You are not logged in | Log in

ZARZĄDZANIE WIEDZĄ W MODELOWANIU SYSTEMÓW

Speaker(s)
Prof. dr hab. inż. Witold Pedrycz
Affiliation
University of Alberta, Edmonton, Canada
Date
May 12, 2011, 4:15 p.m.
Room
room 5440
Seminar
Seminarium badawcze Zakładu Logiki: Wnioskowania aproksymacyjne w eksploracji danych

ZAPRASZAMY NA ODCZYT

 

12 maja (CZWARTEK) 2011 roku, Banacha 2 , MIMUW, sala 5440, godz. 16:15

 

ZARZĄDZANIE WIEDZĄ W MODELOWANIU SYSTEMÓW

Optymalizacja alokacji informacji ziarnistej

 

Prof. dr hab. inż. Witold Pedrycz

Department of Electrical and Computer Engineering, University of Alberta, Edmonton, Canada

oraz

Instytut Badań Systemowych PAN

 

Streszczenie

Z poznawczego jak i aplikacyjnego punktu widzenia intrygującym jest zagadnienie budowy modeli o charakterze globalnym, które realizowane są poprzez realizację współdziałania pomiędzy modelami lokalnymi odzwierciedlającymi indywidualne aspekty modelowanego systemu. Interesującym przykładem są tutaj modele decyzyjne.  Wysoka złożoność systemu, różnorodność używanych zmiennych oraz istotne znaczenie elementu ludzkiego stanowią ważne aspekty, które w sposób przekonywujący motywują konieczność budowy modeli globalnych i wykorzystanie mechanizmów współdziałania. 

 

Modele mogą być traktowane jako indywidualne źródła wiedzy. Model o charakterze globalnym tworzony jest w rezultacie negocjacji/współdziałania pomiędzy źródłami wiedzy. Efektem współdziałania są struktury sformułowane na wyższym poziomie abstrakcji - modele ziarniste. Ziarnistość informacji umożliwia realizacje współdziałania jak również pozwala na kwantyfikację różnorodności wykorzystywanych źródeł wiedzy.  

Rozpatrzymy trzy główne kategorie schematów wykorzystania modeli traktowanych jako źródła wiedzy: (a)  konstrukcja modelu ziarnistego umiejscowionego na wyższym poziomie hierarchii w stosunku do indywidualnych źródeł wiedzy, (b) jednopoziomowe współdziałanie pomiędzy lokalnymi źródłami wiedzy,  (c) transfer wiedzy.

Ziarnistość informacji  jest ważnym aspektem modelowania. Alokacja przyjętego poziomu  ziarnistości pozwala na efektywną realizację modeli ziarnistych i zrealizowana jest w procesie optymalizacji.

Przedstawiony zostanie szereg reprezentatywnych przykładów ilustrujących każdą z powyższych kategorii zaproponowanej taksonomii. Wprowadzimy pojecie ziarnistych modeli rozmytych, ziarnistych modeli regresyjnych, ziarnistych sieci neuronowych, itp.  Szczegółowo omówimy zadania alokacji ziarnistości informacji w grupowym modelu decyzyjnym AHP (Analytic Hierarchy Process) oraz w problemach konstrukcji ziarnistych sieci rozmyto-neuronowych.