دانلود ترجمه مقاله نزدیک شدن بر اطراف (توابع) کاربرد فازی
ترجمه مقاله رویکردی بر توابع استلزام فازی

نمونه متن ترجمه شده این مقاله در زیر :
یکی از عملیات های کلیدی در منطق و استدلال تقریبی فازی، استلزام فازی است، که معمولاٌ به وسیله ی یک عملگر باینری I، که تابع استلزام نام دارد، صورت میگیرد.بسیاری از قوانین فازی که بر مبنای سیستم ها میباشند، پروسه ی مداخله ی خود را به وسیله ی این عملگرها صورت داده و مسئولیت انتشار عدم قطعیت در استدلال فازی را نیز بر عهده میگیرند. علاوه بر این، آنها ثابت کرده اند که در سایر حوزه ها مانند مقایسه ی روابط فازی، معادلات رابطه ای فازی، ریخت شناسی ریاضی فازی و پردازش تصاویر نیز کاربرد دارند. هدف این مقاله، ارائه ی رویکردی در زمینه ی توابع ضمنی فازی بوده که معمولاٌ به وسیله ی سایر عملگرهای تراکم نیز تشکیل میشوند.
4 روش مرسوم برای تعریف این استلزامات و مشخصه های آنها در حوزه های گسسته نیز بررسی میشود.
واژگاه کلیدی: تابع تراکم، استلزام گسسته، معادله ی عملیاتی، تابع استلزام، t-conorm، t-norm
عنوان انگلیسی مقاله: A Survey on Fuzzy Implication Functions
عنوان فارسی مقاله: رویکردی بر توابع استلزام فازی
فرمت فایل ترجمه شده: WORD (قابل ویرایش)
تعداد صفحات فایل ترجمه شده: 23
جهت دانلود رایگان نسخه انگلیسی این مقاله اینجا کلیک نمایید
ترجمه ی سلیس و روان مقاله آماده ی خرید می باشد.
بخشی از مقاله انگلیسی :
At that time, it is clear that the study of R- and S-implica- tions has been essential in the development of fuzzy mathemat- ical morphology, that has been mainly applied to edge detection and image processing. As we have commented, for these appli- cations, the fuzzy mathematical morphology with the majority of the desired morphological properties is the one derived from nilpotent t-norms and their derived R-implications. However, implementations of this approach prove that the behavior of the t-norm minimum, especially in edge detection, is better than that of nilpotent t-norms in general (although with minimum many properties are missing, including the duality between morpho- logical operators). To solve this problem, uninorms and their derived R-implications have been recently introduced in this context (see [15] and [26]). This paper has proved that a fuzzy mathematical morphology can be derived from several kinds of uninorms, having the same properties as those derived from nilpotent t-norms. Moreover, its applicability to edge detection is equal to or better than that of the mathematical morphology based on the t-norm minimum (see [27]).