يك روش جديد براي رتبه بندي اعداد- Z

A new method for ranking of Z-numbers

در اين مقاله يك روش جديد جهت رتبه بندي اعداد-Z و نيز تعميمي از آن ارائه ميشود. اين روش مبتني بر ساختار داخلي شبكه عصبي مصنوعي است كه ميدانيم ساختار اين شبكه متشكل از ورودي ها، وزنها و تابع انتقال اعم از خطي، غير خطي و بعضاَ هم خطي و هم غير خطي ميباشد. نشان داده ميشود روش پيشنهادي ضمن دارا بودن خواص رتبه بندي براي اعداد-Z ايي كه مولفه هاي قسمت محدوديت آنها با هم برابر و قسمت اطمينان شان داراي مركز ثقل يكساني هستند رتبه بندي منطقي تري را نسبت به روشهايي كه از مركز ثقل استفاده مي-كنند دارا است. اين در حالي است كه برخي از روشهاي موجود براي اعداد-Z هايي كه قسمت محدوديت آنها با هم برابر است اما قسمت اطمينان شان برابر نيست ولي داراي مركز ثقل يكساني هستند رتبه برابر در نظر ميگيرد كه اين امر نميتواند در همه موارد منطقي باشد. لذا روش پيشنهادي مشكل فوق را بر طرف ميكند. طي چند مثال صحت موضوع نشان داده ميشود و نتايج حاصل با برخي از روشهاي موجود مقايسه ميشود.

In this paper we propose a new method for ranking Z- numbers and generalizations. This method is based on the internal structure of the artificial neural network, which suggests that the structure of this network consists of inputs weights and the transfer function linear, nonlinear and sometimes linear and nonlinear. It is shown that the proposed method while possessing the ranking properties for Z -numbers whose components of the limiting part are equal and their confidence interval having the same center of gravity has a more logical ranking than those using the center of gravity. While some of the available methods for Z numbers whose boundaries are equal but not equal to their reliability but have the same focal gravity they rank equally which can not be logical in all cases. Therefore, the proposed method overcomes this problem. In some examples the correctness of the subject is shown. the results are compared with some existing methods.