ترجمه فارسی مقاله رویکردهای مبتنی بر بهینه‌سازی واژگانی برای یادگیری یک مدل نماینده برای مرتب‌سازی چند معیاره با معیارهای غیر یکنواخت

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Lexicographic optimization-based approaches to learning a representative model for multi-criteria sorting with non-monotonic criteria
عنوان مقاله به فارسی رویکردهای مبتنی بر بهینه‌سازی واژگانی برای یادگیری یک مدل نماینده برای مرتب‌سازی چند معیاره با معیارهای غیر یکنواخت
نویسندگان Zhen Zhang, Zhuolin Li, Wenyu Yu
فرمت مقاله انگلیسی PDF
تعداد صفحات 45
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Artificial Intelligence,Machine Learning,هوش مصنوعی , یادگیری ماشین ,
توضیحات Submitted 3 September, 2024; originally announced September 2024. , Comments: 45 pages, 12 figures
توضیحات به فارسی ارسال شده در 3 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: 45 صفحه ، 12 شکل
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Deriving a representative model using value function-based methods from the perspective of preference disaggregation has emerged as a prominent and growing topic in multi-criteria sorting (MCS) problems. A noteworthy observation is that many existing approaches to learning a representative model for MCS problems traditionally assume the monotonicity of criteria, which may not always align with the complexities found in real-world MCS scenarios. Consequently, this paper proposes some approaches to learning a representative model for MCS problems with non-monotonic criteria through the integration of the threshold-based value-driven sorting procedure. To do so, we first define some transformation functions to map the marginal values and category thresholds into a UTA-like functional space. Subsequently, we construct constraint sets to model non-monotonic criteria in MCS problems and develop optimization models to check and rectify the inconsistency of the decision maker's assignment example preference information. By simultaneously considering the complexity and discriminative power of the models, two distinct lexicographic optimization-based approaches are developed to derive a representative model for MCS problems with non-monotonic criteria. Eventually, we offer an illustrative example and conduct comprehensive simulation experiments to elaborate the feasibility and validity of the proposed approaches.

چکیده به فارسی (ترجمه ماشینی)

استخراج یک مدل نماینده با استفاده از روشهای مبتنی بر عملکرد ارزش از منظر تفکیک اولویت به عنوان یک موضوع برجسته و رو به رشد در مشکلات مرتب سازی چند معیارها (MCS) پدید آمده است.یک مشاهده قابل توجه این است که بسیاری از رویکردهای موجود برای یادگیری یک الگوی نماینده برای مشکلات MCS به طور سنتی فرضیه یکنواختی معیارها را فرض می کنند ، که ممکن است همیشه با پیچیدگی های موجود در سناریوهای MCS در دنیای واقعی هماهنگ نباشد.در نتیجه ، این مقاله برخی از رویکردها را برای یادگیری یک مدل نماینده برای مشکلات MCS با معیارهای غیر یکپارچه از طریق ادغام روش مرتب سازی ارزش محور مبتنی بر آستانه ارائه می دهد.برای انجام این کار ، ما ابتدا برخی از توابع تحول را برای ترسیم مقادیر حاشیه ای و آستانه های دسته بندی در یک فضای کاربردی مانند UTA تعریف می کنیم.پس از آن ، ما مجموعه های محدودیتی را برای مدل سازی معیارهای غیر یکنواخت در مشکلات MCS ایجاد می کنیم و مدل های بهینه سازی را برای بررسی و اصلاح ناسازگاری اطلاعات اولویت تعیین کننده تصمیم گیرنده ایجاد می کنیم.با در نظر گرفتن همزمان پیچیدگی و قدرت تبعیض آمیز مدل ها ، دو روش مبتنی بر بهینه سازی واژگونی مجزا برای استخراج یک مدل نماینده برای مشکلات MCS با معیارهای غیر یکنواخت تهیه شده است.سرانجام ، ما یک مثال مصور را ارائه می دهیم و آزمایش های شبیه سازی جامع را برای توضیح امکان و اعتبار رویکردهای پیشنهادی انجام می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.