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:
Locally Linear Embedding Discriminant Feature Learning Model Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

Locating Hidden Sources in Evolutionary Games Based on Fuzzy Cognitive Map

verfasst von : Kai Wu, Xiangyi Teng, Jing Liu

Erschienen in: Computer Supported Cooperative Work and Social Computing

Verlag: Springer Nature Singapore

Einloggen

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

search-config
loading …

Abstract

How to identify the enemy’s hidden military power based on limited information is a great challenge in a military confrontation. A military confrontation environment can be naturally modeled as a complex system. Fuzzy cognitive map inherits the main characteristics of fuzzy logic and neural network. Thus, it is widely used to model complex systems and get a weighted directed network from existing data. In terms of great succuss of fuzzy cognitive map for modeling and analyzing complex systems, a hidden node localization strategy is proposed. This algorithm can measure the anomalies between fuzzy cognitive maps obtained from different data segments. The experimental results showed the our approach could effectively identify the enemy’s hidden military power from the observed data. In several case studies, the influence of various parameters on the accuracy of positioning is analyzed through experiments. The framework for detecting hidden nodes is expected to be successfully applied in many fields.

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 GRE: A GAT-Based Relation Embedding Model of Knowledge Graph for Recommendation
Nächstes Kapitel Deep Bug Triage Model Based on Multi-head Self-attention Mechanism
Literatur
1.
Su, R.Q., Wang, W.X., Lai, Y.C.: Detecting hidden nodes in complex networks from time series. Phys. Rev. E 85, 065201 (2012). (S2470-0045)
2.
Su, R.Q., Lai, Y.C., Wang, X., et al.: Uncovering hidden nodes in complex networks in the presence of noise. Sci. Rep. 4, 3944 (2014). S2045-2322
3.
Shen, Z., Wang, W.X., Fan, Y., et al.: Reconstructing propagation networks with natural diversity and identifying hidden sources. Nat. Commun. 5, 4324 (2014). S2041-1723
4.
Su, R.Q., Wang, W.W., Wang, X., et al.: Data based reconstruction of complex geospatial networks, nodal positioning, and detection of hidden node. R. Soc. Open Sci. 1 (2015). S2054-5703
5.
Shen, Z., Cao, S., Fan, Y., et al.: Locating the source of diffusion in complex networks by time-reversal backward spreading. Phys. Rev. E 93, 032301 (2015). S2470-0045
6.
Pinto, P.C., Thiran, P., Vetterli, M.: Locating the source of diffusion in large-scale networks. Phys. Rev. Lett. 109, 068702 (2012). S0031-9007
7.
Kosko, B.: Fuzzy cognitive map. Int. J. Man-Mach. Stud. 24(1), 65–75 (1986). S0020-7373
8.
Papageorgiou, E.I., Salmeron, J.L.: A review of fuzzy cognitive maps research during the last decade. IEEE Trans. Fuzzy Syst. 21(1), 66–79 (2013). S1063–6706
9.
Stach, W., Kurgan, L., Pedrycz, W., et al.: Genetic learning of fuzzy cognitive maps. Fuzzy Sets Syst. 153(3), 371–401 (2005). S0165-0114
10.
Nowak, M.A., May, R.M.: Evolutionary games and spatial chaos. Nature 359, 826–829 (1992). S0028-0836
11.
Szabó, G., Tőke, C.: Evolutionary prisoner’s dilemma game on a square lattice. Phys. Rev. E 58, 69 (1998). S2470-0045
12.
Szabó, G., Fath, G.: Evolutionary games on graphs. Phys. Rep. 446, 97–216 (2007). S0370-1573
13.
Tibshirani, R.: Regression shrinkage and selection via the lasso. J. R. Stat. Soc. Ser. B (Methodol.), 267–288 (1996). S1369-7412
14.
Kok, K.: The potential of fuzzy cognitive maps for semi-quantitative scenario development with an example from Brazil. Glob. Environ. Change 19(1), 122–133 (2009). S0959-3780
15.
Stylios, C.D., Groumpos, P.P.: Fuzzy cognitive maps: a model for intelligent supervisory control systems. Comput. Ind. 39(3), 229–238 (1999). S0166-3615
16.
Sun, Q., Lu, L., Yan, G., et al.: Asymptotic stability of evolutionary equilibrium under imperfect knowledge. Syst. Eng. Theory Pract. 23(7), 11–16 (2003)
17.
Rodriguez-Repiso, L., Setchi, R., Salmeron, J.L.: Modelling IT projects success with fuzzy cognitive maps. Expert Syst. Appl. 32(2), 543–559 (2007). S0957-4174
18.
Gao, X., Xie, W.: Development and applications of fuzzy clustering theory. Chin. Sci. Bull. 44(021), 2241–2250 (1999)CrossRef
19.
Li, H., Liu, D., Liu, Y.: Architecture design research of military intelligent wargame system. Fire Control Command Control 45(306), 118–123 (2020)
20.
Wu, K.: Intelligent modeling algorithm for complex system and its application. Xidian University (2020)
Metadaten
Titel
Locating Hidden Sources in Evolutionary Games Based on Fuzzy Cognitive Map
verfasst von
Kai Wu
Xiangyi Teng
Jing Liu
Copyright-Jahr
2022
Verlag
Springer Nature Singapore
Buch
Computer Supported Cooperative Work and Social Computing

Print ISBN: 978-981-19-4548-9

Electronic ISBN: 978-981-19-4549-6

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-981-19-4549-6_8