Tytuł: | Systemy wspomagania decyzji Jak korzystać z wiedzy i informacji | | Autor: | Anna M. Kwiatkowska | | ISBN: | 83-01-15085-3 | | Ilość stron: | 136 | | Data wydania: | 2007 | | Format: | 16.7x23.7cm | | Wydawnictwo: | PWN | |
| Cena: | 24.00zł | |
Systemy wspomagania decyzji to programy bądź pakiety programów, które łączą w sobie możliwości gromadzenia i przetwarzania dużej ilości danych, wykorzystywania różnorodnych modeli i inteligentnego posługiwania się zgromadzonymi danymi oraz wiedzą.
Pozwalają analizować dane i wyciągać wnioski w sposób bliski sposobowi myślenia człowieka – przy wykorzystaniu danych niepewnych bądź rozmytych, analogii i metod uczenia się, ponieważ nieodłączną częścią systemu wspomagania decyzji jest moduł oparty o elementy sztucznej inteligencji. Jako takie, systemy wspomagania decyzji znajdują coraz szersze zastosowanie w wielu dziedzinach życia.
Książka umożliwia zarówno poznanie ciekawych metod stosowanych w tych systemach jak i wprowadza świadomość istnienia takich systemów, narzędzi do ich tworzenia oraz sposobów ich wykorzystania, co może być pomocne w rozwiązywaniu wielu problemów, dla których dziś nie ma rozwiązań algorytmicznych.
Książka jest zaadresowana do osób, które mogą stać się ekspertami w pewnych dziedzinach i zetknąć się z koniecznością przekazania swojej wiedzy tak, aby mogła ona być wykorzystana w tych systemach, a także do osób, które będą tworzyły koncepcje systemów wspomagania decyzji. Kierowana jest zarówno do ekspertów, którzy dzielą się wiedzą jak i do projektantów systemów.
Rozdziały:
1. Psychologia podejmowania decyzji 7 1.1. Umysł i intuicja w podejmowaniu decyzji 7 1.2. Problemy 8 1.3. Problemy inżynierii środowiska 9 1.4. Poziomy podejmowania decyzji 10 1.5. Proces podejmowania decyzji 10 1.6. Podejmowanie decyzji w środowisku wielokryterialnym 11
2. Definicja Systemów Wspomagania Decyzji 15 2.1. Czym jest System Wspomagania Decyzji? 15 2.2. Zadania Systemów Wspomagania Decyzji 16 2.3. Architektura Systemów Wspomagania Decyzji 17 2.3.1. Schemat funkcjonalny 17 2.3.2. Schemat narzędziowy 18 2.4. Systemy Business Intelligence 18 2.4.1. Przykłady wykorzystania systemów klasy Business Intelligence 21
3. Systemy zarządzania bazami danych 23 3.1. Definicja baz danych 23 3.2. Modele architektur baz danych 24 3.2.1. Model relacyjny 24 3.2.2. Model hierarchiczny 28 3.2.3. Model sieciowy 29 3.2.4. Model semantyczny 29 3.3. Operacje na danych – systemy zarządzania bazami danych 30 3.4. SQL – język zapytań 31 3.5. Rozproszone bazy danych 31
4. Bazy modeli 33 4.1. Modele 33 4.2. Bazy modeli 35
5. Systemy ekspertowe 39 5.1. Definicja systemów ekspertowych 39 5.2. Historia, klasyfikacja i budowa systemów ekspertowych 41 5.3. Baza wiedzy i metody reprezentacji wiedzy w bazie wiedzy 42 5.3.1. Reprezentacja wiedzy 43 5.3.2. Sprawdzanie kompletności bazy reguł 47 5.4. Maszyna wnioskująca 49 5.4.1. Algorytm wnioskowania do przodu 51 4 Systemy Wspomagania Decyzji. Jak korzystać z wiedzy i informacji 5.4.2. Algorytm wnioskowania wstecz 52 5.4.3. Wnioskowanie mieszane 52 5.4.4. Porównanie algorytmów 53 5.4.5. Stany reguł i przesłanek w procesie wnioskowania 54 5.4.6. Heurystyki 56 5.5. Moduł objaśniający 58 5.6. Ocena jakości systemu ekspertowego 58 5.7. Pozyskiwanie wiedzy 60 5.7.1. Algorytm Quinlana 61 5.8. Przykład systemu ekspertowego w Systemie Wspomagania Decyzji WODA 66 5.9. Być ekspertem, czyli sztuka komunikacji 68 5.10. Być inżynierem wiedzy, czyli sztuka współpracy 70
6. Inne narzędzia sztucznej inteligencji wykorzystywane w SWD 73 6.1. Pojęcie sztucznej inteligencji 73 6.2. Logika rozmyta i zbiory rozmyte 74 6.2.1. Definicja zbiorów rozmytych 75 6.2.2. Podstawowe operacje na zbiorach rozmytych 76 Iloczyn zbiorów rozmytych 77 Suma zbiorów rozmytych 77 Dopełnienie 77 6.2.3. Zmienne lingwistyczne 79 6.2.4. Interpretacja i wyznaczanie funkcji przynależności 80 6.2.5. Systemy rozmyte 82 6.2.5.1. Operatory rozmyte 83 6.2.5.2. Relacje rozmyte 84 6.2.6. Rozmyte systemy ekspertowe jako przykład systemu rozmytego 86 6.2.6.1. Ekspertowy system rozmyty 88 6.2.7. Zastosowania 91 6.2.8. Rozmyte bazy danych 93 6.3. Algorytmy genetyczne 96 6.3.1. Klasyczny algorytm genetyczny 97 6.3.2. Zastosowania algorytmów genetycznych 101 6.3.2.1. Pozyskiwanie wiedzy z danych z wykorzystaniem algorytmów genetycznych 6.4. Sztuczne sieci neuronowe 104 6.4.1. Historia sztucznych sieci neuronowych 104 6.4.2. Modele neuronów i metody ich uczenia 105 6.4.2.1. Model McCullocha−Pittsa 105 6.4.2.2. Neuron typu sigmoidalnego 107 6.4.3. Topologia sieci 109 6.4.3.1. Sieci wielowarstwowe jednokierunkowe 110 6.4.4. Projektowanie sieci 114 6.4.5. Sieci samoorganizujące się 116 6.4.5.1. Sieci Hebba 116 6.4.5.2. Uczenie samoorganizujące się z konkurencją 117 6.4.6. Zastosowania sztucznych sieci neuronowych 117 6.4.6.1. Przewidywanie prędkości wiatru 118 6.4.6.2. Sieć neuronowa wspomagająca ocenę wiarygodności kredytowej (skoring)
7. Dodatek 7.1. Program Neural Planner 121 7.1.1. Przeznaczenie programu 121 7.1.2. Tworzenie sieci 121 7.1.3. Tworzenie pliku uczącego 122 7.1.4. Nauczanie sieci 123 7.1.5. Ustawianie innych opcji 123 7.2. Język SQL 123
|