极限过程的不确定性表示
数据库
2007-05-23 v2 人工智能
摘要
许多数学模型都利用极限过程。连续函数、微积分、微分方程和拓扑学都基于极限和连续性。然而，当我们进行测量和计算时，我们只能获得近似结果。在某些情况下，这种理论方案与实际操作之间的差异会极大地影响研究和决策的结果，导致知识的不确定性。在本文中，提出了一种处理此类不确定性的数学方法，基于模糊极限的概念。为微分模型发展了一种数学技术。为了考虑模型的内在不确定性，建议在该模型中使用模糊导数，而非常规函数的导数。
引用
@article{arxiv.cs/0112007,
title = {A Tight Upper Bound on the Number of Candidate Patterns},
author = {Floris Geerts and Bart Goethals and Jan Van den Bussche},
journal= {arXiv preprint arXiv:cs/0112007},
year = {2007}
}