Entropy, neutro-entropy and anti-entropy for neutrosophic information
Tarom Information Technology（塔罗姆信息技术公司）
这种方法提出了一个多值的表示的语义信息。它突出了双模糊信息和模糊信息之间的联系。所构造的十值结构体现了语义信息的复杂性。这种十值结构导致了两个新的概念的构造的哲学信息：熵和反熵。这两个概念是在现有的两个概念：熵和非熵的基础上增加的。因此，我们得到了以下三元组：熵、正熵和反熵。
2017-06-18 cs.AI cs.IT math.IT
A Multi-criteria neutrosophic group decision making metod based TOPSIS for supplier selection
Ataturk University（阿塔图尔克大学）；Erzurum Technical University（埃尔祖鲁姆技术大学）
多准则决策（MCDM）的过程是在所有可能的方案中确定最佳选择。供应商选择问题是一类典型的多准则群决策问题，决策者对该问题的知识往往是模糊的和不精确的。由于语言评估的不精确性和模糊性，传统的crisp技术在解决多目标决策问题时效果不佳。在现实世界中，要找到MCDM问题的精确值在很多情况下是困难的，甚至是不可能的。因此，根据该准则将方案的值视为单值概率集（SVNS）更为合理。本文研究了用逼近理想解（TOPSIS）方法求解订货偏好的技术，并将TOPSIS方法推广到单值决策信息的MCDM问题。每个备选方案的价值和每个准则的权重都由单值概率数表征。在这里，标准和替代品的重要性是确定通过聚合的决策者（DM）的个人意见，通过单值矩阵加权平均（IFWA）运营商。该方法简单、精确、实用，适用于求解单值几何数据的MCDM问题。最后，为了验证该方法的适用性，本文最后给出了一个供应商选择的数值实验，作为单值逼近理想解法的应用。
2014-12-16 cs.AI cs.IT math.IT
Representation of a Sentence using a Polar Fuzzy Neutrosophic Semantic Net
K. L. University（K L 大学）
语义网可以用来表示句子。语言中的句子包含着极性语义，即肯定语义、中性语义和否定语义。中性论是一个相对较新的科学领域，可以用来数学地表示三元组的概念。这些三位一体包括真理、不确定性和谬误，以及积极性、中立性和消极性。因此，传统的语义网已扩展到本文使用的极模糊中性语义网。在MATLAB中实现了一个极性模糊中性语义网，并用它来描述英语中的一个极性句子。本文提出了一种在计算机存储器中表示极性的方法。因此，极性概念可以应用于机器，如机器人，吸收情感，使机器情感表示成为可能。
2014-05-02 cs.AI
Breaking the Chains of Probability: Neutrosophic Logic as a New Framework for Epistemic Uncertainty in Large Language Models
Universidad Bolivariana del Ecuador, Coordinación Académica de Posgrado（巴尔干大学厄瓜多尔分校，研究生院）；Universidad de Guayaquil（瓜亚基尔大学）；Universidad Bernardo O’Higgins（伯纳多·奥希金斯大学）；Mathematics, Physics, and Natural Sciences Division, University of New Mexico（新墨西哥大学数学、物理和自然科学系）
本文提出使用中智逻辑（Truth、Indeterminacy、Falsity三个独立维度）替代传统概率框架，通过实验发现该框架能更丰富地表示LLM的内部状态，并在35%的评估中自发出现超真状态，为透明、可靠和伦理感知的AI系统提供关键步骤。
2026-05-22 cs.AI cs.CL cs.LG
From Scalars to Tensors: Declared Losses Recover Epistemic Distinctions That Neutrosophic Scalars Cannot Express
University of British Columbia（不列颠哥伦比亚大学）；Georgia Institute of Technology（佐治亚理工学院）
本文通过扩展神经元T/I/F评价框架，发现标量无法区分认知状态，而引入声明性损失后能有效恢复这些区别，表明张量结构输出更准确地反映了LLM的认知能力。
2026-03-10 cs.AI cs.SE
Entropy and Syntropy in the Context of Five-Valued Logics
Tarom Company（罗马尼亚航空公司）
本文给出了双模糊集的一种五值表示。这种表示与使用以下值的五值逻辑有关：真、假、不一致、不完整和模糊。在五值表示的框架下，给出了双模糊集的相似度、熵和同熵的计算公式。
2015-02-26 cs.AI
Similarity, Cardinality and Entropy for Bipolar Fuzzy Set in the Framework of Penta-valued Representation
Tarom Company（罗马尼亚航空公司）
本文给出了双极模糊集及其特殊形式如直觉集、次协调集和模糊集的新的相似性、基数和熵测度。所有这些都是在多值表示的框架中构建的，并且基于使用以下逻辑值的五值逻辑：真、假、未知、矛盾和模糊。定义了有界实区间的一个新的距离。
2015-02-26 cs.AI
