Розробка методу загальної інтерполяції для Z-число-значних правил якщо-тоді

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2023.286164

Ключові слова:

Z-число, нечітке число, часткова надійність, правила якщо-тоді, інтерполяція, відстань, ваги

Анотація

Методи на основі інтерполяції правил використовуються, коли база правил розріджена. Часто буває так, оскільки інформація, що стосується проблем реального світу, зазвичай не є вичерпною. При цьому релевантна інформація часто характеризується як нечіткістю, так і частковою достовірністю. Для роботи з такою інформацією Заде ввів поняття Z-числа. Ця стаття присвячена розширенню загального методу інтерполяції для нечітких правил на випадок правил якщо-тоді з антецедентами та наслідками зі значеннями Z-числа. Запропонований підхід ґрунтується на визначенні відстані між поточним вектором спостереження та векторами антецедентів правил. Визначаючи відстань між поточним вектором і антецедентами правил, можна приймати рішення на основі найближчих антецедентів. У цьому контексті антецеденти правил — це вектори, які представляють певні умови. Отриманий результат обчислюється як зважена сума наслідків правил. Вагові коефіцієнти використовуються для врахування важливості кожного правила в інтерполяції на основі згаданих значень відстані знайдено ваги інтерполяцій. Результати цього дослідження спрямовані на розробку підходу до прийняття рішень з точки зору Z-значної інформації. Метод характеризується відносно низькою обчислювальною трудомісткістю. Для ілюстрації запропонованого підходу використовуються два приклади та додаток. Стосовно застосування запропонованого підходу розглядається проблема оцінки задоволеності роботою. Отже, отримані результати підтверджують ефективність запропонованого підходу. Запропонований метод може бути корисним інструментом для прийняття рішень у різних додатках, особливо там, де висока обчислювальна складність є неприйнятною або непрактичною

Біографії авторів

Konul Jabbarova, Azerbaijan State Oil and Industry University

PhD on Technical Sciences, Associated Professor

Department of Computer Engineering

Ulviyya Rzayeva, Azerbaijan State University of Economics (UNEC)

PhD on Mathematics, Associated Professor

Department of Digital Technologies and Applied Informatics

Aynur Jabbarova, Azerbaijan State University of Economics (UNEC)

