出版商:IEEE © 2019 IEEE。允许个人使用该材料。必须获得 IEEE 的许可才能在任何当前或未来的媒体中使用,包括出于广告或促销目的重印/重新发布该材料、创作新的集体作品、转售或重新分发到服务器或列表,或在其他作品中重复使用本作品的任何受版权保护的部分。版权 © 和道德权利由作者和/或其他版权所有者保留。可以下载副本用于个人非商业研究或学习,无需事先许可或收费。未经版权所有者书面许可,不得复制或大量引用本项目。未经版权所有者正式许可,不得以任何方式更改内容或以任何格式或媒介进行商业销售。本文档是作者的印刷后版本,包含同行评审过程中商定的任何修订。已发布版本和此版本之间可能仍存在一些差异,如果您想引用已发布版本,建议您查阅已发布版本。
本文首先引入了模糊软度量空间的概念,然后定义了模糊软开球、模糊软有界集、模糊软序列收敛、模糊软连续函数从一个模糊软度量空间到另一个模糊软度量空间。本文的主要目的是研究这个空间,并研究模糊软度量空间的一些基本性质。
柯尔莫哥洛夫-所罗门诺夫-柴廷(Kolmogorov,简称 Kolmogorov)复杂度由 Solomonoff [ 1 ] 和 Kolmogorov [ 2 ] 独立提出,后来柴廷 [ 3 ] 也提出了这一复杂度。该复杂度基于可以模拟任何其他图灵机的通用图灵机的发现 [ 4 , 5 ]。单个有限字符串的柯尔莫哥洛夫复杂度是能够正确生成该字符串作为输出的通用图灵机的最短程序的长度,也是对字符串所含信息量的度量。已经证明,虽然存在多种图灵机,但最短程序的长度是不变的,在底层图灵机的选择下,其差异最多为一个加法常数 [ 6 ]。柯尔莫哥洛夫复杂度理论广泛应用于问答系统 [ 7 ]、组合学 [ 8 ]、学习理论 [ 9 ]、生物信息学 [ 10 ] 和密码学 [ 11 , 12 ] 等领域。1985 年,Deutsch [ 13 ] 引入量子图灵机作为量子计算机的理论模型。量子图灵机扩展了经典图灵机模型,因为它们允许在其计算路径上发生量子干涉。Bernstein 和 Vazirani [ 14 ] 表明量子图灵机在近似意义上具有通用性。最近,一些研究者提出了一些柯尔莫哥洛夫复杂度的量子版本。Vitányi [ 15 ] 提出了量子柯尔莫哥洛夫复杂度的定义,它度量近似量子态所需的经典信息量。Berthiaume 等人 [ 16 ] 提出了一种基于柯尔莫哥洛夫复杂度的量子柯尔莫哥洛夫复杂度定义。 [16] 提出了一种新的量子比特串量子柯尔莫哥洛夫复杂度定义,即通用量子计算机输出所需字符串的最短量子输入的长度。Zadeh [17] 提出了模糊计算的第一个公式,他基于图灵机和马尔可夫算法的模糊化,定义了模糊算法的概念。随后,Lee 和 Zadeh [18] 定义了模糊语言的概念。Santos [19] 证明了模糊算法和模糊图灵机之间的等价性。接下来,Wiedermann [20] 考虑了模糊计算的可计算性和复杂性。利用 Wiedermann 的工作,Bedregal 和 Figueira [21] 证明了不存在可以模拟所有模糊图灵机的通用模糊图灵机。随后,李[22,23]研究了模糊图灵机的一些变体。他证明了
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。
摘要提出了对绿色供应链管理(GSCM)实践的深入研究,从而描绘了其经济影响。该研究在多标准决策(MCDM)框架内应用模糊逻辑,以系统化供应链中绿色实践的评估和进步。放置模糊逻辑与MCDM的集成以完善评估的精度。使用基于线性编程的模糊多属性边界近似区比较(MABAC)方法,该方法以评估绿色供应商为中心。这项研究通过量化经济优点,即成本效率,提高市场生产率和品牌形象的改善来推进GSCM的讨论。实际应用的证据证明了GSCM在增强环境可持续性和产生巨大经济增长方面的双重好处。(2023年6月收到,于2023年8月接受。本文与作者一起1个月进行了1个修订。)
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>
摘要。近年来,混合软计算方法的使用表明,在各种应用中,几种技术的协同作用优于单个技术。例如,使用神经模糊系统和进化模糊系统将模糊系统的近似推理机理与神经网络和进化算法的学习能力融合在一起。进化神经系统融合了神经计算方法与进化计算的解决方案搜索能力。这种混合方法保留了可以通过三个基本软计算范式完全集成来克服的局限性,这导致了进化的神经模糊系统。本章的目的是提供混合软计算系统的描述,并特别注意进化算法和神经网络的联合使用,以便将模糊系统具有学习和适应性功能。在介绍基本软计算范式之后,考虑了各种形式的杂交,这导致了进化神经模糊系统。本章还介绍了一种特定的方法,该方法共同使用神经学习和遗传优化来从给定数据中学习模糊模型,并优化它以进行准确性和可解释性。
使用基于模糊的模糊推理系统方法118-4防止通过自适应检查点上的嘈杂标签上过度适应99 14-4分布TCP SYN FLOON互联网上的TCP SYN FLOON攻击,使用算法150-4增强,请使用基于模糊的模糊推理系统方法118-4防止在嘈杂的标签上过度适应超导式胶带的机电行为行为估算通过AI-DREVEV的性能分析生产,电价变量在日期市场中的影响156-4通过AI-DREVEV的性能分析生产,电价变量在日期市场中的影响156-4
摘要 软件产品在人们的日常生活和各行各业中扮演着越来越重要的角色。为了给软件开发提供良好的环境并提高生产力和效率,人们提出了各种各样的方法。基于案例的推理 (CBR) 因其在软件行业的明显优点而有潜力成为知识管理的最佳方法之一。但目前还没有足够的经验证据表明 CBR 在实践中的应用程度以及应用案例推理的困难、个人能力等挑战。为了了解案例推理在当前软件开发行业的实践应用情况,我们进行了一项研究,采用文献综述和访谈法作为主要研究方法。研究结果表明,由于应用案例推理的多重困难,一些公司选择使用其他类型的知识管理技术,而其他公司尚未应用 CBR 应用。
%%)”(','%,(。,)+(%%)”(',( - '#' - ++。) - &(/#,“。+”,+/#,% - 。+,'('+ - ,()%,)$#'!(' - “#+%%)”('(',#',#',。0 2,' +。#' - “)(&#'(( - “ +),'!+, *。, - #('#+(。'- “ - ()()%0(。% + - “ + /#,# - ”' - #, - “',#-'1-(,(&('。,#,#'!%%)”('。< /div>%%)“('。, +,” /,(& - #&,' /#(%' - %2- $( + 1&)%0# - ”) +,) + 2 2&( /#!< /div>( +,( + 2#'! + && 0# - ” +,