模糊集是一个工具,用于处理推理。与传统逻辑、模糊集增强人类决策的能力通过建模不确定性存在于我们的日常生活问题。模糊逻辑需要几个可能性作为输入。作为回报,它给一个明确的输出。

可以在大型网络中实现模糊集,微控制器,基于工作站的系统。它甚至可以由软件和硬件相结合。到目前为止,一些数量的算法是基于模糊概念开发的。这些模糊概念帮助我们解决人工智能和机器学习问题(如决策算法,聚类算法,算法基于信息的模式识别措施,分类算法,深入学习算法,模糊性算法,模糊规则的算法,算法研究通信网络和算法为基于知识的系统)。近年来,模糊集的概念已经被概括进一步发展了隶属函数的概念。一些灵活的模糊集的扩展包括框架Atanassov的直觉模糊集,毕达哥拉斯的模糊集,广义orthopair模糊集,模糊集,球形和T-spherical模糊集和neutrosophic集。这些模糊的框架都是广泛使用在许多实际情况下的不确定性。

这个特殊问题的目的是汇集原始研究评论文章讨论安全和沟通问题基于机器学习和人工智能算法在模糊环境中。

潜在的主题包括但不限于以下:

• 深度学习技术涉及模糊性安全算法
• 安全基于扩展的模糊决策算法框架
• 信息的控制算法下的安全问题的不确定性
• 以知识为基础的系统的通信网络
• 基于模糊规则的安全网络
• 模糊模式识别的安全评估
• 知识管理和信息检索算法涉及模糊性
• 模糊图像算法对通信网络进行调查
• 算法下的交通系统的不确定性
• 涉及模糊分类算法
• 基于扩展的模糊聚类算法框架