دانلود رایگان ترجمه مقاله ارتباطات غیردقیق زمانی و سیستم های پشتیبانی تصمیم گیری (نشریه الزویر ۲۰۱۸)
این مقاله انگلیسی ISI در نشریه الزویر در ۶ صفحه در سال ۲۰۱۸ منتشر شده و ترجمه آن ۱۱ صفحه میباشد. کیفیت ترجمه این مقاله ارزان – نقره ای ⭐️⭐️ بوده و به صورت کامل ترجمه شده است.
دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی | |
عنوان فارسی مقاله: |
ارتباطات غیردقیق زمانی و سیستم های پشتیبانی تصمیم گیری |
عنوان انگلیسی مقاله: |
imprecise temporal associations and decision support systems |
|
مشخصات مقاله انگلیسی | |
فرمت مقاله انگلیسی | pdf و ورد تایپ شده با قابلیت ویرایش |
سال انتشار | ۲۰۱۸ |
تعداد صفحات مقاله انگلیسی | ۶ صفحه با فرمت pdf |
نوع مقاله | ISI |
نوع نگارش | مقاله پژوهشی (Research article) |
نوع ارائه مقاله | ژورنال |
رشته های مرتبط با این مقاله | مهندسی صنایع |
گرایش های مرتبط با این مقاله | داده کاوی، برنامه ریزی و تحلیل سیستم ها |
چاپ شده در مجله (ژورنال) | پروسه علوم کامپیوتر – Procedia Computer Science |
کلمات کلیدی | تحلیل ارتباط، داده کاوی زمانی، ارتباطات زمانی غیردقیق، مجموعه های فازی |
کلمات کلیدی انگلیسی | Association analysis – Temporal data mining – Imprecise temporal associations – Fuzzy sets |
ارائه شده از دانشگاه | دانشگاه بالتیمور، ایالات متحده آمریکا |
شناسه شاپا یا ISSN | ۱۸۷۷-۰۵۰۹ |
شناسه دیجیتال – doi | https://doi.org/10.1016/j.procs.2018.04.096 |
بیس | نیست ☓ |
مدل مفهومی | ندارد ☓ |
پرسشنامه | ندارد ☓ |
متغیر | ندارد ☓ |
رفرنس | دارای رفرنس در داخل متن و انتهای مقاله ✓ |
کد محصول | F1725 |
نشریه | الزویر – Elsevier |
مشخصات و وضعیت ترجمه فارسی این مقاله | |
فرمت ترجمه مقاله | pdf و ورد تایپ شده با قابلیت ویرایش |
وضعیت ترجمه | انجام شده و آماده دانلود |
کیفیت ترجمه | ترجمه ارزان – نقره ای ⭐️⭐️ |
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش | ۱۱ صفحه با فونت ۱۴ B Nazanin |
ترجمه عناوین تصاویر و جداول | ترجمه شده است ✓ |
ترجمه متون داخل تصاویر | ترجمه نشده است ☓ |
ترجمه متون داخل جداول | ترجمه شده است ✓ |
ترجمه ضمیمه | ندارد ☓ |
ترجمه پاورقی | ندارد ☓ |
درج تصاویر در فایل ترجمه | درج شده است ✓ |
درج جداول در فایل ترجمه | درج شده است ✓ |
درج فرمولها و محاسبات در فایل ترجمه | به صورت عکس درج شده است ✓ |
منابع داخل متن | به صورت عدد درج شده است ✓ |
منابع انتهای متن | به صورت انگلیسی درج شده است ✓ |
کیفیت ترجمه | کیفیت ترجمه این مقاله پایین میباشد. |
فهرست مطالب |
چکیده |
بخشی از ترجمه |
چکیده |
بخشی از مقاله انگلیسی |
Abstract The quick and pervasive infiltration of decision support systems, artificial intelligence, and data mining in consumer electronics and everyday life in general has been significant in recent years. Fields such as UX have been facilitating the integration of such technologies into software and hardware, but the back-end processing is still based on binary foundations. This article describes an approach to mining for imprecise temporal associations among events in data streams, taking into account the very natural concept of approximation. This type of association analysis is likely to lead to more meaningful and actionable decision support systems. ۱- Introduction As data mining, decision support systems, and artificial intelligence are quickly entering mainstream technologies, we have to account for the human nature that is innate in people. The recent interest in the field of User Experience (UX) is an important demonstration that software and hardware need to be easily and quickly understood by the users 8. As the user interface is only a filter that mediates between a very subjective user and a very matter-of-fact series of algorithms, we also need to identify ways to let the underlying processes understand and account for the very human concept of imprecision. Keeping the human nature in mind is not just a concept that is applicable to user interfaces, but also to the processes powering decision support systems 4. The vague and often imprecise nature of humans is an essential element to take into account also in the back-end of analytical software. In particular, we have to account for the arbitrary nature of linguistic variables and quantifiers 12, such as ”People purchase more umbrellas when it is very cloudy,” and temporal associations 2, such as ”Sales in football jerseys spike in the days following a team’s victory.” The need for a more elastic reasoning model is even more significant when we put the two concepts together, for example when we warn a friend that ”traffic gets very intense on highway XYZ shortly after it starts raining, even if it is just a light rain.” This paper presents a practical approach to creating an association analysis system that leads to a more meaningful and actionable set of recommendations. The workshop-oriented nature of the venue in which this paper is presented lends a great opportunity to explore the inner-workings of this analysis methodology as well as some of the fundamental concepts on which it is based. |