NobleBlocks

Research indexJournal article

ЗАДАЧИ НЕЧЕТКО-ВЕРОЯТНОСТНОЙ ОПТИМИЗАЦИИ: РЕГРЕССИЯ С НЕЧЕТКИМИ ДАННЫМИ

А.С.

Russian Agency for Digital Standardization9 Jan 2020Open access

NobleIDark:/48914/w1/20260515/E6318C51DOI10.25728/vspu.2019.1182

Free to read at the publisher

You can read the abstract here, or the full text at the publisher.

Read at the publisher

Abstract

Построение зависимостей типа линейной регрессии между нечеткими множествами представляет интерес не только с теоретической, но и с практической точки зрения. Обычно при этом рассматривается частный вид нечетких множеств - нечеткие числа. С одной стороны, данные могут быть известны лишь приближенно. Тогда нечеткие множества могут использоваться, чтобы передать эту неопределенность. С другой стороны, данные могут быть объединены в некоторые группы. Тогда значение для группы может задаваться в виде нечеткого множества. При нечеткой регрессии рассматриваются те же задачи, что и при обычной регрессии: несмещенность и состоятельность оценок, доверительные интервалы для параметров, проверка гипотез. Для решения этих задач при обычной регрессии необходимо использовать инструментарий теории вероятностей. При нечеткой регрессии это обуславливает комбинированный нечетко вероятностный подход. В докладе обсуждается понятие нечетко-случайной величины, рассматриваются различные подходы к построению линейных регрессионных моделей с включением нечеткости, приводятся новые результаты о несмещенности и состоятельности оценок.

Discussion

Topics

More

Suggest a correction or report