A New Penta-valued Logic Based Knowledge Representation
Tarom Company（塔罗姆公司）
本文提出了一种结合模糊集和五值逻辑思想的知识表示模型FP5。FP5表示不精确性质，其完成程度对于某些对象是不确定的、矛盾的或不确定的。介绍了合取、析取和求反的基本运算。关系到其他表示模型，如模糊集，直觉，次协调和双极模糊集进行了讨论。
2015-02-19 cs.AI
Real-Valued Hyperdimensional Sequence Representations with Hadamard Product Binding and Shift Equivariance
Chemnitz University of Technology（Chemnitz工业大学）；Luleå University of Technology（吕勒奥理工大学）；Institute of Information Technologies and Systems（信息技术与系统研究所）；Örebro University（厄勒布鲁大学）；RISE Research Institutes of Sweden（瑞典RISE研究院）；Linköping University（林雪平大学）
本文针对超维计算中序列表示的时序顺序编码需求，开发三种实值位置编码变体，其中正弦变体可实现高效哈达玛积绑定与精确平移等变，在时间序列分类任务上性能与标准分数幂编码相当。
2026-08-31 cs.AI
On Ternary Coding and Three-Valued Logic
在数学上，三进制编码比二进制编码更有效。它很少用于计算，因为二进制处理技术已经建立，三进制编码的实现更加复杂，但在使用决策树的算法和通信中仍然相关。在本文中，我们提出了一个新的比较二进制和三进制编码和它们的相对效率计算的数字表示和决策树。我们无法使用最佳表示通过数学或逻辑的影响进行检查。除了考虑表示效率之外，在人工智能（AI）和医学的许多现实问题的分类中，三进制编码似乎优于二进制编码。我们研究的问题，确定适当的三个类特定领域的应用程序。
2018-07-13 cs.AI
Representation of preferences for multiple criteria decision aiding in a new seven-valued logic
University of Catania（卡塔尼亚大学）；Poznań University of Technology（波兹南理工大学）；Systems Research Institute, Polish Academy of Sciences（波兰科学院系统研究所）
本文提出在七值逻辑框架下表示多准则决策辅助中的偏好，通过构造七值偏好关系并利用多个超越关系或价值函数生成稳健推荐，以有效处理不确定性、不精确性和偏好不充分确定等问题。
2024-05-31 cs.AI
An Interval-Valued Utility Theory for Decision Making with Dempster-Shafer Belief Functions
Université de Technologie de Compiègne（贡比涅技术大学）；CNRS（法国国家科学研究中心）；Shanghai University（上海大学）；Institut Universitaire de France（法国大学研究院）；University of Kansas（堪萨斯大学）
本文的主要目标是描述一个公理效用理论的Dempster-Shafer信念函数彩票。所使用的公理框架类似于Luce和Raiffa所描述的冯·诺伊曼-摩根斯坦的概率彩票效用理论。与概率的情况下，我们的公理框架导致区间值的效用，因此，部分（不完整）的偏好顺序的所有信念函数彩票。如果我们使用的信念函数参考彩票是贝叶斯信念函数，那么我们的表示定理与Jaffray的线性效用理论的表示定理相吻合。我们说明了我们的代表定理，使用文献中讨论的一些例子，我们提出了一个简单的模型，用于评估效用的基础上的区间值悲观指数代表决策者的态度模糊性和不确定性。最后，我们将我们的决策理论与Jaffray，Smets，Dubois等人提出的决策理论进行了比较，江和谢诺伊还有谢弗
2020-06-18 cs.AI
Theoretical Foundations of Superhypergraph and Plithogenic Graph Neural Networks
本书提出超超图与混元图神经网络的理论框架，旨在扩展信息传递原理以处理高阶结构，通过严谨定义和属性证明，提升复杂网络建模能力。
2026-03-02 cs.AI cs.CE cs.LG
On Decision-Valued Maps and Representational Dependence
Gil Raitses（独立研究者）
本文提出决策值映射的概念，通过DecisionDB基础设施记录和审计不同数据表示与决策结果的关系，将决策重用视为可机械检查的条件。
2026-02-11 cs.AI cs.DB
A Four-Valued Normative Intermediate Representation for ASP-Oriented Compliance Reasoning
University of Science and Technology of China（中国科学技术大学）
提出MONIR，一种用于ASP合规推理的模态化输出规范性中间表示，通过分阶段操作语义和可执行编译，结合LLM辅助流程应用于中国ADAS法规，并评估提取质量与模块化增量求解效率。
2026-06-23 cs.AI cs.LO
