Techniki informacyjne w badaniach systemowych

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.

Spis treści

Część I. Modelowanie systemów

1. Modelowanie systemowe jako sposób organizacji wiedzy

Andrzej P. Wierzbicki

1.1. Wstęp
1.2. Rola modelowania matematycznego i obliczeń komputerowych w nauce XX wieku
1.3. Dwa pojęcia podstawowe: chaos i złożoność
1.4. Cywilizacja informacyjna i wiedzy: trendy podstawowe
1.5. Zmiana sposobu postrzegania świata
1.6. Różnorodne pojęcia wiedzy
1.7. Wiedza a modelowanie
1.8. Racjonalna teoria intuicji
1.8.1. Konsekwencje ontologiczne i epistemologiczne racjonalnej teorii intuicji
1.8.2. Strategiczne procesy intuicyjne a tworzenie wiedzy
1.9. Konieczność stworzenia nowych podejść w epistemologii
1.10. Wnioski
Literatura

2. Zmienne niepewne i ich zastosowania w systemach niepewnych

Zdzisław Bubnicki

2.1. Wstęp
2.2. Logiki i zmienne niepewne
2.3. Problem analizy
2.4. Parametryczny problem decyzyjny
2.5. Nieparametryczny problem decyzyjny
2.6. Uogólnienie: zmienne miękkie
2.7. Stabilność systemu dynamicznego z niepewnymi parametrami
2.8. Problemy alokacji i zarządzanie projektami
2.9. System z parametrami niepewnymi i losowymi
2.10. Inne problemy i zastosowania
2.11. Uwagi końcowe
Literatura

3. Metodologia zarządzania rozwojem oparta na wiedzy z uwzględnieniem ryzyka

Roman Kulikowski

3.1. Wstęp
3.2. Użyteczność trwałego rozwoju jako miara opcji rozwojowych
3.3. Użyteczność technologii tradycyjnych i innowacyjnych
3.4. Wspomaganie zarządzania z uwzględnieniem ryzyka operacyjnego
3.5. Wspomaganie rozwoju dźwignią finansową z uwzględnieniem ryzyka kredytowego
3.6. Perspektywy rozwojowe metodologii i zastosowań UTR
Literatura

4. Estymatory jądrowe w zagadnieniach badań systemowych

Piotr Kulczycki

4.1. Wstęp
4.2. Metodyka konstruowania estymatorów jądrowych
4.2.1. Wybór postaci jądra
4.2.2. Określenie wartości parametru wygładzania
4.2.3. Dodatkowe procedury
4.2.4. Modyfikacja parametru wygładzania
4.2.5. Transformacja liniowa
4.2.6. Ograniczenie nośnika
4.2.7. Współrzędne binarne
4.2.8. Liczność próby
4.2.9. Uwagi i komentarze
4.3. Przykładowe zastosowania do badań systemowych
4.3.1. Elementy teorii decyzji: reguły bayesowska i minimaksowa
4.3.2. Rozpoznanie elementów nietypowych
4.3.3. Wyostrzanie informacji nieprecyzyjnej
4.3.4. Identyfikacja parametryczna
4.3.5. Określenie przestrzennego rozkładu popytu
4.4. Podsumowanie
Literatura

Część II. Analiza i przetwarzanie informacji

5. Statystyczne systemy uczące się

Jacek Koronacki

5.1. Uwagi wstępne
5.2. Analiza regresji
5.2.1. Globalne modele parametryczne - od modeli liniowych do uogólnionych modeli
liniowych oraz nieliniowych
5.2.2. Od lokalnego wygładzania do modelowania adaptacyjnego
5.3. Klasyfikacja pod nadzorem
5.3.1. Metody liniowe i ich uogólnienia
5.3.2. Klasyfikacja bayesowska i oparta na metodzie NW, metoda najbliższych sąsiadów,
drzewa klasyfikacyjne
5.4. Wątki i dziedziny pominięte
5.5. Zamiast konkluzji
Literatura

6. Metody rozmyto-neuronowe w zastosowaniu do analizy i przetwarzania

danych

Danuta Rutkowska

6.1. Wprowadzenie
6.2. Grupowanie danych i klasyfikacja
6.3. Rozmyto-neuronowe metody grupowania i klasyfikacji
6.4. Ekstrakcja wiedzy z danych
6.5. Sieci neuronowe do klasyfikacji i grupowania danych
6.6. Systemy rozmyto-neuronowe i neuronowo-rozmyte
6.7. Szczególne przypadki sieci rozmyto-neuronowej
6.8. Uwagi końcowe
Literatura

