Conclusions It is clear that fuzzy

Conclusions
It is clear that fuzzy logic employing a exponential membership function, weighted averaging, and logical OR operation is an effective tool in data analysis involving discrimination where many parameters are involved. It performs as well as results reported by other researchers looking at similar problems with different fuzzy methods and hybrid fuzzy methods. Because membership functions may be adjusted individually the usual method of dividing data into a training partition and a validation partition is appropriate. Rather extensive adjustment (“learning”) during the training stage improves performance. This may include use of a genetic algorithm. Results observed here must be classified as anecdotal because only two data sets were used. However, from these observations it appears that fuzzy logic is comparable but does not outperform usual data analysis methods such as logistic regression. In instances where image analysis is a principal feature (as reported in other papers noted earlier) the situation does not lend itself to standard statistical regression methods.

ผลลัพธ์ (ไทย) 1:

บทสรุป ตรรกศาสตร์คลุมเครือใช้เป็นฟังก์ชันเอ็กซ์โพเนนเชียสมาชิก หาค่าเฉลี่ยถ่วงน้ำหนัก และตรรกะหรือการดำเนินงานว่าเป็นเครื่องมือที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลที่เกี่ยวข้องกับการเลือกปฏิบัติที่เกี่ยวข้องหลายพารามิเตอร์ชัดเจนได้ มันทำงานและผลลัพธ์ที่รายงาน โดยนักวิจัยอื่น ๆ มองปัญหาคล้ายกันด้วยวิธีแตกต่างกันชัดเจนและวิธีไฮบริเอิบ เนื่องจากฟังก์ชันสมาชิกอาจจะปรับปรุงแต่ละ วิธีการแบ่งข้อมูลออกเป็นพาร์ติชันการฝึกอบรมและพาร์ติชันการตรวจสอบปกติเหมาะสม ปรับปรุงค่อนข้างหลากหลาย ("เรียนรู้") ในระหว่างขั้นตอนการฝึกอบรมเพิ่มประสิทธิภาพ นี้อาจรวมถึงการใช้อัลกอริทึมทางพันธุกรรม ผลสังเกตที่นี่ต้องจัดประเภทเป็นเล็ก ๆ เพราะใช้ชุดข้อมูลที่สอง อย่างไรก็ตาม จากข้อสังเกตเหล่านี้ ปรากฏว่า ตรรกศาสตร์เทียบได้ แต่มีประสิทธิภาพสูงกว่าวิธีการวิเคราะห์ข้อมูลปกติเช่นการถดถอยโลจิสติก ในกรณีที่วิเคราะห์ภาพเป็นคุณลักษณะหลัก (รายงานในเอกสารอื่น ๆ ที่ระบุไว้ก่อนหน้านี้) สถานการณ์ไม่ยืมตัวเองวิธีการถดถอยทางสถิติมาตรฐาน

ผลลัพธ์ (ไทย) 2:

สรุป
เป็นที่ชัดเจนว่าตรรกศาสตร์จ้างฟังก์ชั่นสมาชิกชี้แจงเฉลี่ยถ่วงน้ำหนักและตรรกะหรือการดำเนินการเป็นเครื่องมือที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลที่เกี่ยวข้องกับการเลือกปฏิบัติที่ปัจจัยหลายประการที่มีส่วนเกี่ยวข้อง จะดำเนินการเช่นเดียวกับการรายงานผลประกอบการโดยนักวิจัยอื่น ๆ ที่กำลังมองหาที่ปัญหาที่คล้ายกันด้วยวิธีการที่แตกต่างกันเลือนและวิธีการเลือนไฮบริด เพราะฟังก์ชั่นการเป็นสมาชิกอาจจะปรับเป็นรายบุคคลวิธีการปกติของการแบ่งพาร์ทิชันข้อมูลลงในการฝึกอบรมและการตรวจสอบพาร์ทิชันที่มีความเหมาะสม การปรับตัวค่อนข้างกว้างขวาง ("เรียนรู้") ในระหว่างขั้นตอนการฝึกอบรมเพิ่มประสิทธิภาพการทำงาน ซึ่งอาจรวมถึงการใช้วิธีทางพันธุกรรม ผลการสังเกตที่นี่ต้องได้รับการจัดเป็นเกร็ดเล็กเกร็ดน้อยเพราะเพียงสองชุดข้อมูลที่ถูกนำมาใช้ แต่จากการสังเกตเหล่านี้ปรากฏว่าตรรกศาสตร์ก็เปรียบ แต่ไม่ได้ดีกว่าวิธีการวิเคราะห์ข้อมูลตามปกติเช่นการถดถอยโลจิสติก ในกรณีที่การวิเคราะห์ภาพเป็นคุณลักษณะที่สำคัญ (ณ วันที่รายงานในเอกสารอื่น ๆ ที่ระบุไว้ก่อนหน้านี้) สถานการณ์ไม่ให้ยืมตัวไปใช้วิธีการถดถอยทางสถิติมาตรฐาน

ผลลัพธ์ (ไทย) 3:

สรุป
เป็นที่ชัดเจนว่าตรรกศาสตร์คลุมเครือใช้ฟังก์ชันเอกซ์โพเนนเชียล ถัวเฉลี่ยสมาชิก และตรรกะหรือการดำเนินงานเป็นเครื่องมือที่มีประสิทธิภาพในการวิเคราะห์ข้อมูลที่เกี่ยวข้องกับการเลือกปฏิบัติหลายประการเข้ามาเกี่ยวข้อง มันแสดงผลเช่นเดียวกับที่รายงานโดยนักวิจัยอื่น ๆ มองปัญหาที่คล้ายกันกับวิธีฟัซซี่ที่แตกต่างกันและวิธีการแบบผสมเพราะฟังก์ชันความเป็นสมาชิก อาจจะปรับแบบวิธีปกติของการแบ่งข้อมูลในพาร์ทิชันและพาร์ทิชันการตรวจสอบที่เหมาะสม กว้างขวางมากกว่าการปรับ ( " การเรียนรู้ " ) ในระหว่างการฝึกอบรมขั้นตอนเพิ่มประสิทธิภาพ นี้อาจรวมถึงการใช้ขั้นตอนวิธีเชิงพันธุกรรม ผลที่พบนี้จะต้องจัดเป็น anecdotal เพราะชุดเพียงสอง ข้อมูลที่ใช้ อย่างไรก็ตามจากการสังเกตเหล่านี้ปรากฏว่าตรรกศาสตร์คลุมเครือเปรียบ แต่ไม่ได้แสดงวิธีการวิเคราะห์ข้อมูลปกติ เช่น Logistic Regression ในกรณีที่วิเคราะห์ภาพเป็นคุณลักษณะหลัก ( ตามที่ได้รายงานในเอกสารอื่น ๆที่ระบุไว้ก่อนหน้านี้ ) สถานการณ์ไม่ให้ยืมตัวเองเพื่อให้มาตรฐานทางสถิติวิธีการถดถอย .