Relative-Fuzzy, Fachbücher von Ayad Tareq Imam

Relative-Fuzzy ist ein Fachbuch, das einen innovativen Ansatz zur Bewältigung der komplexen Unsicherheiten in Daten präsentiert, die in der Softwaretechnik für prädiktive Data-Mining-Klassifikationsmodelle auftreten können. Es basiert auf einer neuartigen Form der Fuzzy-Logik, die als Relative-Fuzzy-Logik (RFL) bezeichnet wird. Diese Logik formuliert das Problem der Unsicherheit in Bezug auf Zustände von Propositionen (SOP) und beschreibt deren Mitgliedschaftswerte durch eine neue Definition des Bereichs von Propositionen (DOP), die auf dem Relativitätsprinzip der möglichen Welten basiert. Durch die Kombination von Fuzzy-Logik und möglicher Weltlogik wird ein neues Mitgliedschaftswert-Set geschaffen, das in der Lage ist, Unschärfen und multiple Perspektiven gleichzeitig zu berücksichtigen. Für die praktische Umsetzung wurde eine neue Architektur eines hierarchischen neuronalen Netzwerks (HNN) entwickelt, das als ML/RFL-Based Net bekannt ist und neue Lern- und Abrufalgorithmen umfasst. Diese Architektur wird als RFL-basiertes Rechenmodell betrachtet.