本研究探讨了软计算和人工智能在土木工程中的应用，利用神经网络和模糊逻辑等模型，提高了工程预测和系统评估的准确性。

本研究提出了一种新型深度学习模型——双空间核约束模糊C均值（Deep DuS-KFCM），用于内镜图像中胃出血的分类和分割。该模型结合神经网络和模糊逻辑，准确率达到87.95%，特异性为96.33%，显著提升了医疗图像处理能力，尤其在细微出血识别方面。

本研究提出了Task-wise Split Gradient Boosting Trees (TSGB)算法，以解决糖尿病预测中的数据异质性和不足问题，并结合多任务学习优化预测效果。同时，探讨了模糊逻辑在脑瘤识别和血液病学诊断中的应用，显示出其高准确性和潜力。

UCSG-Net是一种无监督学习模型，结合模糊逻辑和神经网络，提升了CAD软件中的几何建模性能。研究探讨了模态操作符在模糊几何逻辑中的应用，并提出了新的隐式表示方法，以从2D和3D数据中恢复CSG表示，推动相关技术的发展。

本文讨论了新挑战及模糊逻辑理论的新搜索算法，提出了辩护关系和辩护图的概念，定义了接受论点的直接原因和根本原因，探讨了非简洁逻辑规划的互补推理及其与第一阶逻辑的学习方法。此外，介绍了基于对称关系的网络知识变化模式及其逻辑问题。

本文探讨了支持向量机（SVM）的多种改进方法，旨在解决时间处理、高维优化失败和类别不平衡等问题。提出了基于模糊逻辑的IF-RELSTSVM和F-RELSTSVM模型，实验结果表明其性能优于基准算法。此外，介绍了支持矩阵机（SMM）和自适应权重函数，以增强SVM的分类能力，验证了这些方法在准确性和召回率上的有效性。

本文探讨了基于人工智能和模糊逻辑的教育技术研究，包括学生聚类、自动教师选择、编程课程评估和讲座质量反馈等。这些系统有效提升了教育质量和学生准备度，并提供了准确的反馈与评估。

本文提出了一种基于模糊逻辑的自动协商资源调度系统，利用机器学习模型提高处理速度。研究了拍卖中的售价策略、无悔出价算法及资源分配问题，探讨了多智能体系统的社会福利和优化方法，并提出了在线广告竞价策略的自然策略逻辑。

本文研究了图神经网络在知识图谱中的归纳逻辑推理方法，提出了一种基于文本编码的结构模型框架，以提高推理效率。通过结合模糊逻辑和大型语言模型，改进了推理能力，并提出了新的归纳推理模型，解决了新实体稀疏性问题。实验结果表明，该模型优于现有方法。

本文提出了一种利用非正交多址接入技术的分层联邦学习系统，旨在最小化时间和能源成本。通过模糊逻辑的客户端编排策略和联合边缘服务器调度和资源分配问题的解决，该方案在性能提升和总成本降低方面优于基准。

本文提出了一种利用非正交多址接入技术的分层联邦学习系统，旨在最小化时间和能源成本。通过模糊逻辑的客户端编排策略和边缘服务器调度和资源分配问题的解决，实现了分层联邦学习性能提升和总成本降低。

本文提出了一种利用非正交多址接入技术的分层联邦学习系统，旨在最小化时间和能源成本。通过模糊逻辑的客户端编排策略和联合边缘服务器调度和资源分配问题的解决，该方案在分层联邦学习性能提升和总成本降低方面优于基准。