7. Przetwarzanie informacji ziarnistej w procesie konstruowania systemów

interaktywnych

Witold Pedrycz

7.1. Wstęp
7.2. Pojęcie środowiska obliczeń ziarnistych
7.2.1. Zbiory i analiza przedziałowa
7.2.2. Zbiory rozmyte
7.2.3. Zbiory przybliżone
7.2.4. Zbiory cieniowane
7.3. Formalizacja środowiska obliczeń z ziarnami informacji
7.3.1. Ziarnistość informacji
7.3.2. Rodzina referencyjnych ziaren informacji
7.3.3. Definicja środowiska informacji ziarnistej
7.4. Komunikacja między środowiskami obliczeń ziarnistych
7.5. Konstruowanie ziaren informacji
7.5.1. Podejście oparte na informacji uzyskanej od eksperta/użytkownika
7.5.2. Podejście oparte na agregacji danych eksperymentalnych
7.6. Modele ziarniste
7.7. Uwagi końcowe
Literatura

Część III. Wspomaganie decyzji

8. Zbiory przybliżone we wspomaganiu decyzji

Zdzisław Pawlak, Roman Słowiński

8.1. Wstęp
8.2. Wnioskowanie z danych
8.3. Zbiory przybliżone - pojęcia podstawowe
8.4. Podejście zbiorów przybliżonych oparte na relacji dominacji
8.4.1. Wnioskowanie indukcyjne a wiedza dziedzinowa
8.4.2. Granule wiedzy w postaci stożków dominacji
8.4.3. Podejście zbiorów przybliżonych oparte na dominacji (DRSA)
8.4.4. Indukcja wzorców klasyfikacji w postaci reguł decyzyjnych
8.4.5. Przykład zastosowania podejścia DRSA
8.5. Zastosowania podejścia zbiorów przybliżonych opartego na dominacji
8.6. Zakończenie
Literatura

9. Decyzje statystyczne w analizie systemowej

Olgierd Hryniewicz

9.1. Podstawowe problemy podejmowania decyzji w badaniach systemowych
9.2. Klasyczny model w teorii podejmowania decyzji
9.3. Podejmowanie decyzji jako problem weryfikacji hipotez statystycznych
9.4. Bayesowskie metody weryfikacji hipotez statystycznych
9.5. Bayesowskie metody weryfikacji hipotez statystycznych dla danych nieprecyzyjnych
9.6. Posybilistyczne podejście do bayesowskiej weryfikacji hipotez statystycznych
9.7. Decyzje bayesowskie w przypadku nieprecyzyjnie sformułowanych hipotez
statystycznych oraz nieprecyzyjnie określonej funkcji strat
Literatura

10. Rozmyte programowanie dynamiczne

Janusz Kacprzyk

10.1. Wstęp
10.2. Zbiory rozmyte i rozmyte układy dynamiczne
10.2.1. Podstawowe elementy teorii zbiorów rozmytych
10.2.2. Deterministyczne, stochastyczne i rozmyte układy dynamiczne
10.2.2.1. Deterministyczny układ sterowany
10.2.2.2. Stochastyczny układ sterowany
10.2.2.3. Rozmyty układ sterowany
10.3. Wieloetapowe podejmowanie decyzji i sterowanie w warunkach rozmytości
10.3.1. Podejmowanie decyzji w otoczeniu rozmytym – podejście Bellmana i Zadeha
10.3.2. Wieloetapowe podejmowanie decyzji (sterowanie) w otoczeniu rozmytym
10.4. Procesy sterowania z ustalonym z góry czasem zakończenia
10.4.1. Sterowanie układem deterministycznym
10.4.2. Sterowanie układem stochastycznym
10.4.2.1. Sformułowanie Bellmana i Zadeha
10.4.2.2. Sformułowanie Kacprzyka i Staniewskiego
10.4.3. Sterowanie układem rozmytym
10.5. Uwagi o procesach sterowania z niejawnie zadanym czasem zakończenia
10.6. Procesy sterowania z rozmytym czasem zakończenia
10.6.1. Sterowanie układem deterministycznym
10.6.2. Sterowanie układem stochastycznym
10.6.3. Uwagi o sterowaniu układem rozmytym
10.7. Procesy sterowania z nieskończonym czasem zakończenia
10.7.1. Sterowanie układem deterministycznym
10.7.2. Sterowanie układem stochastycznym
10.7.3. Uwagi o sterowaniu układem rozmytym
10.8. Przykłady zastosowań rozmytego programowania dynamicznego
Literatura

