Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Boscovich Fuzzy Regression Line

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216275%3A25530%2F21%3A39918289" target="_blank" >RIV/00216275:25530/21:39918289 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/00216305:26210/21:PU140611

  • Výsledek na webu

    <a href="https://www.mdpi.com/2227-7390/9/6/685#metrics" target="_blank" >https://www.mdpi.com/2227-7390/9/6/685#metrics</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.3390/math9060685" target="_blank" >10.3390/math9060685</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Boscovich Fuzzy Regression Line

  • Popis výsledku v původním jazyce

    We introduce a new fuzzy linear regression method. The method is capable of approximating fuzzy relationships between an independent and a dependent variable. The independent and dependent variables are expected to be a real value and triangular fuzzy numbers, respectively. We demonstrate on twenty datasets that the method is reliable, and it is less sensitive to outliers, compare with possibilistic-based fuzzy regression methods. Unlike other commonly used fuzzy regression methods, the presented method is simple for implementation and it has linear time-complexity. The method guarantees non-negativity of model parameter spreads.

  • Název v anglickém jazyce

    Boscovich Fuzzy Regression Line

  • Popis výsledku anglicky

    We introduce a new fuzzy linear regression method. The method is capable of approximating fuzzy relationships between an independent and a dependent variable. The independent and dependent variables are expected to be a real value and triangular fuzzy numbers, respectively. We demonstrate on twenty datasets that the method is reliable, and it is less sensitive to outliers, compare with possibilistic-based fuzzy regression methods. Unlike other commonly used fuzzy regression methods, the presented method is simple for implementation and it has linear time-complexity. The method guarantees non-negativity of model parameter spreads.

Klasifikace

  • Druh

    J<sub>imp</sub> - Článek v periodiku v databázi Web of Science

  • CEP obor

  • OECD FORD obor

    10102 - Applied mathematics

Návaznosti výsledku

  • Projekt

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Ostatní

  • Rok uplatnění

    2021

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Mathematics

  • ISSN

    2227-7390

  • e-ISSN

  • Svazek periodika

    9

  • Číslo periodika v rámci svazku

    6

  • Stát vydavatele periodika

    CH - Švýcarská konfederace

  • Počet stran výsledku

    14

  • Strana od-do

  • Kód UT WoS článku

    000645339500001

  • EID výsledku v databázi Scopus