McNaughtnova věta fuzzy logiky z hlediska dobývání znalostí z dat
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985807%3A_____%2F07%3A00085239" target="_blank" >RIV/67985807:_____/07:00085239 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
McNaughton Theorem of Fuzzy Logic from a Data-Mining Point of View
Popis výsledku v původním jazyce
The paper recalls the McNaughton theorem of fuzzy logic and the algorithms underlying its constructive proofs. It then shows how those algorithms can be combined with the algorithm underlying recent extension of the theorem to piecewise-linear functionswith rational coefficients, and points out potential importance of the resulting combined algorithm for data mining. That result is immediately weakened through a complexity analysis of the algorithm that reveals that its worst-case complexity is doubly-exponential.
Název v anglickém jazyce
McNaughton Theorem of Fuzzy Logic from a Data-Mining Point of View
Popis výsledku anglicky
The paper recalls the McNaughton theorem of fuzzy logic and the algorithms underlying its constructive proofs. It then shows how those algorithms can be combined with the algorithm underlying recent extension of the theorem to piecewise-linear functionswith rational coefficients, and points out potential importance of the resulting combined algorithm for data mining. That result is immediately weakened through a complexity analysis of the algorithm that reveals that its worst-case complexity is doubly-exponential.
Klasifikace
Druh
J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
<a href="/cs/project/IAA100300503" target="_blank" >IAA100300503: Matematické základy inference a rozhodování za nejistoty</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>Z - Vyzkumny zamer (s odkazem do CEZ)
Ostatní
Rok uplatnění
2007
Kód důvěrnosti údajů
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Údaje specifické pro druh výsledku
Název periodika
Neural Network World
ISSN
1210-0552
e-ISSN
—
Svazek periodika
17
Číslo periodika v rámci svazku
3
Stát vydavatele periodika
CZ - Česká republika
Počet stran výsledku
24
Strana od-do
189-212
Kód UT WoS článku
—
EID výsledku v databázi Scopus
—