11. Sieci bayesowskie w podejmowaniu decyzji

Mieczysław Alojzy Kłopotek

11.1. Wprowadzenie
11.1.1. Procesy decyzyjne
11.1.2. Niepewność przy podejmowaniu decyzji
11.2. Pojęcie sieci bayesowskiej
11.2.1. Łączny rozkład prawdopodobieństwa
11.2.2. Reprezentacja bezpośrednich przyczyn
11.2.3. Reprezentacja warunkowych niezależności
11.2.4. Rodzaje struktur grafowych sieci bayesowskich
11.2.5. Rodzaje zmiennych w sieciach bayesowskich
11.3. Metody podejmowania decyzji w sieci bayesowskiej
11.3.1. Drzewo Markowa a wnioskowanie
11.3.2. Zamiana sieci bayesowskiej w drzewo Markowa
11.3.3. Szczególne przypadki zamiany sieci bayesowskiej w drzewo Markowa
11.4. Pozyskiwanie sieci bayesowskich
11.4.1. Uczenie sieci bayesowskiej o znanej strukturze przy niepełnych danych
11.4.2. Uczenie nieznanej struktury sieci
11.5. Zastosowania sieci bayesowskich w podejmowaniu decyzji
11.6. Zakończenie
Literatura

12. Podejście regresji porządkowej do wielokryterialnego porządkowania

wariantów decyzyjnych

Roman Słowiński

12.1. Wstęp
12.2. Dezagregacja informacji preferencyjnej metodą regresji porządkowej - metoda UTA
12.3. Motywacja propozycji stworzenia nowego podejścia
12.4. Nowa metoda wielokryterialnego porządkowania wariantów decyzyjnych oparta
na regresji porządkowej
12.5. Możliwe rozszerzenia proponowanej metody
12.6. Uwagi końcowe
Literatura

Część IV. Zastosowania

13. Systemowe podejście do wybranych zagadnień telemedycyny

Ryszard Tadeusiewicz

13.1. Wprowadzenie
13.2. Ogólna charakterystyka telemedycyny
13.3. Obszary zastosowań telemedycyny
13.4. Postęp techniki i rozwój telemedycyny
13.5. Zdalna terapia jako nowe wyzwanie telemedycyny
13.6. Pozatechniczne i pozamedyczne aspekty rozwoju telemedycyny
13.7. Rola inżynierii systemów w rozwoju telemedycyny
13.8. Podsumowanie
Literatura

14. Elastyczna wycena usług sieciowych

Krzysztof Malinowski

14.1. Wprowadzenie
14.2. Ceny i opłaty stałe
14.3. Ceny i opłaty zmienne, taryfy wykorzystujące pojęcie pasma efektywnego
14.4. Ceny i opłaty zmienne, kontrakty elastyczne w sieci Internet
14.5. Sieć jako infrastruktura użyteczności publicznej
Literatura

15. Metody analityczne i sztucznej inteligencji w diagnostyce uszkodzeń

Józef Korbicz

15.1. Wprowadzenie
15.2. Zadania i struktura układu diagnostyki
15.3. Układ diagnostyki z modelami analitycznymi
15.3.1. Generowanie residuów
15.3.1.1. Relacje parzystości
15.3.1.2. Obserwatory stanu
15.3.1.3. Obserwator o nieznanych wejściach
15.3.1.4. Identyfikacja parametryczna
15.4. Obliczenia inteligentne w układach diagnostyki
15.4.1. Algorytmy ewolucyjne
15.4.2. Sztuczne sieci neuronowe
15.4.3. Sieci neuronowe z zewnętrzną dynamiką
15.4.4. Sieci neuronowe z wewnętrzną dynamiką
15.4.5. Dynamiczne sieci neuronowe typu GMDH
15.4.6. Logika rozmyta w diagnostyce
15.5. Diagnostyka urządzenia wykonawczego automatyki
15.6. Zakończenie
Literatura

16. Zastosowania algorytmów immunologicznych w eksploracyjnej analizie

danych

Sławomir T. Wierzchoń

16.1. Wprowadzenie
16.2. Układ odpornościowy
16.3. Sztuczne systemy immunologiczne
16.3.1. Wybór przestrzeni kształtów
16.3.2. Siła wiązania paratop-epitop
16.3.3. Wybór algorytmu immunologicznego
16.4. Immunologiczne algorytmy uczenia maszynowego
16.4.1. Nienadzorowane uczenie maszynowe
16.4.2. Nadzorowane uczenie maszynowe
16.4.3. Reprezentacja danych wysokowymiarowych
16.5. Podsumowanie

Literatura

Skorowidz