Search

Praca przedstawia wyniki eksperymentów analizujących wpływ wybranej metryki podobieństwa na efektywność grupowania reguł w złożonych bazach wiedzy. Inna metryka podobieństwa to inna struktura skupień reguł, a co za tym idzie, inny przebieg procesów wnioskowania dla takich struktur., Studia Informatica, Vol 31, No 2A (2010)

Praca zawiera zagadnienia dotyczące procesu podejmowania decyzji globalnych na podstawie wiedzy zgromadzonej w kilku lokalnych bazach wiedzy. Lokalne bazy wiedzy zawierają informacje dotyczące tej samej dziedziny, ale określone są na różnych zbiorach atrybutów warunkowych, które nie muszą być rozłączne. System decyzyjny działający w oparciu o kilka baz wiedzy podejmuje decyzje globalne na podstawie zbioru przesłanek określonych dla atrybutów wszystkich wykorzystywanych baz wiedzy. Praca zawiera opis wieloagentowego systemu decyzyjnego o strukturze hierarchicznej oraz omówienie i porównanie proponowanych metod wnioskowania umożliwiających podejmowanie decyzji globalnych w tym systemie., Studia Informatica, Vol 31, No 2A (2010)

Praca przedstawia opis procesu podejmowania globalnych decyzji na podstawie reguł decyzyjnych lokalnych systemów ekspertowych zawierających wzajemnie uzupełniające się obserwacje stanu obiektów, które mogą być również wzajemnie sprzeczne. W pracy zaprezentowano także wyniki eksperymentów przeprowadzonych na danych rzeczywistych., Studia Informatica, Vol 30, No 2A (2009)

Praca przedstawia opis procesu podejmowania globalnych decyzji na podstawie reguł decyzyjnych lokalnych systemów ekspertowych, zawierających wzajemnie uzupełniające się obserwacje stanu obiektów, które mogą być również wza­jemnie sprzeczne. Zaproponowano organizacje lokalnych systemów eksperto­wych w system wieloagentowy o strukturze hierarchicznej., Studia Informatica, Vol 28, No 4 (2007)

W pracy przedstawione zostaną podstawowe problemy systemów ekspertowych, ze szczególnym zwróceniem uwagi na zagadnienia tworzenia baz wiedzy i procesy wnioskowania. Podane zostaną również uwagi dotyczące zagadnień implementacji i przykładowe realizacje systemowe, Studia Informatica, Vol 26, No 3 (2005)

Celem rozprawy jest opracowanie metody wydobywania wiedzy ze złożonych zbiorów danych rzeczywistych o dużej liczebności, uwzględniającej ich specyfikę i dziedzinowy charakter oraz efektywne środki wizualizacji wydobytej wiedzy. Mianem wiedzy, na potrzeby niniejszej pracy, określa się wyrażona w postaci wzorców, trendów czy korelacji "informacje odnośnie otaczającego świata, która umożliwia ekspertowi podejmowanie decyzji" [6]. Badania zostaną oparte na dwóch rzeczywistych zbiorach: pierwszy z nich zawiera dane dotyczące funkcjonowania urządzeń nadawczo-odbiorczych operatora telefonii komórkowej (rozmieszczonych na terenie aglomeracji śląskiej), drugi agreguje statystyki gromadzone w oprogramowaniu AirSync, związane z zarzadzaniem sieciami bezprzewodowymi. Mimo, ze oba zestawy danych wydają się być ze sobą mocno powiązane pod względem tematyki telekomunikacyjnej, to jednak posiadają zupełnie odmienna strukturę i charakterystykę. Spośród wielu technik eksploracji danych zdecydowano się wybrać analizę skupień [7] i to właśnie wszystkie aspekty realizacji tej techniki w odniesieniu do danych złożonych są podstawa niniejszej rozprawy. Wydobywanie wiedzy z rzeczywistych baz wiedzy jest procesem wieloetapowym i stawia szereg wymogów wobec algorytmów grupowania jak: możliwość odkrywania skupień o różnej strukturze, odporność na występowanie wartości izolowanych, posiadanie relatywnie niskiej złożoności obliczeniowej i zajętości pamięci, jasno określone kryteria stopu algorytmu oraz wysoka jakość tworzonych skupień. Niestety klasyczne metody analizy skupień (jak niehierarchiczny algorytm k-średnich) nie spełniają podanych wymagań. Dodatkowo takie rzeczywiste bazy danych najczęściej charakteryzują się występowaniem wartości pustych (brakujących), niezdyskretyzowanych, czy zduplikowanych, co znacząco utrudnia ich przetwarzanie oraz analizę. Zatem w procesie badawczym wykorzystywane są bardziej złożone algorytmy, ale te dla osiągniecia optymalnego rezultatu wymagają zdefiniowania różnej liczby parametrów. Dlatego tez istotnym problemem, omawianym w dalszej części pracy, jest określenie metod: optymalnego doboru parametrów dla procesu grupowania oraz opisu utworzonej struktury złożonych grup. Niniejsza praca odnosi się również do problemu, w jaki sposób wizualizacja danych może funkcjonować jako efektywne i autonomiczne narzędzie analizy, jak również służyć jako technika łącząca wiedze dziedzinowa i zdolności kognitywne człowieka w procesie odkrywania wiedzy. Omawia proces graficznej analizy eksploracyjnej (ang. visual data mining) [3] oraz dokonuje porównania najpopularniejszych technik prezentacji skupień, spotykanych w literaturze przedmiotu, z autorska koncepcja oparta na algorytmie generowania tzw. map prostokątów (ang. treemaps) [11]. Kolejnym istotnym aspektem omawianym w rozprawie jest przegląd i porównanie możliwości obecnie dostępnych systemów analizy danych, wraz z wykazaniem ich wad i zalet, szczególnie w kontekście efektywności zaimplementowanych technik grupowania. Stanowi to jednocześnie motywacje do stworzenia autorskiego systemu wydobywania wiedzy DensGroup.

Głównym celem pracy jest opracowanie metod poprawiających efektywność wnioskowania w systemach wspomagania decyzji dzięki zmianie struktury bazy wiedzy w strukturę skupień reguł podobnych do siebie i uformowaniu dla każdego skupienia jego reprezentanta. Ponadto optymalizacja procesów wnioskowania staje się możliwa dzięki uwzględnieniu niepełności wiedzy. Efektywność wnioskowania mierzona jest zyskiem czasowym wynikającym z braku konieczności przeglądania wszystkich reguł w bazie wiedzy oraz liczbą nowych faktów wygenerowanych w trakcie procesu wnioskowania. W rozprawie dokonana została analiza efektywności wnioskowania w bazach wiedzy o złożonej strukturze (tj. o dużej liczbie reguł, dowolnej liczbie przesłanek, bez ograniczeń dla typu atrybutów i ich wartości). Uwzględnienie reprezentacji dla wiedzy niepełnej pozwala na zwiększenie efektywności systemów opartych na bazach dziedzinowych. Istniejące podejścia bazujące na teorii zbiorów przybliżonych, teorii Bayesa oraz innych okazują się niewystarczające do tak postawionego problemu. Wykorzystanie zaproponowanych w rozprawie modyfikacji algorytmów analizy skupień oraz metody badania stopnia niepełności wiedzy pozwoli na realizacje procesów wnioskowania efektywnie mimo, ze wiedza początkowa cechowała się niepełnością - co w rzeczywistych systemach wspomagania decyzji jest zjawiskiem dość często spotykanym. Dlatego niniejsza rozprawa ma dostarczyć narzędzia i metody pozwalające na rozwiązywanie problemów tego typu.