RVFL-X: A Novel Randomized Network Based on Complex Transformed Real-Valued Tabular Datasets
Department of Mathematics Indian Institute of Technology Indore, India（数学系印度理工学院印度勒克塔分校）
针对随机神经网络难以处理实值表格数据转复值表示的问题，提出RVFL-X网络，通过自然变换和自编码器方法生成复值表示，在80个UCI数据集上表现优于现有RNN变体。
2025-10-06 cs.AI cs.LG
Lexicographic Logic: a Many-valued Logic for Preference Representation
University of Athens（雅典大学）
逻辑形式主义提供了一种自然和简洁的方式来指定和推理偏好。在本文中，我们提出了词典逻辑，经典命题逻辑的扩展，可以表达各种偏好，最显着的词典。建议的逻辑支持一个简单的新的连接，其语义可以定义在有限的真值列表。我们证明，尽管众所周知的理论限制，构成障碍的词典偏好的定量表示，存在一个子集的有理数，建议的新的连接可以自然地定义。词典逻辑可以用来以简单的方式定义一些众所周知的优先运算符，如“$A$和如果可能的话$B$“和“$A$或失败的$B$“。此外，许多其他层次优先运营商可以使用系统的方法来定义。我们认为，新的逻辑是一个有效的形式主义排名查询结果，根据用户的喜好满意度。
2020-12-20 cs.AI cs.LO
Complex-Valued Unitary Representations as Classification Heads for Improved Uncertainty Quantification in Deep Neural Networks
University of Tartu（塔尔图大学）；S Holding OÜ（3S控股公司）
本文提出一种复值酉表示作为分类头，通过改进深度神经网络的不确定性量化，显著提升了校准性能。
2026-02-17 cs.AI cs.LG
Complex-Valued Autoencoders for Object Discovery
University of Amsterdam（阿姆斯特丹大学）；Bosch Center for AI（博世人工智能中心）
以对象为中心的表征构成了人类感知的基础，使我们能够对世界进行推理，并系统地推广到新的环境。目前，大多数关于无监督对象发现的工作集中在基于槽的方法上，该方法显式地分离各个对象的潜在表示。虽然结果很容易解释，但通常需要设计相关的架构。与此相反，我们提出了一个相对简单的方法-复杂的自动编码器（CAE）-创建分布式对象为中心的表示。根据生物神经元中对象表征的理论编码方案，其复值激活代表两个消息：它们的幅度表示特征的存在，而神经元之间的相对相位差表示哪些特征应该绑定在一起以创建联合对象表征。与以前使用复值激活进行对象发现的方法相比，我们提出了一种完全无监督的方法，该方法是端到端训练的，从而显着提高了性能和效率。此外，我们表明，CAE在简单的多对象数据集上实现了具有竞争力或更好的无监督对象发现性能，与最先进的基于槽的方法相比，同时训练速度快100倍。
2022-11-18 cs.AI cs.CV cs.LG
Co-domain Symmetry for Complex-Valued Deep Learning
UC Berkeley / ICSI（伯克利大学 / ICSI）
针对复值缩放对称性，提出余域对称（CDS）网络层与RGB复值表示，在多个基准上以更少参数超越DCN和SurReal，提升精度与鲁棒性。
2025-04-22 cs.AI cs.CV cs.LG
Set-valued prediction in hierarchical classification with constrained representation complexity
Ghent University（根特大学）；LMU Munich（慕尼黑大学）；Poznań University of Technology（波兹南理工大学）；Yahoo! Research（雅虎研究院）
集值预测是多类分类中的一个众所周知的概念。当分类器不确定测试实例的类标签时，它可以预测一组类而不是单个类。在本文中，我们专注于分层多类分类问题，其中有效集（通常）对应于层次结构的内部节点。我们认为，这是一个非常强的限制，我们提出了一个放宽通过引入的概念表示复杂性的预测集。结合概率分类器，这导致了一个具有挑战性的推理问题，需要特定的组合优化算法。我们提出了三种方法，并在基准数据集上对其进行了评估：一种基于矩阵向量乘法的朴素方法，一种重新表述为带有冲突图的背包问题的方法，以及一种递归树搜索方法。实验结果表明，最后一种方法是计算效率比其他两种方法，由于层次分解的条件类分布。
2022-03-13 cs.AI cs.LG stat.ML
Enhancing deep neural networks through complex-valued representations and Kuramoto synchronization dynamics
CerCo - CNRS, University of Toulouse, France（CerCo - CNRS，图卢兹大学，法国）；Carney Institute for Brain Science, Brown University, USA（脑科学学院，布朗大学，美国）
本研究受神经科学启发，将复值表示与Kuramoto同步动力学结合，通过相位对齐促进特征分组，提出前馈和循环两种同步架构，在多对象图像任务上优于实值及无同步复值模型，提升了性能、鲁棒性和泛化能力。
2025-08-04 cs.AI cs.CV nlin.AO
