javad jamalzadeh
-
International Journal Of Nonlinear Analysis And Applications, Volume:15 Issue: 12, Dec 2024, PP 385 -395The Shannon entropy and the logical entropy of fuzzy σ-algebras are well-known instances of entropy. In this paper, we introduce and study the Tsallis entropy of order α of fuzzy σ−algebras on F −probability measure spaces, where α ∈ (0, 1)∪(1, ∞). Moreover, we study the conditional version of this entropy and examine its basic properties.Keywords: Tsallis Entropy, Entropy, Conditional Tsallis Entropy, Fuzzy Σ-Algebras
-
International Journal Of Nonlinear Analysis And Applications, Volume:15 Issue: 3, Mar 2024, PP 357 -369In this paper, we define R-norm entropy and conditional R-norm entropy of partitions of algebraic structures, and we establish some of their basic properties. We show that the Shannon entropy and the conditional Shannon entropy of partitions can be derived from the R-norm entropy and the conditional R-norm entropy of partitions, respectively, by letting R tend to 1. Finally, using the notion of entropy for partitions, we define the R-norm entropy of a dynamical system. We prove that the R-norm entropies of isomorphic dynamical systems are equal.Keywords: Algebraic structure, R-norm entropy, partition, conditional R-norm entropy, Dynamical system, isomorphism
-
در این مقاله، یک خانواده א از زیرگروه های نرمال با اشتراک متناهی بسته G را در نظر می گیریم و یک یکنواخت روی نیمگروه ماتریس ریس S از G تعریف می کنیم و خواص تولوژیکی S با توپولوژی یکنواختی را بررسی می نماییم. بخصوص نشان میدهیم هرگاه زیرگروه ها نرمال א با خاصیت اشتراک دلخواه بسته باشند، آنگاه یکنواختی کامل است. در نهایت، اگر زیرگروه های نرمال تحت اشتراک متناهی بسته هستند، آنگاه یک کامل سازی از یکنواختی را می سازیم.
کلید واژگان: نیمگروه ماتریس ریس، پیراگروه توپولوژیک، یکنواختی، کاملسازیIn this paper, we consider a collection ℵ of normal subgroups with closed finite intersection property of a group G. We define a uniformity on the Rees matrix semigroup S from G. So, we study the topological properties of this uniform topology. In particular, we show that if the normal subgroups are closed arbitrary intersection property, then the uniformity is compelete. Finally, if normal subgroups are closed finite intersection property, then we construct a completion.
Keywords: Rees matrix semigroup, Topological paragroup, Uniformity, Completion -
International Journal Of Nonlinear Analysis And Applications, Volume:14 Issue: 2, Feb 2023, PP 23 -30Using fixed point methods, we prove the Hyers-Ulam stability and the superstability of $n$-Jordan $*$-homomorphisms in Fr\'echet locally $C^*$-algebras for the generalized Jensen-type functional equation$$r f\left(\frac{ a+b}{ r} \right) + r f\left( \frac{a-b}{r}\right) =2f(a),$$where $r$ is a fixed real number greater than $1$.Keywords: n-Jordan ∗-homomorphism, Frechet algebra, Fixed point method, Hyers-Ulam stability
-
هنگام کار با یک مجموعه داده رگرسیونی ممکن است برخی شرایط برقرار نباشند و محدودیت هایی برای اجرای مدل رگرسیون به وجود آیند. روش آنتروپی تعمیم یافته ماکسیمم قادر است پارامترهای مدل رگرسیونی را بدون اعمال هیچ شرطی روی توزیع احتمال خطاها برآورد کند. این روش حتی در مواردی که حجم نمونه خیلی کم است و یا بین متغیرهای مستقل، هم خطی بالایی وجود داشته باشد قادر به برآورد پارامترهای مدل است و لذا روشی توانمندی است. در این پژوهش قصد بر آن است پارامترهای مدل لجستیک دودویی با به کارگیری آنتروپی تعمیم یافته ماکسیمم (GME) برآورد شود و نتایج آن با روش ماکسیمم درستنمایی (ML) براساس معیار میانگین مربعات خطا (MSE) مقایسه شود. بدین منظور نمونه ای تصادفی به حجم 399 نفر از اطلاعات مشتریان بانک مانند سن، شغل، وضعیت تاهل، میزان تحصیلات و وام به عنوان متغیرهای مستقل و تقاضای مشتری برای افتتاح حساب مدت دار به عنوان متغیر وابسته جمع آوری شد. درنهایت با توجه به مقدار MSE نتیجه گرفته شد که روش GME نسبت به روش ML دقیق تر است.
کلید واژگان: رگرسیون لجستیک، آنتروپی ماکسیمم تعمیم یافته، درستنمایی ماکسیمم، میانگین مربعات خطاWhen working on a set of regression data, the situation arises that this data It limits us, in other words, the data does not meet a set of requirements. The generalized entropy method is able to estimate the model parameters Regression is without applying any conditions on the error probability distribution. This method even in cases where the problem Too poorly designed (for example when sample size is too small, or data that has alignment They are high and ...) is also capable. Therefore, the purpose of this study is to estimate the parameters of the logistic regression model using the generalized entropy of the maximum. A random sample of bank customers was collected and in this study, statistical work and were performed to estimate the model parameters from the binary logistic regression model using two methods maximum generalized entropy (GME) and maximum likelihood (ML). Finally, two methods were performed. We compare the mentioned. Based on the accuracy of MSE criteria to predict customer demand for long-term account opening obtained from logistic regression using both GME and ML methods, the GME method was finally more accurate than the ml method.
Keywords: Entropy, Generalized maximum entropy, Logistic regression, Logit, Maximum likelihood -
International Journal Of Nonlinear Analysis And Applications, Volume:13 Issue: 1, Winter-Spring 2022, PP 555 -562
Using the fixed point method, we prove the Hyers-Ulam stability and the superstability of $n$-Jordan $*$-derivations in Fr'echet locally $C^*$-algebras for the following generalized Jensen-type functional equation
$$ fleft(frac{ a+b}{2} right) + fleft( frac{a-b}{2} right) =f(a).$$Keywords: n-Jordan ∗-derivation, Fr´echet locally C∗-algebra, Fr´echet algebra, fixed pointmethod, Hyers-Ulam stability
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو میشود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشتههای مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته میتوانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که میخواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.