BCI)、脑电图 (EEG)、卷积神经网络 (CNN)、模糊积分、运动想象 (MI)、粒子群优化 (PSO)。