Show simple item record

dc.contributor.authorРакитянська, Г. Б.uk
dc.date.accessioned2024-03-08T10:30:25Z
dc.date.available2024-03-08T10:30:25Z
dc.date.issued2023
dc.identifier.citationРакитянська Г. Б. Побудова інтерпретабельних правил на основі обмежених розв’язків системи нечітких логічних рівнянь [Електронний ресурс] / Г. Б. Ракитянська // Матеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р. – Електрон. текст. дані. – 2023. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2023/paper/view/17396.uk
dc.identifier.urihttp://ir.lib.vntu.edu.ua//handle/123456789/39330
dc.description.abstractЗапропоновано нечітку модель на основі обмежених лінгвістичних розв’язків системи нечітких логічних рівнянь (СНЛР). Для заданого рівня деталізації обмеження накладаються на міри значимості первинних термів, що асоціюються з лінгвістичними модифікаторами. Запропоновано метод побудови інтерпретабельних правил шляхом розв'язання СНЛР з використанням лінгвістичних модифікаторів. Запропонований метод дозволяє виключити генерацію та відбір лінгвістичних описів у формі реляційних моделей даних. Процес налаштування спрощується завдяки можливості розпаралелити процес чисельного розв’язання СНЛР.uk
dc.description.abstractA fuzzy model based on constrained linguistic solutions of the system of fuzzy relation equations (SFRE) is proposed. For the predefined granularity level, the constraints are imposed on significance measures of the primary terms associated with linguistic modifiers. A method for designing interpretable rules by solving the SFRE using linguistic modifiers is proposed. The proposed method allows eliminating generation and selection of linguistic descriptions in the form of relational data models. The tuning process is simplified due to ability to parallelize the process of numerical resolution of the SFRE.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали LII Науково-технічної конференції підрозділів ВНТУ, Вінниця, 21-23 червня 2023 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2023/paper/view/17396
dc.subjectнечіткі класифікаційні правилаuk
dc.subjectсистема нечітких логічних рівнянь (СНЛР)uk
dc.subjectінтервальні розв'язкиuk
dc.subjectобмежені лінгвістичні розв'язкиuk
dc.subjectfuzzy classification rulesen
dc.subjectsystem of fuzzy relation equations (SFRE)en
dc.subjectinterval solutionsen
dc.subjectconstrained linguistic solutionsen
dc.titleПобудова інтерпретабельних правил на основі обмежених розв’язків системи нечітких логічних рівняньuk
dc.typeThesis
dc.identifier.udc681.5015:007
dc.relation.referencesPedrycz W., Chen Sh.-M. (Eds.). Interpretable Artificial Intelligence: A Perspective of Granular Computing. Studies in Computational Intelligence. – Cham: Springer, 2021. https://doi.org/10.1007/978-3-030-64949-4en
dc.relation.referencesCpalka K. Design of Interpretable Fuzzy Systems. Studies in Computational Intelligence, Vol. 684. – Cham: Springer, 2017. https://doi.org/10.1007/978-3-319-52881-6en
dc.relation.referencesMagdalena L. Semantic interpretability in hierarchical fuzzy systems: Creating semantically decouplable hierarchies // Information Sciences. – 2019. – Vol. 496. – P. 109–123. https://doi.org/10.1016/j.ins.2019.05.016en
dc.relation.referencesRotshtein A., Rakytyanska H. Optimal design of rule-based systems by solving fuzzy relational equations. In: Hippe, Z., Kulikowski, L., Mroczek, T., Wtorek, J. (Eds.), Issues and Challenges in Artificial Intelligence, Vol. 559, Studies in Computational Intelligence. – Cham: Springer, 2014. – P. 167–178. https://doi.org/10.1007/978-3-319-06883-1_14en
dc.relation.referencesRakytyanska H. Optimization of fuzzy classification knowledge bases using improving transformations // Eastern-European Journal of Enterprise Technologies. – 2017. – Vol. 5(2). – P. 33–41. https://doi.org/10.15587/1729-4061.2017.110261en
dc.relation.referencesRakytyanska H. Classification rule hierarchical tuning with linguistic modification based on solving fuzzy relational equations // Eastern-European Journal of Enterprise Technologies. – 2018. – Vol. 1(4). – P. 50–58. https://doi.org/10.15587/1729- 4061.2018.123567en
dc.relation.referencesDi Nola A., Sessa S., Pedrycz W., Sancez E. Fuzzy Relational Equations and Their Applications to Knowledge Engineering. – Dordrecht: Kluwer, 1989.en
dc.relation.referencesBartl E., Belohlavek R., Vychodil V. Bivalent and other solutions of fuzzy relational equations via linguistic hedges // Fuzzy Sets and Systems. – 2012. – Vol. 187 (1). – P. 103–112. https://doi.org/10.1016/j.fss.2011.05.020en


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record