Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Synergetic Artificial Intelligence and Social Robotics Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Cognitive Generator to Interpret Fuzzy Values

verfasst von : Vadim L. Stefanuk

Erschienen in: Proceedings of the Second International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’17)

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The game approaches are rather popular in many applications, where a collective of automata is used. In the present paper the game involves a group of learning finite automata. The game is played sequentially with one automaton at a time, the result of the game defines next automaton to be played with. The goal of this game to provide some measuring system that is a reminiscent of collecting statistics in Probability Theory but in a different manner.
For measuring of an unknown membership value a new concept has been introduced called Cognitive Generator which transforms a fuzzy singleton to ordinary crisp logic value. Considerations on various types of axiomatic approaches show that the Cognitive Generator, as well as our Evidence Combination Axiomatic, belongs to one class of axiomatic theories, which may be used in applications directly.
Some programming examples aimed to illustrate our general approach.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Application of Intelligent Data Analysis Methods for Information Security Problems
Nächstes Kapitel An Approach to Sensitivity Analysis of Inference Equations in Algebraic Bayesian Networks
Fußnoten
1
Such Pseudo Random Numbers Generators are used in the most of computer languages to imitate probability values. Below we will use for this purpose the function random from LISP.
 
Literatur
1.
2.
Mamdani, E.H.: Application of fuzzy logic to approximate reasoning using linguistic synthesis. IEEE Trans. Computers. 26(12), 1182–1191 (1977)CrossRefMATH
3.
Katke, S., Pawar, M., Kadam, T., Gonge, S.: Combination of neuro fuzzy techniques give better performance. Int. J. Comput. Sci. Inf. Technol. 6(1), 550–553 (2015)
4.
Mishra, S., Hota, P.K., Mohanty, P.: A neuro-fuzzy based unified power flow controller for improvement of transient stability performance. CiteSeer
5.
Mishra, S., Pradhan, A.K., Hota, P.K.: Development and implementation of a fuzzy logic based constant speed DC drive. J. Inst. Eng. (India), pt EL, 79, 146 (1998)
6.
Senthil Kumar, M., Renuga, P., Saravanan, K.: Adaptive neuro-fuzzy based transient stability improvement using UPFC. Int. J. Recent Trends Eng. 2(7), 127 (2009)
7.
Stefanuk, V.L.: Behavior of tsetlin’s learning automata in a fuzzy environment. In: Second World Conference on Soft Computing (WConSC), pp. 511–513. Letterpress, Baku, Azerbaijan (2012)
8.
Stefanuk, V.L.: Interaction using qualitative data. In: 4th World Conference on Soft Computing. Program of Conference, Plenary Talk (Abstracts), pp. 43–44 (2014)
9.
Vadim, S.L.: How to measure qualitative data. In: Proceedings of American Fuzzy Information Processing Society NAFIPS 2015 and 5th World Conference on Soft Computing, Redmond, USA, pp. 37–40 (2015)
10.
Munakata, T.: Fundamentals of the New Artificial Intelligence, pp. 231. Springer, New York (1998)
11.
Stefanuk, V.L.: Local organization of intellectual systems. Models and Applications, p. 328. Fizmatlit, Moscow (2004). (In Russian)
12.
Stefanuk, V.L., Tzetlin, M.L.: On power control in the collective of radio stations. Inf. Transm. Probl. 3(4), 59–67 (1967)
13.
Stefanuk, V.L.: Deterministic markovian chains. Inf. Process. 11(4), 702–709 (2011). IITP RAS, Moscow (in Russian)
14.
Stefanuk, V.L.: Should one trust evidences? In: Proceedings of the All-Country AI Conference, Moscow, vol. 1, pp. 406–410 (1988)
15.
Tsetlin, M.L.: Some problems of finite automata behaviour. Doklady USSR Acad. Sci. 139(4) (1961). Moscow
16.
Stefanuk, V.L.: Processing of qualitative data. In: Proceedings of the First International Scientific Conference on Intelligent Information Technologies for Industry (IITI 2016), V.1. Advances in Intelligent Systems and Computing, vol. 456, pp. 373–379. Springer (2016)
Metadaten
Titel
Cognitive Generator to Interpret Fuzzy Values
verfasst von
Vadim L. Stefanuk
Copyright-Jahr
2018
Buch
Proceedings of the Second International Scientific Conference “Intelligent Information Technologies for Industry” (IITI’17)

Print ISBN: 978-3-319-68320-1

Electronic ISBN: 978-3-319-68321-8

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-68321-8_3