کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4942592 1437413 2017 9 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Output uncertainty score for decision making processes using interval type-2 fuzzy systems
ترجمه فارسی عنوان
نمره عدم قطعیت خروجی برای فرآیندهای تصمیم گیری با استفاده از سیستم فازی نوع 2
کلمات کلیدی
عدم قطعیت، سیستم منطقی فازی، سیستم منطقی فازی نوع 2، سیستم های پشتیبانی تصمیم، نمره عدم قطعیت خروجی،
ترجمه چکیده
سیستم های پشتیبانی تصمیم گیری فازی در محیط نامنظم و ناقص اثبات شده است. با این حال، مقدار عدم قطعیت مربوط به خروجی این سیستم های فازی هرگز مقدار آن نیست و در فرآیند تصمیم گیری مورد استفاده قرار می گیرد. این ابزار ارزشمند مبتنی بر درصد جدید در این کار معرفی شده است تا این اطلاعات ارزشمند را ضبط کند. با استفاده از این ابزار، ممکن است اعتماد به نفس مکانیسم را در مورد پیشنهاد نهایی خود تفسیر کنید. این اجازه می دهد تا برای افزایش کیفیت اطلاعات و حفظ عدم اطمینان در سراسر زنجیره تصمیم گیری. ویژگیهای چندگانه نمره عدم قطعیت خروجی پیشنهاد شده مورد بحث و بررسی قرار گرفته است. آزمایش بر روی داده های واقعی نشان می دهد که عدم قطعیت خروجی به جمع شدن عدم قطعیت ورودی بستگی دارد، اما با دقت پیش بینی زمانی که در سیستم پیش بینی استفاده می شود، رابطه ای ندارد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
نمره عدم قطعیت خروجی برای فرآیندهای تصمیم گیری با استفاده از سیستم فازی نوع 2
چکیده انگلیسی
Fuzzy decision support systems are proven to be very effective in imprecise and incomplete environment. However, the amount of uncertainty associated with the output of these fuzzy systems is never quantified and utilized in decision making process. A new percentage score based tool is introduced in this work to capture this valuable information. By utilizing this tool, it is possible to interpret the confidence of the mechanism on its final recommendation. This allows for the enhancement of information quality and preservation of the uncertainty throughout the decision making chain. Several properties of the proposed output uncertainty score is discussed and proved. Experimentation on real dataset reveals that the output uncertainty depends on the summation of input uncertainty, but does not correlate with prediction accuracy when used in forecasting system.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Engineering Applications of Artificial Intelligence - Volume 65, October 2017, Pages 159-167
نویسندگان
, , , ,