ترغب بنشر مسار تعليمي؟ اضغط هنا

التوزيع الأسي النيتروسوفيكي

The Neutrosophic Exponential Distribution

1149   2   13   0.0 ( 0 )
 تاريخ النشر 2018
  مجال البحث الاحصاء الرياضي
والبحث باللغة العربية
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

نقدم في هذا البحث التوزيع الأسي النيتروسوفيكي الذي هو عبارة عن تمديد للتوزيع الأسي الكلاسيكي وفق منطق النيتروسوفيك ( و هو منطق جديد غير كلاسيكي تم تأسيسه من قبل الفيلسوف و الرياضي الأميركي فلورنتن سمارانداكه الذي قدمه كتعميم للمنطق الضبابي و خاصة المنطق الضبابي الحدسي) الذي يمكننا من التعامل مع كافة البيانات حتى غير المحددة بشكل دقيق.

المراجع المستخدمة
Osman, Salah and Smarandache, Florentin. Arab Philosophy from a Neutrosophy Perspective, Al Ma'aref Establishment, Alexandria, 2007
A. A. Salama and F. Smarandache. Neutrosophic Crisp Set Theory, Education Publishing, Columbus, 2015
A. A. Salama and F. Smarandache. Neutrosophic Crisp Probability Theory. Critical Review. Volume XII, 2016
قيم البحث

