ПОРІВНЯЛЬНІ МОДЕЛІ В УМОВАХ НЕВИЗНАЧЕНОСТІ ДЛЯ ЗАВДАНЬ КЕРУВАННЯ

Заголовок (російською): 
СРАВНИТЕЛЬНИЕ МОДЕЛИ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ДЛЯ РЕШЕНИЯ ЗАДАЧ УПРАВЛЕНИЯ
Заголовок (англійською): 
MODEL OF COMPARISONS IN THE UNCERTAINTY CONDITIONS FOR TASK MANAGEMENT
Автор(и): 
Белощицкий А.А.
Минаева Ю.И.
Филиминов Г.А.
Автор(и) (англ): 
Biloshchytskyi Andrii
Minaeva Yulia
Georgy Filimonov
Ключові слова (укр): 
нечіткі множини; компаративність; евристика; невизначеність; функція приналежності; універсальна множина, норма
Ключові слова (рус): 
нечеткие множества; компаративность; эвристика; неопределенность; функция принадлежности; универсальное множество; норма
Ключові слова (англ): 
fuzzy sets; comparative; heuristics; uncertainty; membership function; universal set; the rate
Анотація (укр): 
На підставі формальних процедур розглянуто уявлення універсальної підмножини, що має властивості нечіткої множини. Поставлена задача полягає в тому, щоб на підставі формальних процедур показати об'єктивне існування у складі універсальної підмножини такої підмножини впорядкованих пар, яка має властивості нечіткої множини. Така підмножина в свою чергу дозволяє визначити нейтральну позицію, по відношенню до якої визначається роль і значущість (компаративність) евристично призначеної нечіткої множини. Причому нечітка множина, як об'єкт, відображає людське уявлення про фізичну сутність і таких уявлень може бути декілька.
Анотація (рус): 
На основании формальных процедур рассматриваются представления универсального подмножества, имеющего свойства нечеткого множества. Поставленная задача состоит в том, чтобы показать объективное существование в составе универсального подмножества такого подмножества упорядоченных пар, которое обладает свойствами нечеткого множества. Такое подмножество в свою очередь позволяет определить нейтральную позицию, по отношению к которой определяется роль и значимость (компаративность) эвристически назначенного нечеткого множества. Установлено, что нечеткое множество, как объект, отображает человеческое представление о физической сущности и таких представлений может быть несколько.
Анотація (англ): 
Article is devoted to consideration concept of universal subset that has fuzzy set properties based on formal procedures. Usually results of research are considered positive or negative after comparison with some neutral results, which taken as a point of comparison. These formal procedures can determine the neutral position, in relation to which is determined role and significance (comparability) heuristically designed fuzzy sets. Proposed method is based on using of universal subset, which gives opportunity to define neutral position according to declared conditions. The problem is that on the basis of existing formal procedures show an objective existence in some part of the universal subsets of this subset of ordered pairs, which has all the properties of fuzzy sets. This subset in turn to determine the neutral position, in relation to which defines the role and significance (comparability) heuristically designed fuzzy sets. This fuzzy set as an object reflects human understanding of the physical nature and such representations which can be any number depending on the perspective and assessment.
Публікатор: 
Київський національний університет будівництва і архітектури
Назва журналу, номер, рік випуску (укр): 
Управління розвитком складних систем, номер 25, 2016
Назва журналу, номер, рік випуску (рус): 
Управление развитием сложных систем, номер 25, 2016
Назва журналу, номер, рік випуску (англ): 
Management of Development of Complex Systems
Мова статті: 
Русский
Формат документа: 
application/pdf
Документ: 
Дата публікації: 
17 Февраль 2016
Номер збірника: 
Розділ: 
ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ УПРАВЛІННЯ
Університет автора: 
Киевский национальный университет им. Тараса Шевченко, Киев; Киевский национальный университет строительства и архитектуры, Киев
Литература: 

 

