Machine learningUncertainty theory

Teória mäkkých množín

Teória mäkkých množín je matematický rámec na spracovanie neistoty a nepresnosti prostredníctvom parametrizovaných rodín množín. Zaviedol ju Dmitriy Molodtsov v roku 1999 a poskytuje približný opis objektov v univerze mapovaním každého parametra vo zvolenej množine parametrov na ostrú podmnožinu tohto univerza. Na rozdiel od teórie pravdepodobnosti alebo fuzzy množín, mäkké množiny nevyžadujú funkciu príslušnosti ani rozdelenie pravdepodobnosti, čím sa rámec oslobodzuje od nedostatočnosti existujúcich nástrojov na spracovanie neistoty, keď nie sú k dispozícii dostatočné údaje.

Otvoriť v MethodMindČoskoroVideoČoskoroDownload slides

Prečítať celú metódu

Len pre členov

Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.

Prihlásiť sa

Method map

The neighbourhood of related methods — select a node to explore.

Zdroje

  1. Molodtsov, D. (1999). Soft set theory—first results. Computers & Mathematics with Applications, 37(4–5), 19–31. DOI: 10.1016/S0898-1221(99)00056-5

Ako citovať túto stránku

ScholarGate. (2026, June 2). Soft Set Theory. ScholarGate. https://scholargate.app/sk/soft-computing/soft-set-theory

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateSoft Set Theory (Soft Set Theory). Získané 2026-06-15 z https://scholargate.app/sk/soft-computing/soft-set-theory · Dátová sada: https://doi.org/10.5281/zenodo.20539026