FRINK Linked Data Fragments server

Matches in SemOpenAlex for { <https://semopenalex.org/work/W2987397964> ?p ?o ?g. }

• W2987397964 abstract "Πολλά συνηθισμένα προβλήματα που αντιμετωπίζονται στο σχεδιασμό, τη λειτουργία και τη διαχείριση συστημάτων και υποδομών μεταφορών έχουν λυθεί με τη χρήση γνωστών στατιστικών μεθόδων όπως η παλινδρόμηση, η ανάλυση παραγόντων, η ανάλυση χρονοσειρών, η διακριτή ανάλυση επιλογής. Αυτές οι μέθοδοι βασίζονται σε μεγάλο βαθμό στη θεωρία των πιθανοτήτων και της στατιστικής, προκειμένου να παριστάνει ή να χειριστεί την αβεβαιότητα που εμπλέκεται σε τέτοιου είδους προβλήματα. Σε αυτά τα είδη των μοντέλων, η αβεβαιότητα συνήθως οφείλεται στην τυχαιότητα και συχνά εκπροσωπείται μέσω των στατιστικών διαστημάτων, όπως διαστήματα εμπιστοσύνης και πρόβλεψης. Σε άλλες περιπτώσεις, αβεβαιότητες λόγω της ανακρίβειας των δεδομένων ή της έλλειψης των πληροφοριών, προκύπτουν συχνά και πρέπει να αντιμετωπίζονται επίσης. Η χρήση της ασαφούς λογικής έχει αναγνωριστεί ως ένας εναλλακτικός τρόπος για τη διαχείριση τέτοιας αβεβαιότητας, στην οποία εμπλέκονται προβλήματα μεταφοράς λόγω ανακρίβειας ή έλλειψης πληροφοριών. Αυτοί οι τύποι των αβεβαιότητας συχνά αντιπροσωπεύονται μέσω ασαφών αριθμών.Δεδομένου ότι η ασαφής λογικής και η θεωρία πιθανοτήτων είναι τόσο χρήσιμες για την αντιμετώπιση της αβεβαιότητας, έχουν αναπτυχθεί διάφορα μοντέλα με τη χρήση αυτών των δύο προσεγγίσεων. Η ενσωμάτωση της ασαφούς λογικής με την στατιστική είναι ιδιαίτερα χρήσιμη για συστήματα μεταφορών, επειδή είναι πολύπλοκα κοινωνικο-τεχνικά συστήματα, τα οποία συχνά απαιτούν τη λήψη αποφάσεων υπό συνθήκες αβεβαιότητας. Η ασαφής λογική, που βασίζεται στη θεωρία των ασαφών συνόλων, και η στατιστική, που βασίζεται στη θεωρία πιθανοτήτων, είναι εναλλακτικές προσεγγίσεις για τη λήψη τέτοιων αποφάσεων υπό αβεβαιότητα. Τα ασαφή σύνολα είναι καλά στο χειρισμό της ανθρωπογενούς αβεβαιότητας (ελλιπής κατανόηση φαινομένου, περιορισμένη εμπιστοσύνη στο μοντέλο, ανακρίβεια ή ανεπάρκεια δεδομένων), ενώ η θεωρία πιθανοτήτων είναι καλή για το χειρισμό της αβεβαιότητας που προκύπτει από τυχαιότητα. Σε αντίθεση με τα περισσότερα μοντέλα, τα οποία αναπτύσσουν εντελώς νέες μεθόδους ασαφούς λογικής ή στατιστικής, αυτή η διατριβή προτείνει την κατασκευή υβριδικών μοντέλων, που χρησιμοποιούν ορισμένα σημαντικά στοιχεία από το ένα μοντέλο στο άλλο χωρίς σημαντική αλλαγή στη δομή των αρχικών μοντέλων. Το πλεονέκτημα της προτεινόμενης προσέγγισης είναι ότι οι ειδικοί σε ένα είδος μοντέλων (ασαφή ή στατιστικά) μπορούν να συνεχίζουν τη χρήση τέτοιων μοντέλων, χωρίς να χρειάζεται να αποκτήσουν σημαντικές νέες γνώσεις στον άλλο τομέα. Δείχνεται ότι οι προτεινόμενες μέθοδοι δίνουν παρόμοια ή καλύτερα αποτελέσματα από τα αρχικά μοντέλα. Στις διάφορες εφαρμογές, αποδείχθηκε ότι τα προτεινόμενα υβριδικά μοντέλα είναι εξαιρετικά ευέλικτα, δεδομένου ότι τα ήδη υπάρχοντα μοντέλα, όπως η γραμμική παλινδρόμηση, τα νευρωνικά δίκτυα και τα μοντέλα ασαφής λογικής μπορούν εύκολα να μετατραπούν σε ασαφή-στατιστικά