×
伊万·桑切斯

内切均匀性的紧密性。 （英语） Zbl 07832033号

申请。白杨属。 199-211年1月25日（2024年）.
摘要：给定一个统一空间（（X，mathcal{U}），我们用（mathcal}F}^ast（X））表示（X，mathcal{U}）中的模糊集族，使得（U）是正规的上半连续的。让\（\mathcal{U} _E（_E）\)是\（mathcal{F}^ast（X）\）上的内切均匀性。本文主要刻画了一致空间中的全有界紧子集{U} _E（_E）)\).

理学硕士：

54A40型 模糊拓扑

关键词：

模糊集;内切均匀性;内窥测量;发送器均匀性;发送记录度量;完整性;密实度
PDF格式BibTeX公司 XML格式引用
\textit{I.Sánchez}，应用程序。白杨属。25，第1号，199--211（2024；Zbl 07832033）
全文： 内政部

参考文献：

[1] R.Engelking，《一般拓扑》，赫尔德曼·弗拉格出版社，柏林，1989年·兹比尔0684.54001
[2] J.J.Font、D.Sanchis和M.Sanchis，模糊值函数空间的完备性、可度量性和紧性，模糊集与系统353（2018），124-136。https://doi.org/10.1016/j.fss.2018.05.006 ·Zbl 1397.54010号 ·doi:10.1016/j.fss.2018.05.006
[3] H.Huang，模糊上的内图度量和Γ-收敛的刻画，模糊集和系统350（2018），55-85。https://doi.org/10.1016/j.fss.2018.02.014 ·Zbl 1397.54012号 ·doi:10.1016/j.fss.2018.02.014
[4] 黄宏，几个模糊集空间的性质，arXiv:1910.02205v2[math.GM]。
[5] G.Huang、G.-B.Huang、S.Song和K.You，《极限学习机器的趋势：综述》，神经网络。61 (2015), 32-48. https://doi.org/10.1016/j.neunet.2014.10.001 ·Zbl 1325.68190号 ·doi:10.1016/j.neunet.2014.10.001
[6] D.Jardón，I.Sánchez和M.Sanchis，一致空间上的模糊集，预印本。
[7] D.Jardón，I.Sánchez和M.Sanchis，关于度量空间上Zadeh扩张的一些问题，模糊集系统。379（2020），第115-124页。https://doi.org/10.1016/j.fss.2018.10.019 ·Zbl 1464.54007号 ·doi:10.1016/j.fss.2018.10.019
[8] J.L.Kelley，通用拓扑，Springer，纽约州纽约市，美国，1975年·Zbl 0306.54002号
[9] P.E.Kloeden，紧支持内切图和模糊集，模糊集系统。第4卷，第2期（1980年），193-201年。https://doi.org/10.1016/0165-0114(80)90036-6 ·Zbl 0441.54008号 ·doi:10.1016/0165-0114（80）90036-6
[10] J.Kupka，《离散动力系统的模糊化》，《信息科学》181（2011），2858-2872。https://doi.org/10.1016/j.ins.2011.024 ·Zbl 1229.93107号 ·doi:10.1016/j.ins.2011.02.024
[11] E.Michael，《子集空间的拓扑》，《美国数学学会学报》71，第1期（1951年），第152-182页。https://doi.org/10.1090/S0002-9947-1951-0042109-4网址 ·Zbl 0043.37902号 ·doi:10.1090/S0002-9947-1951-0042109-4
[12] K.Morita，紧子集超空间的完备化和开闭映射的拓扑完备化，一般拓扑及其应用（1974），217-233。https://doi.org/10.1016/0016-660X网址(74)90023-3 ·Zbl 0288.54009号 ·doi:10.1016/0016-660X（74）90023-3
[13] M.Rojas-Medar和H.Román-Flores，关于模糊集收敛的等价性，模糊集系统。80（1996），第217-224页。https://doi.org/10.1016/0165-0114(95)00182-4 ·Zbl 0873.54007号 ·doi:10.1016/0165-0114（95）00182-4
[14] F.Scarselli和A.C.Tsoi，使用前馈神经网络的普遍逼近：对一些现有方法的调查和一些新结果，neural Netw。11，第1期（1998年），15-37。https://doi.org/10.1016/S0893-6080（97）00097-X·doi:10.1016/S0893-6080（97）00097-X
此参考列表基于出版商或数字数学图书馆提供的信息。它的项目与zbMATH标识符启发式匹配，并且可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不声称其完整性或完全匹配。