рус eng
«ИЗВЕСТИЯ ИРКУТСКОГО ГОСУДАРСТВЕННОГО УНИВЕРСИТЕТА». СЕРИЯ «МАТЕМАТИКА»
«IZVESTIYA IRKUTSKOGO GOSUDARSTVENNOGO UNIVERSITETA». SERIYA «MATEMATIKA»
«THE BULLETIN OF IRKUTSK STATE UNIVERSITY». SERIES «MATHEMATICS»
ISSN 1997-7670 (Print)
ISSN 2541-8785 (Online)

Список выпусков > Серия «Математика». 2023. Том 46

О локальной согласованности нечетких означиваний

Автор(ы)
Г. Э. Яхъяева1

1Новосибирский государственный технический университет, Новосибирск, Российская Федерация

Аннотация
Исследуется теоретико-модельная формализация семантической модели предметной области. Рассматривается понятие нечеткой модели, т. е. модели, на которой истинностная функция обладает свойствами нечеткой меры. Показывается, что нечеткая модель является обобщением понятия фазификации прецедентной (семантической) модели на случай счетного числа прецедентов. Вводятся понятия согласованного и локально согласованного означивания множества предложений, доказываются теоремы об интервалах и аналог теоремы компактности.
Об авторах
Яхъяева Гульнара Эркиновна, канд. физ.-мат. наук, доц., Новосибирский государственный технический университет, Новосибирск, 630073, Российская Федерация, gul_nara@mail.ru
Ссылка для цитирования
Yakhyaeva G. E. On the Local Coordination of Fuzzy Valuations // Известия Иркутского государственного университета. Серия Математика. 2023. Т. 46. C. 130–144. https://doi.org/10.26516/1997-7670.2023.46.130
Ключевые слова
нечеткая модель, теория нечетких моделей, нечеткая мера, согласованное означивание, локально согласованное означивание
УДК
004.827
MSC
68T27, 68T30
DOI
https://doi.org/10.26516/1997-7670.2023.46.130
Литература
  1. Beliakov G., James S., Wu J.-Z. Discrete fuzzy measures: computational aspects. Springer, 2020. 260 p. https://doi.org/10.1007/978-3-030-15305-2
  2. Castelvecchi D. Can we open the black box of AI? // Nature News. 2016. Vol. 538, N 7623. P. 21–23. https://doi.org/10.1038/538020a
  3. Hajek A. Arguments For—Or Against—Probabilism? // British Journal for the Philosophy of Science. 2009. Vol. 59, N 4. P. 229–251. https://doi.org/10.1093/bjps/axn045
  4. Kuznetsov S.O., Poelmans J. Knowledge representation and processing with formal concept analysis // Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery. 2013. Vol. 3, N 3. P. 200–215. https://doi.org/10.1002/widm.1088
  5. Манцивода А. В., Пономарев Д. К. Формализация документных моделей средствами семантического моделирования // Известия Иркутского государственного университета. Серия Математика. 2019. Т. 27. С. 36–54. https://doi.org/10.26516/1997-7670.2019.27.36
  6. Манцивода А. В. , Пономарев Д. К. К семантическому документному моделированию бизнес-процессов // Известия Иркутского государственного университета. Серия Математика. 2019. Т. 29. С. 52–67. https://doi.org/10.26516/1997-7670.2019.29.52
  7. Miller T. Explanation in artificial intelligence: Insights from the social sciences. // Artif. Intell. 2019. Vol. 267. P. 1—38. https://doi.org/10.1016/j.artint.2018.07.007
  8. Naydanov C., Palchunov D., Sazonova P. Development of automated methods for the critical condition risk prevention, based on the analysis of the knowledge obtained from patient medical records // Proceedings International Conference on Biomedical Engineering and Computational Technologies, SIBIRCON 2015. Novosibirsk, 2015. P 33–38.
  9. Palchunov D., Yakhyaeva G. Fuzzy logics and fuzzy model theory // Algebra and Logic. 2015. Vol. 54, N 1. P. 74—80. https://doi.org/10.1007/s10469-015-9326-9
  10. Palchunov D.E., Tishkovsky D.E., Tishkovskaya S.V., Yakhyaeva G.E. Combining logical and statistical rule reasoning and verification for medical applications // Proceedings - 2017 International Multi-Conference on Engineering, Computer and Information Sciences (SIBIRCON 2017), 18- 22 September 2017, Novosibirsk, Russia. Novosibirsk, 2017. P. 309–313. https://doi.org/10.1109/SIBIRCON.2017.8109895
  11. Palchunov D., Yakhyaeva G. Application of Boolean-valued models and FCA for the development of ontological model // CEUR Workshop Proceedings. 2017. Vol. 1921. P. 77–87.
  12. Соколов И. А. Теория и практика применения методов искусственного интеллекта // Вестник Российской академии наук. 2019. Т. 89, № 4. С. 365–370. https://doi.org/10.31857/S0869-5873894365-370
  13. Yakhyaeva G. Fuzzy model truth values // Proceedings of the 6-th International Conference Aplimat. February 6-9. Bratislava, Slovak Republic, 2007. P. 423–431.
  14. Yakhyaeva G., Ershov A. Knowledge Base System for Risk Analysis of the Multi-Step Computer Attacks // Proceedings of the 18th International Conference on Enterprise Information Systems (ICEIS 2016). Vol. 2. P. 143–150. https://doi.org/10.5220/0005772401430150
  15. Yakhyaeva G., Karmanova A., Ershov A. Application of the Fuzzy Model Theory for Modeling QA-Systems // Computing and Informatics. Vol. 40, N 6. 2021. P. 1197–1216. https://doi.org/10.31577/cai_2021_6_1197
  16. Yakhyaeva G., Skokova V. Subjective Expert Evaluations in the ModelTheoretic Representation of Object Domain Knowledge // Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics). 12948 LNAI. 2021. P. 152–165. https://doi.org/10.1007/978-3-030-86855-0_11

Полная версия (english)