اقرأ أيضاً

تحظى شبكات الـ MANET اليوم باهتمام العديد من الباحثين في مجالات الاتصالات و الشبكات، نظراً لسهولة إنشاء مثل هذا النوع من الشبكات، و انتشارها الواسع في مختلف المجالات العلمية و التطبيقية، حيث عمد الباحثون إلى اقتراح العديد من بروتوكولات التوجيه في هذه الشبكات و ما زالت عملية تطويرها جارية إلى يومنا هذا، حيث أن الهدف من عملية التطوير هو جعل هذه الشبكات أكثر أمنا و استقرارا بسبب أنها معرضة بشكل كبير للاختراق من قبل أي عقدة أخرى موجودة في محيط الشبكة نظراً لأن عوامل الأمان ضعيفة فيها. تم تصنيف هذه البروتوكولات حسب طريقة عملها إلى ثلاثة أصناف هي الصنف التفاعلي الذي يعتمد على إرسال رسائل تحكم عبر الشبكة من أجل تحديث المسارات التي تصل بين أي عقدتين فيها، و الصنف الاستباقي الذي يعتمد على اكتشاف المسار عند الحاجة إليه فقط دون اللجوء إلى رسائل التحكم عبر الشبكة، و الصنف الهجين الذي يجمع بين الصنفين السابقين فيقوم بتجزئة الشبكة إلى عناقيد حيث تتراسل العقد ضمن العنقود الواحد وفق الأسلوب التفاعلي بينما تتراسل العقد التي تتبع لعنقودين مختلفين وفق الصنف الاستباقي. تم في هذا البحث محاكاة شبكة الـ MANET من خلال إخضاع عملية توليد الرزم إلى توزع احتمالي أسي مع تغيير قيمة البارامتر 14(خ±)"> افتراضي من أجل الحصول على الأداء الأفضل عند تغير عدد العقد مع الأخذ بعين الاعتبار بارامترات المردود و الحمل و التأخير الزمني.
تهدف هذه الدراسة إلى المقارنة بين نماذج Arima وطريقة التمهيد الأسي بالتنبؤ في السلاسل الزمنية، كما نسلط الضوء على مفاهيم الأساسية الخاصة بمنهجية ARIMA وطريقة التمهيد الأسي. ركزت الدراسة على التنبؤ بالسلاسل الزمنية ذات النطاق الضيق بين نقطة وأخرى ذات نطاق واسع بالاضافة إلى استخدام أطوال مختلفة من فترات التنبؤ وقد تم استخدام معيار RMSE للمقارنة بين الطريقتين.
تعد مسألة تعويض الاستطاعة الردية في شبكات التوزيع الكهربائية من المسائل الحيوية بيئياً و اقتصادياً، لذلك فقد جرى من خلال هذا البحث: التطرق لأحدث التجهيزات المستخدمة في تعويض الاستطاعة الردية في شبكات التوزيع الكهربائية و استعراض مميزاتها، ثم بعد ذلك استعرضت العلاقات الرياضية التي يستخدمها برنامج ETAP إِذ يحوي البرنامج على وظيفة (OCP) تمكننا من حساب الاستطاعة المثلى و تحديد المكان الأمثل لمعوضات الاستطاعة الردية في شبكات التوزيع الكهربائية بهدف تخفيض الضياع و تحسين أداء هذه الشبكات. هذا فضلاً عن شرح نظري مبسط عن الخوارزميات الجينية لأن البرنامج يرتكز عليها في عمله. كما طبق هذا البرنامج على جزء من شبكة ريف دمشق في ضوء بارامترات تشغيلها الحقيقية، درِست الآثار الاقتصادية لهذا التطبيق فضلاً عن الآثار الفنية الإيجابية، إِذ لوحظ تحسن في قيمة عامل الاستطاعة و تحسن في أوضاع التوتر على عقد الشبكة (Voltage Profile).
يحقق المحولات مسبقا أداء ملحوظا عند التدريب وبيانات الاختبار من نفس التوزيع. ومع ذلك، في سيناريوهات العالم الحقيقي، غالبا ما يواجه النموذج حالات خارج التوزيع (OOD) التي يمكن أن تسبب مشاكل شديدة التحول الدلالي في وقت الاستدلال. لذلك، في الممارسة العمل ية، يجب على نموذج موثوق أن يحدد هذه الحالات، ثم رفضها أثناء الاستدلال أو نقلها إلى النماذج التي تتعامل مع توزيع آخر. في هذه الورقة، نقوم بتطوير طريقة اكتشاف OOD غير مزودة بها، حيث يتم استخدام البيانات الموجودة في التوزيع فقط في التدريب. نقترح أن يلزم المحولات بفقدان مقنعين، مما يحسن من إيصال التمثيلات، بحيث يمكن التمييز بين مثيلات OOD بشكل أفضل عن المعرف. يمكن بعد ذلك اكتشاف هذه الحالات OOD بدقة باستخدام مسافة Mahalanobis في الطبقة السابقة للاشمئزاز. نقوم بتجربة إعدادات شاملة وتحقيق أداء الكشف عن المسؤولية المثالية تقريبا، وتفوق خطوط الأساس بشكل كبير. نحن مزيد من التحقيق في المناولة وراء التحسن، مما يجد أن المزيد من التمثيلات المدمجة من خلال التعلم المتعاقل الذي يعتمد على الهامش يجلب التحسن. نطلق سرد علاماتنا للمجتمع للبحث في المستقبل.
في حين أن الشبكات العصبية موجودة في كل مكان من المحللين الدلالي الحديث، فقد تبين أن معظم النماذج القياسية تعاني من خسائر أداء مثيرة عند مواجهة بيانات تكوين خارج التوزيع (OOD).في الآونة الأخيرة، تم اقتراح العديد من الطرق لتحسين التعميم التركيبي في الت حليل الدلالي.في هذا العمل، نركز بدلا من ذلك على مشكلة الكشف عن أمثلة تكوين OOD مع المحللين الدلالي العصبي، والتي لم يتم التحقيق فيها من قبل.نحن نحقق في العديد من الطرق القوية ولكنها بسيطة للكشف عن ood بناء على عدم اليقين التنبؤية.توضح النتائج التجريبية أن هذه التقنيات تؤدي بشكل جيد في الفحص القياسي ومجموعات بيانات CFQ.علاوة على ذلك، نوضح أنه يمكن تحسين اكتشاف OOD باستخدام مجموعة غير متجانسة.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا