Techniki informacyjne w badaniach systemowych

Techniki informacyjne w badaniach systemowych

1 ocena

Wydawca:

Wydawnictwo WNT

Format:

ibuk

WYBIERZ RODZAJ DOSTĘPU

 

Dostęp online przez myIBUK

WYBIERZ DŁUGOŚĆ DOSTĘPU

6,15

Wypożycz na 24h i opłać sms-em.
Brak wydruku.

37,50

cena zawiera podatek VAT

ZAPŁAĆ SMS-EM ZAPŁAĆ SMS-EM

Książka ta jest poświęcona problemom badawczym i praktycznym z zakresu informatycznego wspomagania procesów decyzyjnych oraz sterowania w złożonych systemach technicznych, ekonomiczno-społecznych i biologicznych. Współczesny postęp techniki komputerowej spowodował w tej dziedzinie nie tylko rozwój metod usprawniających klasyczne procedury, lecz także rozwój nowatorskich specjalistycznych metod, w których techniki numeryczne odgrywają decydującą rolę, oraz metod, które mogły być dopiero stosowane dzięki powszechnej komputeryzacji, automatyzacji procesów pomiarowych i globalizacji systemów informatycznych łączonych w sieci. Zakres tematów rozpatrywanych w ramach badań systemowych jest bardzo szeroki. Opisanie ich wszystkich jest po prostu niemożliwe. Pewnym rozwiązaniem w tej sytuacji jest zebranie prac przedstawiających te dziedziny badawcze, w których znaczący udział mają polscy naukowcy o uznanej międzynarodowej renomie. Wiele z tych dziedzin jest jak dotychczas nieobecnych w literaturze polskojęzycznej. Książka ta może więc pełnić funkcję nowoczesnego podręcznika akademickiego wspomagającego proces dydaktyczny na wyższych latach studiów magisterskich i na studiach doktoranckich kierunków technicznych, ekonomicznych i uniwersyteckich. Może być także źródłem inspiracji do działań poznawczych i badawczych.


Plik pdf ma postać skanów co uniemożliwia przeszukiwanie tekstu.


Liczba stron456
WydawcaWydawnictwo WNT
ISBN-13978-83-204-3271-8
Numer wydania1
Język publikacjipolski
Informacja o sprzedawcyePWN sp. z o.o.

Ciekawe propozycje

Spis treści

  Przedmowa XIII
  Część I. Modelowanie systemów    3
    1. Modelowanie systemowe jako sposób organizacji wiedzy Andrzej P. Wierzbicki    3
      1.1. Wstęp    4
      1.2. Rola modelowania matematycznego i obliczeń komputerowych w nauce XX wieku    4
      1.3. Dwa pojęcia podstawowe: chaos i złożoność    5
      1.4. Cywilizacja informacyjna i wiedzy: trendy podstawowe    8
      1.5. Zmiana sposobu postrzegania świata    10
      1.6. Różnorodne pojęcia wiedzy    11
      1.7. Wiedza a modelowanie    14
      1.8. Racjonalna teoria intuicji    15
        1.8.1. Konsekwencje ontologiczne i epistemologiczne racjonalnej teorii intuicji    19
        1.8.2. Strategiczne procesy intuicyjne a tworzenie wiedzy    21
      1.9. Konieczność stworzenia nowych podejść w epistemologii    24
      1.10. Wnioski    27
      Literatura    28
    2. Zmienne niepewne i ich zastosowania w systemach niepewnych Zdzisław Bubnicki    31
      2.1. Wstęp    32
      2.2. Logiki i zmienne niepewne    32
      2.3. Problem analizy    35
      2.4. Parametryczny problem decyzyjny    36
      2.5. Nieparametryczny problem decyzyjny    38
      2.6. Uogólnienie: zmienne miękkie    40
      2.7. Stabilność systemu dynamicznego z niepewnymi parametrami    42
      2.8. Problemy alokacji i zarządzanie projektami    45
      2.9. System z parametrami niepewnymi i losowymi    48
      2.10. Inne problemy i zastosowania    50
      2.11. Uwagi końcowe    52
      Literatura    52
    3. Metodologia zarządzania rozwojem oparta na wiedzy z uwzględnieniem ryzyka Roman Kulikowski    55
      3.1. Wstęp    56
      3.2. Użyteczność trwałego rozwoju jako miara opcji rozwojowych    59
      3.3. Użyteczność technologii tradycyjnych i innowacyjnych    65
      3.4. Wspomaganie zarządzania z uwzględnieniem ryzyka operacyjnego    70
      3.5. Wspomaganie rozwoju dźwignią finansową z uwzględnieniem ryzyka kredytowego    75
      3.6. Perspektywy rozwojowe metodologii i zastosowań UTR    76
      Literatura    77
    4. Estymatory jądrowe w zagadnieniach badań systemowych Piotr Kulczycki    79
      4.1. Wstęp    80
      4.2. Metodyka konstruowania estymatorów jądrowych    80
        4.2.1. Wybór postaci jądra    82
        4.2.2. Określenie wartości parametru wygładzania    83
        4.2.3. Dodatkowe procedury    83
        4.2.4. Modyfikacja parametru wygładzania    84
        4.2.5. Transformacja liniowa    84
        4.2.6. Ograniczenie nośnika    85
        4.2.7. Współrzędne binarne    86
        4.2.8. Liczność próby    87
        4.2.9. Uwagi i komentarze    87
      4.3. Przykładowe zastosowania do badań systemowych    88
        4.3.1. Elementy teorii decyzji: reguły bayesowska i minimaksowa    89
        4.3.2. Rozpoznanie elementów nietypowych    90
        4.3.3. Wyostrzanie informacji nieprecyzyjnej    93
        4.3.4. Identyfikacja parametryczna    96
        4.3.5. Określenie przestrzennego rozkładu popytu    100
      4.4. Podsumowanie    103
      Literatura    104
  Część II. Analiza i przetwarzanie informacji    109
    5. Statystyczne systemy uczące się Jacek Koronacki    109
      5.1. Uwagi wstępne    110
      5.2. Analiza regresji    111
        5.2.1. Globalne modele parametryczne - od modeli liniowych do uogólnionych modeli liniowych oraz nieliniowych    111
        5.2.2. Od lokalnego wygładzania do modelowania adaptacyjnego    116
      5.3. Klasyfikacja pod nadzorem    121
        5.3.1. Metody liniowe i ich uogólnienia    123
        5.3.2. Klasyfikacja bayesowska i oparta na metodzie NW, metoda najbliższych sąsiadów, drzewa klasyfikacyjne    126
      5.4. Wątki i dziedziny pominięte    130
      5.5. Zamiast konkluzji    132
      Literatura    133
    6. Metody rozmyto-neuronowe w zastosowaniu do analizy i przetwarzania danych Danuta Rutkowska    137
      6.1. Wprowadzenie    138
      6.2. Grupowanie danych i klasyfikacja    138
      6.3. Rozmyto-neuronowe metody grupowania i klasyfikacji    139
      6.4. Ekstrakcja wiedzy z danych    140
      6.5. Sieci neuronowe do klasyfikacji i grupowania danych    142
      6.6. Systemy rozmyto-neuronowe i neuronowo-rozmyte    146
      6.7. Szczególne przypadki sieci rozmyto-neuronowej    151
      6.8. Uwagi końcowe    153
      Literatura    154
    7. Przetwarzanie informacji ziarnistej w procesie konstruowania systemów interaktywnych Witold Pedrycz    159
      7.1. Wstęp    160
      7.2. Pojęcie środowiska obliczeń ziarnistych    161
