一种基于圆形三角形模糊数的创新模糊神经网络，用于分析心血管疾病诊断问题

《Scientific Reports》：An innovative fuzzy neural network based on circular triangular fuzzy numbers for analyzing cardiovascular disease diagnosis problems

　　

摘要

非线性和不确定的环境中多准则决策 (MCDM) 问题的日益复杂性，产生了一种模糊逻辑需求，即开发能够有效地捕捉模糊、不精确和周期性信息的混合数学方法。经典模糊框架和现有的聚合机制通常在同时建模周期性不确定性和相互依赖的决策 (DM) 评估方面存在局限性。为了处理此类环境，本研究设计了一种基于新型圆形三角模糊数 (Circular-TFNs)、邦斐罗尼均值算子 (BMOs) 和模糊神经网络 (FN-Network) 结构的 DM 技术，用于不确定环境下的智能分析。最初，提出了 Circular-TFNs 模型，旨在比传统的三角模糊数 (TFNs) 更符合模糊逻辑地表示周期性信息。对新定义方法的基本特征和数学行为进行了彻底检查。此外，建立了一些基本运算定律，以说明所提出的 Circular-TFNs 的详尽代数基础。基于所提出的运算定律，使用 Circular-TFNs 开发了多个 BMOs，这对于在考虑决策标准之间相互作用的同时聚合相互关联的 DM 评估至关重要。此外，使用 Circular-TFNs 和所提出的 BMOs 设计了一种新的 FN-Network 技术，以进一步提高智能 DM 能力。所提出的技术由输入层、隐藏层和输出层组成，其中专家信息被转换为集体 Circular-TFN 评估，通过 BMOs 聚合，并使用隶属度 (MSDs) 和评分函数进行处理以获得最终结果。所提出的方法被应用于心血管疾病诊断问题，以展示其适用性和有效性。最终结果表明，新定义的 FN-Network 成功处理了不确定和周期性的医疗评估，同时提供了可靠且灵活的诊断排名。此外，进行了比较分析，以评估所提出技术相对于几种现有基于模糊方法的性能和鲁棒性。比较结果表明，基于 Circular-TFNs 的 FN-Network 在复杂的医疗 DM 环境中提供了提高的灵活性、稳定性和准确性。