μοντέλα. Η ανάγκη για πρόσθετες γνώσεις ελαχιστοποιείται και τα προτεινόμενα μοντέλα μπορούν να χρησιμοποιηθούν από οποιονδήποτε ήδη εξοικειωμένο με γραμμική παλινδρόμηση, ασαφής λογική ή μοντέλα νευρωνικών δικτύων. Επίσης δείχνουμε ότι τα προτεινόμενα μοντέλα μπορούν να χειριστούν τις αβεβαιότητες που σχετίζονται με την τυχαιότητα και την ασάφεια και είναι ιδιαίτερα κατάλληλα για τη λήψη αποφάσεων στα διάφορα προβλήματα μεταφορών, που συνήθως γίνονται υπό υψηλή αβεβαιότητα και ασάφεια." @default.
• W2987397964 created "2019-11-22" @default.
• W2987397964 creator A5015629521 @default.
• W2987397964 date "2021-09-15" @default.
• W2987397964 modified "2023-09-28" @default.
• W2987397964 title "Development and application of hybrid fuzzy-statistical and artificial intelligence methods in the design, operation and management of transportation systems and infrastructures" @default.
• W2987397964 doi "https://doi.org/10.12681/eadd/45924" @default.
• W2987397964 hasPublicationYear "2021" @default.
• W2987397964 type Work @default.
• W2987397964 sameAs 2987397964 @default.
• W2987397964 citedByCount "0" @default.
• W2987397964 crossrefType "dissertation" @default.
• W2987397964 hasAuthorship W2987397964A5015629521 @default.
• W2987397964 hasConcept C127413603 @default.
• W2987397964 hasConcept C154945302 @default.
• W2987397964 hasConcept C41008148 @default.
• W2987397964 hasConcept C58166 @default.
• W2987397964 hasConceptScore W2987397964C127413603 @default.
• W2987397964 hasConceptScore W2987397964C154945302 @default.
• W2987397964 hasConceptScore W2987397964C41008148 @default.
• W2987397964 hasConceptScore W2987397964C58166 @default.
• W2987397964 hasLocation W29873979641 @default.
• W2987397964 hasOpenAccess W2987397964 @default.
• W2987397964 hasPrimaryLocation W29873979641 @default.
• W2987397964 hasRelatedWork W1981379453 @default.
• W2987397964 hasRelatedWork W1992455540 @default.
• W2987397964 hasRelatedWork W2018699878 @default.
• W2987397964 hasRelatedWork W2043533001 @default.
• W2987397964 hasRelatedWork W2093078597 @default.
• W2987397964 hasRelatedWork W2098580770 @default.
• W2987397964 hasRelatedWork W2100414768 @default.
• W2987397964 hasRelatedWork W2127454146 @default.
• W2987397964 hasRelatedWork W2136109986 @default.
• W2987397964 hasRelatedWork W2140507396 @default.
• W2987397964 hasRelatedWork W2145612519 @default.
• W2987397964 hasRelatedWork W2171490605 @default.
• W2987397964 hasRelatedWork W2319965510 @default.
• W2987397964 hasRelatedWork W2505326929 @default.
• W2987397964 hasRelatedWork W2523334890 @default.
• W2987397964 hasRelatedWork W2534041601 @default.
• W2987397964 hasRelatedWork W3016837706 @default.
• W2987397964 hasRelatedWork W3177205548 @default.
• W2987397964 hasRelatedWork W3184125316 @default.
• W2987397964 hasRelatedWork W936878889 @default.
• W2987397964 isParatext "false" @default.
• W2987397964 isRetracted "false" @default.
• W2987397964 magId "2987397964" @default.
• W2987397964 workType "dissertation" @default.