        7.2.1. Zbiory i analiza przedziałowa    161
        7.2.2. Zbiory rozmyte    162
        7.2.3. Zbiory przybliżone    164
        7.2.4. Zbiory cieniowane    165
      7.3. Formalizacja środowiska obliczeń z ziarnami informacji    168
        7.3.1. Ziarnistość informacji    168
        7.3.2. Rodzina referencyjnych ziaren informacji    169
        7.3.3. Definicja środowiska informacji ziarnistej    170
      7.4. Komunikacja między środowiskami obliczeń ziarnistych    170
      7.5. Konstruowanie ziaren informacji    172
        7.5.1. Podejście oparte na informacji uzyskanej od eksperta/użytkownika    172
        7.5.2. Podejście oparte na agregacji danych eksperymentalnych    174
      7.6. Modele ziarniste    176
      7.7. Uwagi końcowe    176
      Literatura    179
  Część III. Wspomaganie decyzji    181
    8. Zbiory przybliżone we wspomaganiu decyzji Zdzisław Pawlak, Roman Słowiński    181
      8.1. Wstęp    182
      8.2. Wnioskowanie z danych    184
      8.3. Zbiory przybliżone - pojęcia podstawowe    185
      8.4. Podejście zbiorów przybliżonych oparte na relacji dominacji    188
        8.4.1. Wnioskowanie indukcyjne a wiedza dziedzinowa    188
        8.4.2. Granule wiedzy w postaci stożków dominacji    191
        8.4.3. Podejście zbiorów przybliżonych oparte na dominacji (DRSA)    193
        8.4.4. Indukcja wzorców klasyfikacji w postaci reguł decyzyjnych    197
        8.4.5. Przykład zastosowania podejścia DRSA    200
      8.5. Zastosowania podejścia zbiorów przybliżonych opartego na dominacji    203
      8.6. Zakończenie    205
      Literatura    205
    9. Decyzje statystyczne w analizie systemowej  Olgierd Hryniewicz    209
      9.1. Podstawowe problemy podejmowania decyzji w badaniach systemowych    210
      9.2. Klasyczny model w teorii podejmowania decyzji    212
      9.3. Podejmowanie decyzji jako problem weryfikacji hipotez statystycznych    216
      9.4. Bayesowskie metody weryfikacji hipotez statystycznych    218
      9.5. Bayesowskie metody weryfikacji hipotez statystycznych dla danych nieprecyzyjnych    219
      9.6. Posybilistyczne podejście do bayesowskiej weryfikacji hipotez statystycznych    222
      9.7. Decyzje bayesowskie w przypadku nieprecyzyjnie sformułowanych hipotez statystycznych oraz nieprecyzyjnie określonej funkcji strat    226
      Literatura    228
    10. Rozmyte programowanie dynamiczne Janusz Kacprzyk    231
      10.1. Wstęp    232
      10.2. Zbiory rozmyte i rozmyte układy dynamiczne    233
        10.2.1. Podstawowe elementy teorii zbiorów rozmytych    232
        10.2.2. Deterministyczne, stochastyczne i rozmyte układy dynamiczne    238
          10.2.2.1. Deterministyczny układ sterowany    239
          10.2.2.2. Stochastyczny układ sterowany    239
          10.2.2.3. Rozmyty układ sterowany    239
      10.3. Wieloetapowe podejmowanie decyzji i sterowanie w warunkach rozmytości    240
        10.3.1. Podejmowanie decyzji w otoczeniu rozmytym – podejście Bellmana i Zadeha    240
        10.3.2. Wieloetapowe podejmowanie decyzji (sterowanie) w otoczeniu rozmytym    243
      10.4. Procesy sterowania z ustalonym z góry czasem zakończenia    246
        10.4.1. Sterowanie układem deterministycznym    246
        10.4.2. Sterowanie układem stochastycznym    249
          10.4.2.1. Sformułowanie Bellmana i Zadeha    249
          10.4.2.2. Sformułowanie Kacprzyka i Staniewskiego    251
        10.4.3. Sterowanie układem rozmytym    253
      10.5. Uwagi o procesach sterowania z niejawnie zadanym czasem zakończenia    256
      10.6. Procesy sterowania z rozmytym czasem zakończenia    257
        10.6.1. Sterowanie układem deterministycznym    259
        10.6.2. Sterowanie układem stochastycznym    260
        10.6.3. Uwagi o sterowaniu układem rozmytym    262
      10.7. Procesy sterowania z nieskończonym czasem zakończenia    263
        10.7.1. Sterowanie układem deterministycznym    264
        10.7.2. Sterowanie układem stochastycznym    266
        10.7.3. Uwagi o sterowaniu układem rozmytym    269
      10.8. Przykłady zastosowań rozmytego programowania dynamicznego    269
      Literatura    275
    11. Sieci bayesowskie w podejmowaniu decyzji Mieczysław Alojzy Kłopotek    283
      11.1. Wprowadzenie    284
        11.1.1. Procesy decyzyjne    284
        11.1.2. Niepewność przy podejmowaniu decyzji    284
      11.2. Pojęcie sieci bayesowskiej    285
        11.2.1. Łączny rozkład prawdopodobieństwa    285
        11.2.2. Reprezentacja bezpośrednich przyczyn    287