  1. Zadeh, L. (1996). Fuzzy logic = compu-ting with words. IEEE Transactions on Fuzzy Systems, 94 (2), 103-111.
  2. Канеман Д. Думай медленно решай быстро / Даниэль Канеман»: АСТ; Москва; 2014. – 315 с.
  3. Канеман Д., Словик П., Тверски А. Принятие решений в неопределенности: правила и предубеждения. – Харьков: Издательство Институт прикладной психологии «Гуманитарный центр», 2005. – 632 с.
  4. Вайн С. Эффекты умственной бухгалтерии. Интернет-ресурс: http://www. elitarium.ru / 2008/ 02/08/ jeffekty_umstvennojj_bukhgalterii.html
  5. Cichocki A. Tensor Decompositions: A New Concept in Brain Data Analysis? arXiv:1305. 0395v1 [cs.NA] 2 May 2013. 19 p.
  6. Кофман А. Введение в теорию нечетких множеств. Пер.с франц. -М.:Радио и связь, 1982. – 432 с.
  7. Witten D.M., Tibshirani R., Hastle T. A penalized matrix decomposition, with applications to sparse principal components and canonical correlation analysis. – Biostatistics (2009), 10, 3, pp. 515–534
  8. Van Loan C.F. and Pitsianis N. Approximation with Kronecker Products. M.S. Moonen et al. (eds.). Linear Algebra for Large Scale and Real-Time Applications, 293-314. 1993 Kluver Publishers.
  9. Van Loan C.F.The ubiquitous Kronecker product. – Journal of Comput and Applied Mathematics, 123(1):85–100, 2000.
  10. Минаев Ю.Н., Филимонова О.Ю. Минаева Ю. И. Влияние иерарархической  структуры гранул нечеткого множестваи на вычислительные процедуры нечеткой математики. Научно-теоретический журнал “Электронное моделирование”. – К.: Институт проблем моделирования в энергетике им.Г.Е. Пухова, 2015. – Т.37 – С.41–58.
  11. Філімонова О.Ю., Мінаєв Ю.М ,Мінаєва Ю.І. Кронекерові (тезнорні) моделі нечітко-множинних гранул. Международный журнал «Кибернетика и системный анализ». – К.: Ин-т кибернетики им. В.М.Глушкова НАНУкр, 2014. –Том 50, №4. – С. 42-52.
  12. Zadeh, L., & Kacprzyk, J. (Eds.). (1999a). Computing with words in information/ intelligent systems 1 (foundations). Studies in fuzziness and soft computing (Vol. 33). New York: Springer-Verlag. – Pp. 383–406.
  13. Zadeh, L., & Kacprzyk, J. (Eds.). (1999b). Computing with words in information /in-telligent systems 2 (applications). Studies in fuzziness and soft computing (Vol. 34). New York: Springer-Verlag. – Рр.988-1006
  14. Herrera F., Alonso S., Chiclana F.,Herrera-Viedma E. Computing with words in decision making: foundations, trends and prospects. Fuzzy Optim Decis Making (2009) 8. – Р. 337–364.
References: 

 

1. Zadeh, L. (1996). Fuzzy logic = compu-ting with words. IEEE Transactions on Fuzzy Systems, 94 (2), 103-111.

2. Kahneman, D. (2014). Think slowly resolved quickly ... / Daniel Kahneman ": AST; Moscow, Russia: 315.

3. Kahneman, D., Slovic, P., Tversky, A. (2005). Decision-making in uncertainty: the rules and prejudices. Kharkov, Ukraine: Publishing Institute of Applied Psychology "Humanitarian center", 632.

4. Vine S. (2008). Effects of mental accounting. Online resource: http: // www. elitarium.ru / / jeffekty_umstvennojj_bukhgalterii.html

5. Cichocki, A. (2013). Tensor Decompositions. A New Concept in Brain Data Analysis? arXiv: 1305. 0395v1 [cs.NA] 2 May, 19.

6. Kofman, A. (1982). Introduction to the theory of fuzzy sets. Per.s French. Moscow, Russia: Radio and communication, 432.

7. Witten, DM, Tibshirani, R., Hastle, T. (2009). A penalized matrix decomposition, with applications to sparse principal components and canonical correlation analysis. Biostatistics, 10, 3, 515-534.

8. Van Loan, C.F. & Pitsianis, N.( 1993) Approximation with Kronecker Products. M.S. Moonen et al. (Eds.). Linear Algebra for Large Scale and Real-Time Applications, 293-314.

9. Van Loan, C.F.( 2000). The ubiquitous Kronecker product. Journal of Comput. and Applied Mathematics, 123 (1), 85-100.

10. Minaev, Y.N., Filimonov, O. & Minaev, Yu. (2015). Influence ierararhicheskoy structure fuzzy two dozen pellets on computational procedures of fuzzy mathematics. Scientific-theoretical magazine "Electronic modeling." Kyiv, Ukraine: Institute of modeling problems in the energy sector im.G.E. Pukhov, 37, 41-58.

11. Fіlіmonova, O.J., Mіnaev, Y.M., Mіnaeva YU.І. (2014 ). Kronecker (teznorni) model clearly set-granules. The international journal "Cybernetics and Systems Analysis." Kiev Institute of Cybernetics. Glushkov NANUkr, 50, 4, 42-52.

12. Zadeh, L, & Kacprzyk, J. (Eds.). (1999). Computing with words in information / intelligent systems 1 (foundations). Studies in fuzziness and soft computing (Vol. 33). New York: Springer-Verlag, 383-406.

13. Zadeh, L. & Kacprzyk, J. (Eds.). (1999). Computing with words in information / in-telligent systems 2 (applications). Studies in fuzziness and soft computing (Vol. 34). New York: Springer-Verlag, 988-1006.

14. Herrera, F., Alonso, S., Chiclana, F., Herrera-Viedma, E. (2009).  Computing with words in decision making: foundations, trends and prospects. Fuzzy Optim Decis Making, 8, 337-364.