Линейная частичная информация
Материал из Википедии — свободной энциклопедии
Содержание |
[править] Общее описание
Теория линейной частичной информации (англ. Linear Partial Information — LPI), применяемая для принимания решении на основании нечёткой логики (англ. fuzzy logic) при неполной или неаккуратной доступной информации. Швейцарский математик Эдуард Кофлер изобрёл эту теорию в 1970 году.
[править] Определение
Любая стохастическая частичная информация SPI(p) которую можно считать решением системы линейных неравенств, называется линеиной частичной информацей LPI(p) описывающей вероятность p. Зту информацию считаем нечётностью линейной частичной информации о вероятности p, соответствующей представлению линейной нечёткой логики.
[править] Избранная библиография
- Эдуард Кофлер– Entscheidungen bei teilweise bekannter Verteilung der Zustände, Zeitschrift für OR, Vol. 18/3, 1974
- Эдуард Кофлер- Extensive Spiele bei unvollständiger Information, in Information in der Wirtschaft, Gesellschaft für Wirtschafts- und Sozialwissenschaften, Band 126, Берлин 1982
- Эдуард Кофлер- Equilibrium Points, Stability and Regulation in Fuzzy Optimization Systems under Linear Partial Stochastic Information (LPI), Proceedings of the International Congress of Cybernetics [1] and Systems, AFCET, Париж 1984, pp. 233-240
- Эдуард Кофлер- Decision Making [2]under Linear Partial Information[3]. Proceedings of the European Congress EUFIT, Ахен, 1994, p. 891-896.
- Эдуард Кофлер- Linear Partial Information with Applications. Proceedings of ISFL 1997 (International Symposium on Fuzzy Logic), Цюрих, 1997, p.235-239.
[править] Ссылки
- Статья о Кофлере в английской Википедии[4]
- Методы использования линейной частичной информации[5]
- Теория линейной частичной информации и её применения[6]
- Применения теории линейной частичной информации в области амерканской экономической политики[7]
- Практические решения при помощи теории линейной частичной информации[8]
- Стохастическое программирование применяя нечеткую линейную частичную информацию[9]
- Быстрые решения применяя линейную частичную информацию[10]