        11.2.3. Reprezentacja warunkowych niezależności    287
        11.2.4. Rodzaje struktur grafowych sieci bayesowskich    288
        11.2.5. Rodzaje zmiennych w sieciach bayesowskich    291
      11.3. Metody podejmowania decyzji w sieci bayesowskie    292
        11.3.1. Drzewo Markowa a wnioskowanie    294
        11.3.2. Zamiana sieci bayesowskiej w drzewo Markowa    295
        11.3.3. Szczególne przypadki zamiany sieci bayesowskiej w drzewo Markowa    299
      11.4. Pozyskiwanie sieci bayesowskich    301
        11.4.1. Uczenie sieci bayesowskiej o znanej strukturze przy niepełnych danych    302
        11.4.2. Uczenie nieznanej struktury sieci    304
      11.5. Zastosowania sieci bayesowskich w podejmowaniu decyzji    306
      11.6. Zakończenie    310
      Literatura    311
    12. Podejście regresji porządkowej do wielokryterialnego porządkowania wariantów decyzyjnych Roman Słowiński    315
      12.1. Wstęp    316
      12.2. Dezagregacja informacji preferencyjnej metodą regresji porządkowej - metoda UTA    319
      12.3. Motywacja propozycji stworzenia nowego podejścia    325
      12.4. Nowa metoda wielokryterialnego porządkowania wariantów decyzyjnych oparta na regresji porządkowej    326
      12.5. Możliwe rozszerzenia proponowanej metody    333
      12.6. Uwagi końcowe    335
      Literatura    336
  Część IV. Zastosowania    341
    13. Systemowe podejście do wybranych zagadnień telemedycyny Ryszard Tadeusiewicz    341
      13.1. Wprowadzenie    342
      13.2. Ogólna charakterystyka telemedycyny    342
      13.3. Obszary zastosowań telemedycyny    343
      13.4. Postęp techniki i rozwój telemedycyny    345
      13.5. Zdalna terapia jako nowe wyzwanie telemedycyny    347
      13.6. Pozatechniczne i pozamedyczne aspekty rozwoju telemedycyny    349
      13.7. Rola inżynierii systemów w rozwoju telemedycyny    350
      13.8. Podsumowanie    353
      Literatura    355
    14. Elastyczna wycena usług sieciowych Krzysztof Malinowski    361
      14.1. Wprowadzenie    362
      14.2. Ceny i opłaty stałe    364
      14.3. Ceny i opłaty zmienne, taryfy wykorzystujące pojęcie pasma efektywnego    366
      14.4. Ceny i opłaty zmienne, kontrakty elastyczne w sieci Internet    368
      14.5. Sieć jako infrastruktura użyteczności publicznej    375
      Literatura    378
    15. Metody analityczne i sztucznej inteligencji w diagnostyce uszkodzeń Józef Korbicz    381
      15.1. Wprowadzenie    382
      15.2. Zadania i struktura układu diagnostyki    383
      15.3. Układ diagnostyki z modelami analitycznymi    385
        15.3.1. Generowanie residuów    386
          15.3.1.1. Relacje parzystości    388
          15.3.1.2. Obserwatory stanu    389
          15.3.1.3. Obserwator o nieznanych wejściach    391
          15.3.1.4. Identyfikacja parametryczna    393
      15.4. Obliczenia inteligentne w układach diagnostyki    394
        15.4.1. Algorytmy ewolucyjne    394
        15.4.2. Sztuczne sieci neuronowe    395
        15.4.3. Sieci neuronowe z zewnętrzną dynamiką    395
        15.4.4. Sieci neuronowe z wewnętrzną dynamiką    396
        15.4.5. Dynamiczne sieci neuronowe typu GMDH    399
        15.4.6. Logika rozmyta w diagnostyce    402
      15.5. Diagnostyka urządzenia wykonawczego automatyki    406
      15.6. Zakończenie    411
      Literatura    412
    16. Zastosowania algorytmów immunologicznych w eksploracyjnej analizie danych Sławomir T. Wierzchoń    417
      16.1. Wprowadzenie    418
      16.2. Układ odpornościowy    419
      16.3. Sztuczne systemy immunologiczne    423
        16.3.1. Wybór przestrzeni kształtów    424
        16.3.2. Siła wiązania paratop-epitop    424
        16.3.3. Wybór algorytmu immunologicznego    425
      16.4. Immunologiczne algorytmy uczenia maszynowego    428
        16.4.1. Nienadzorowane uczenie maszynowe    428
        16.4.2. Nadzorowane uczenie maszynowe    437
        16.4.3. Reprezentacja danych wysokowymiarowych    440
      16.5. Podsumowanie    442
      Literatura    442
  Skorowidz    447
RozwińZwiń
W celu zapewnienia wysokiej jakości świadczonych przez nas usług, nasz portal internetowy wykorzystuje informacje przechowywane w przeglądarce internetowej w formie tzw. „cookies”. Poruszając się po naszej stronie internetowej wyrażasz zgodę na wykorzystywanie przez nas „cookies”. Informacje o przechowywaniu „cookies”, warunkach ich przechowywania i uzyskiwania dostępu do nich znajdują się w Regulaminie.

Nie pokazuj więcej tego powiadomienia