Candidate of Economic Sciences, Associated Professor

Department of Mathematics and Statistics

Посилання

  1. Zadeh, L. A. (2011). A Note on Z-numbers. Information Sciences, 181 (14), 2923–2932. doi: https://doi.org/10.1016/j.ins.2011.02.022
  2. Chen, S.-M., Chang, Y.-C. (2011). Fuzzy rule interpolation based on interval type-2 Gaussian fuzzy sets and genetic algorithms. 2011 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE 2011). doi: https://doi.org/10.1109/fuzzy.2011.6007533
  3. Huang, Z. (2006). Rule Model Simplification. University of Edinburgh. Available at: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=fb72b35e95303843a5c4f661ca162c65678a4a65
  4. Li, F., Shang, C., Li, Y., Yang, J., Shen, Q. (2021). Approximate reasoning with fuzzy rule interpolation: background and recent advances. Artificial Intelligence Review, 54 (6), 4543–4590. doi: https://doi.org/10.1007/s10462-021-10005-3
  5. Alzubi, M., Johanyák, Z. C., Kovács, Sz. (2018). Fuzzy Rule Interpolation Methods and Fri Toolbox. Journal of Theoretical and Applied Information Technology, 96 (21). Available at: https://www.researchgate.net/publication/329239835_FUZZY_RULE_INTERPOLATION_METHODS_AND_FRI_TOOLBOX
  6. Naik, N., Diao, R Shen, Q. (2018). Dynamic Fuzzy Rule Interpolation and Its Application to Intrusion Detection. IEEE Transactions on Fuzzy Systems, 26 (4), 1878–1892. doi: https://doi.org/10.1109/tfuzz.2017.2755000
  7. Das, S., Chakraborty, D., Kóczy, L. T. (2019). Linear fuzzy rule base interpolation using fuzzy geometry. International Journal of Approximate Reasoning, 112, 105–118. doi: https://doi.org/10.1016/j.ijar.2019.05.004
  8. Tikk, D., Johanyák, Z. C., Kovács, S., Wong, K. W. (2011). Fuzzy Rule Interpolation and Extrapolation Techniques: Criteria and Evaluation Guidelines. Journal of Advanced Computational Intelligence and Intelligent Informatics, 15 (3), 254–263. doi: https://doi.org/10.20965/jaciii.2011.p0254
  9. Chen, C., Parthaláin, N. M., Li, Y., Price, C., Quek, C., Shen, Q. (2016). Rough-fuzzy rule interpolation. Information Sciences, 351, 1–17. doi: https://doi.org/10.1016/j.ins.2016.02.036
  10. Chen, S.-M., Lee, L.-W. (2011). Fuzzy interpolative reasoning for sparse fuzzy rule-based systems based on interval type-2 fuzzy sets. Expert Systems with Applications, 38 (8), 9947–9957. doi: https://doi.org/10.1016/j.eswa.2011.02.035
  11. Aliev, R. A., Pedrycz, W., Huseynov, O. H., Eyupoglu, S. Z. (2017). Approximate Reasoning on a Basis of Z-number valued If-Then Rules. IEEE Transactions on Fuzzy Systems, 25 (6), 1589–1600. doi: https://doi.org/10.1109/tfuzz.2016.2612303
  12. Aliev, R. A., Huseynov, O. H., Zulfugarova, R. X. (2016). Z-Distance Based IF-THEN Rules. The Scientific World Journal, 2016, 1–9. doi: https://doi.org/10.1155/2016/1673537
  13. Aliev, R. A., Alizadeh, A. V., Huseynov, O. H. (2015). The arithmetic of discrete Z-numbers. Information Sciences, 290, 134–155. doi: https://doi.org/10.1016/j.ins.2014.08.024
  14. Aliev, R. A., Guirimov, B. G., Huseynov, O. H., Aliyev, R. R. (2021). Z-relation equation-based decision making. Expert Systems with Applications, 184, 115387. doi: https://doi.org/10.1016/j.eswa.2021.115387
  15. Alonso de la Fuente, M., Terán, P. (2023). Convergence in distribution of fuzzy random variables in L-type metrics. Fuzzy Sets and Systems, 470, 108653. doi: https://doi.org/10.1016/j.fss.2023.108653
  16. Abiyev, R. H., Saner, T., Eyupoglu, S., Sadikoglu, G. (2016). Measurement of Job Satisfaction Using Fuzzy Sets. Procedia Computer Science, 102, 294–301. doi: https://doi.org/10.1016/j.procs.2016.09.404
  17. Lepot, M., Aubin, J.-B., Clemens, F. (2017). Interpolation in Time Series: An Introductive Overview of Existing Methods, Their Performance Criteria and Uncertainty Assessment. Water, 9 (10), 796. doi: https://doi.org/10.3390/w9100796
  18. Alam, N. M. F. H. N. B., Ku Khalif, K. M. N., Jaini, N. I., Gegov, A. (2023). The Application of Z-Numbers in Fuzzy Decision Making: The State of the Art. Information, 14 (7), 400. doi: https://doi.org/10.3390/info14070400
Розробка методу загальної інтерполяції для Z-число-значних правил якщо-тоді

##submission.downloads##

Опубліковано

2023-08-31

Як цитувати

Jabbarova, K., Rzayeva, U., & Jabbarova, A. (2023). Розробка методу загальної інтерполяції для Z-число-значних правил якщо-тоді. Eastern-European Journal of Enterprise Technologies, 4(4 (124), 19–26. https://doi.org/10.15587/1729-4061.2023.286164

Номер

Розділ

Математика та кібернетика - прикладні аспекти