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
456 stron, B5, oprawa twarda
