kth.sePublikationer KTH
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
FCMpy: a python module for constructing and analyzing fuzzy cognitive maps
Maastricht Univ, Hlth Promot, Maastricht, Netherlands..
Miami Univ Ohio, Comp Sci & Software Engn, Oxford, OH USA..
KTH, Skolan för elektroteknik och datavetenskap (EECS), Intelligenta system, Robotik, perception och lärande, RPL.
Tilburg Univ, Cognit Sci & Artificial Intelligence, Tilburg, Netherlands..
Visa övriga samt affilieringar
2022 (Engelska)Ingår i: PeerJ Computer Science, E-ISSN 2376-5992, Vol. 8, s. e1078-, artikel-id 1078Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

FCMpy is an open-source Python module for building and analyzing Fuzzy Cognitive Maps (FCMs). The module provides tools for end-to-end projects involving FCMs. It is able to derive fuzzy causal weights from qualitative data or simulating the system behavior. Additionally, it includes machine learning algorithms (e.g., Nonlinear Hebbian Learning, Active Hebbian Learning, Genetic Algorithms, and Deterministic Learning) to adjust the FCM causal weight matrix and to solve classification problems. Finally, users can easily implement scenario analysis by simulating hypothetical interventions (i.e., analyzing what-if scenarios). FCMpy is the first open-source module that contains all the functionalities necessary for FCM oriented projects. This work aims to enable researchers from different areas, such as psychology, cognitive science, or engineering, to easily and efficiently develop and test their FCM models without the need for extensive programming knowledge.

Ort, förlag, år, upplaga, sidor
PeerJ , 2022. Vol. 8, s. e1078-, artikel-id 1078
Nyckelord [en]
Active Hebbian learning, FCM, Genetic algorithm, Nonlinear Hebbian learning, Python
Nationell ämneskategori
Reglerteknik
Identifikatorer
URN: urn:nbn:se:kth:diva-320513DOI: 10.7717/peerj-cs.1078ISI: 000862818300001PubMedID: 36262149Scopus ID: 2-s2.0-85140603443OAI: oai:DiVA.org:kth-320513DiVA, id: diva2:1705510
Anmärkning

QC 20221024

Tillgänglig från: 2022-10-24 Skapad: 2022-10-24 Senast uppdaterad: 2024-03-18Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextPubMedScopus

Person

Wozniak, Maciej K.

Sök vidare i DiVA

Av författaren/redaktören
Wozniak, Maciej K.
Av organisationen
Robotik, perception och lärande, RPL
I samma tidskrift
PeerJ Computer Science
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 140 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf