مدل‌سازی داده‌محور با مجموعه‌های فازی ۲۰۲۴
Data-Driven Modelling with Fuzzy Sets 2024

در سال 1965، زاده نظریه مجموعه‌های فازی را معرفی کرد. در این نظریه، مقادیر صدق با اعدادی در بازه واحد [0, 1] مدل‌سازی می‌شوند تا از نظر ریاضی، با حقایق نسبی که اغلب در زندگی روزمره با آن‌ها مواجه می‌شویم، مقابله شود. در مرحله دوم، زمانی که توابع عضویت به عنوان توزیع‌های امکان بازتفسیر شدند، مجموعه‌های فازی به طور گسترده‌ای برای در بر گرفتن مدل‌سازی عدم قطعیت مورد استفاده قرار گرفتند. عدم قطعیت به عنوان کمبود دانش دقیق یا اطلاعات کامل تعریف می‌شود و نظریه امکان به بررسی و مدیریت اطلاعات ناقص اختصاص دارد. زاده رابطه بین امکان و احتمال را تبیین کرد و متوجه شد که آنچه محتمل است، ابتدا باید ممکن باشد. پس از مجموعه فازی زاده، تعمیم‌های مختلفی (شهودی، نوتروسوفیک، تقریبی، مجموعه‌های نرم و غیره) معرفی شده‌اند که مدیریت مؤثرتری از انواع مختلف عدم قطعیت موجود در دنیای واقعی را امکان‌پذیر می‌سازند. این کتاب، پیشرفت‌های نظری اخیر و کاربردهای مجموعه‌های فازی و تعمیم‌های آن‌ها را در علوم، علوم انسانی و آموزش ارائه می‌دهد.

این کتاب:

• ارزیابی کیفی داده‌های بزرگ در بخش آموزش را با استفاده از مجموعه‌های نرم نوتروسوفیک تک مقداری چهاربخشی زبانی ارائه می‌کند.
• کاربرد مجموعه‌های نوتروسوفیک فازی n-استوانه‌ای را در آموزش با استفاده از درجه قرابت نوتروسوفیک و شاخص شباهت نوتروسوفیک به نمایش می‌گذارد.
• ارزیابی علمی عملکرد تحصیلی دانش‌آموزان را با استفاده از زنجیره مارکوف نوتروسوفیک تک مقداری پوشش می‌دهد.
• مجموعه‌های تقریبی احتمالی نوتروسوفیک تک مقداری چند دانه‌بندی برای ارزیابی کار تیمی را تشریح می‌کند.
• برآورد الگوریتم توزیع مبتنی بر تصمیم‌گیری گروهی با ویژگی‌های متعدد را برای ارزیابی کیفیت تدریس بررسی می‌کند.

این کتاب در درجه اول برای دانشجویان ارشد و فارغ‌التحصیل و محققان دانشگاهی در زمینه‌های مهندسی برق، مهندسی الکترونیک و مخابرات، علوم کامپیوتر و مهندسی نوشته شده است.

Zadeh introduced in 1965 the theory of fuzzy sets, in which truth values are modelled by numbers in the unit interval [0, 1], for tackling mathematically the frequently appearing in everyday life partial truths. In a second stage, when membership functions were reinterpreted as possibility distributions, fuzzy sets were extensively used to embrace uncertainty modelling. Uncertainty is defined as the shortage of precise knowledge or complete information and possibility theory is devoted to the handling of incomplete information. Zadeh articulated the relationship between possibility and probability, noticing that what is probable must preliminarily be possible. Following the Zadeh’s fuzzy set, various generalizations (intuitionistic, neutrosophic, rough, soft sets, etc.) have been introduced enabling a more effective management of all types of the existing in real world uncertainty. This book presents recent theoretical advances and applications of fuzzy sets and their extensions to Science, Humanities and Education.

This book:

• Presents a qualitative assessment of big data in the education sector using linguistic Quadri partitioned single valued neutrosophic soft sets.
• Showcases application of n-cylindrical fuzzy neutrosophic sets in education using neutrosophic affinity degree and neutrosophic similarity Index.
• Covers scientific evaluation of student academic performance using single value neutrosophic Markov chain.
• Illustrates multi-granulation single-valued neutrosophic probabilistic rough sets for teamwork assessment.
• Examines estimation of distribution algorithm based on multiple attribute group decision-making to evaluate teaching quality.

It is primarily written for Senior undergraduate and graduate students and academic researchers in the fields of electrical engineering, electronics and communication engineering, computer science and engineering.