FisPro公司

FisPro(模糊推理系统专业)允许创建模糊推理系统并将其用于推理目的,特别是用于模拟物理或生物系统。模糊推理系统在用户文档中给出的模糊逻辑词汇表中进行了简要描述。它们基于模糊规则,具有很好的处理渐进现象的能力。自Zadeh的先驱工作以来,模糊逻辑已经被证明是符号空间和数值空间之间的一个强大接口。这一成功的原因之一是模糊系统能够将人类专家知识与其细微差别结合起来,并以可解释的方式表达系统的行为。另一个原因是设计数据驱动的金融机构以充分利用现有数据的可能性。尽管有这些资产,使用金融信息系统作为系统建模的协作框架并没有得到应有的重视,这种确定是我们几年前启动FisPro项目的主要动机。有鉴于此,我们集中精力于三点:规则基础的可解释性。这是FisPro的主要创意,因为在设计的每一步都保证了可解释性:变量划分、规则归纳、规则库简化、优化。一种模块化的、可移植的软件体系结构,允许平台独立,并便于扩展编写。通过对其源代码的免费研究,授予用户对其源代码的自由使用权。


zbMATH中的参考文献(参考 9篇文章 参考)

显示第1到第9个结果,共9个。
按年份排序(引用)

  1. Pota,Marco;Esposito,Massimo;De Pietro,Giuseppe:似然模糊分析:从数据、通过统计到可解释的模糊分类器(2018)
  2. Tsekouras,George E.:基于多维尺度和约束优化的模糊规则库简化(2016)
  3. Troiano,Luigi;Rodríguez Muñiz,Luis J.;Marinaro,Pasquale;Díaz,Irene:参数t-规范的统计分析(2014)
  4. Alvarez Alvarez,Alberto;Alonso,Jose M.;Trivino,Gracian:通过融合从WiFi信号强度和加速度中提取的信息来识别室内环境中的人类活动(2013年)ioport公司
  5. 谢尔盖·纪尧姆(Guillaume),布丽吉特·查诺莫迪奇(Charnomordic),帕特里斯·卢赛尔(Loisel),帕特里斯(Patrice):模糊划分:将专家知识整合到距离计算中的方法(2013年)
  6. 唐敏;陈霞;胡卫东;俞文贤:从实例学习生成概率模糊规则库(2012)ioport公司
  7. 纪尧姆,谢尔盖;查诺莫迪奇,布里吉特:用FisPro学习可解释模糊推理系统(2011)ioport公司
  8. JoséM阿隆索;Magdalena,Luis;González Rodríguez,Gil:寻找一个好的模糊系统可解释性指数:实验方法(2009)ioport公司
  9. 吉劳姆,谢尔盖;马格达莱纳,路易斯:专家指导下的模糊知识库整合(2006)ioport公司


更多出版物请访问:https://www7.inra.fr/mia/M/fispro/fispro2013_en_publications.html