"Systemy wspomagania decyzji"

Identyfikator Librowy: 329

Spis treści

1. Psychologia podejmowania decyzji 8

1.1. Umysł i intuicja w podejmowaniu decyzji 8

1.2. Problemy 9

1.3. Problemy inżynierii środowiska 10

1.4. Poziomy podejmowania decyzji 11

1.5. Proces podejmowania decyzji 11

1.6. Podejmowanie decyzji w środowisku wielokryterialnym 12

2. Definicja Systemów Wspomagania Decyzji 16

2.1. Czym jest System Wspomagania Decyzji? 16

2.2. Zadania Systemów Wspomagania Decyzji 17

2.3. Architektura Systemów Wspomagania Decyzji 18

2.3.1. Schemat funkcjonalny 18

2.4. Systemy Business Intelligence 19

2.3.2. Schemat narzędziowy 19

2.4.1. Przykłady wykorzystania systemów klasy Business Intelligence 22

3. Systemy zarządzania bazami danych 24

3.1. Definicja baz danych 24

3.2. Modele architektur baz danych 25

3.2.1. Model relacyjny 25

3.2.2. Model hierarchiczny 29

3.2.3. Model sieciowy 30

3.2.4. Model semantyczny 30

3.3. Operacje na danych - systemy zarządzania bazami danych 31

3.4. SQL - język zapytań 32

3.5. Rozproszone bazy danych 32

4. Bazy modeli 34

4.1. Modele 34

4.2. Bazy modeli 36

5. Systemy ekspertowe 40

5.1. Definicja systemów ekspertowych 40

5.2. Historia, klasyfikacja i budowa systemów ekspertowych 42

5.3. Baza wiedzy i metody reprezentacji wiedzy w bazie wiedzy 43

5.3.1. Reprezentacja wiedzy 44

5.3.2. Sprawdzanie kompletności bazy reguł 48

5.4. Maszyna wnioskująca 50

5.4.1. Algorytm wnioskowania do przodu 52

5.4.2. Algorytm wnioskowania wstecz 53

5.4.3. Wnioskowanie mieszane 53

5.4.4. Porównanie algorytmów 54

5.4.5. Stany reguł i przesłanek w procesie wnioskowania 55

5.4.6. Heurystyki 57

5.5. Moduł objaśniający 59

5.6. Ocena jakości systemu ekspertowego 59

5.7. Pozyskiwanie wiedzy 61

5.7.1. Algorytm Quinlana 62

5.8. Przykład systemu ekspertowego w Systemie Wspomagania Decyzji WODA 67

5.9. Być ekspertem, czyli sztuka komunikacji 69

5.10. Być inżynierem wiedzy, czyli sztuka współpracy 71

6. Inne narzędzia sztucznej inteligencji wykorzystywane w SWD 74

6.1. Pojęcie sztucznej inteligencji 74

6.2. Logika rozmyta i zbiory rozmyte 75

6.2.1. Definicja zbiorów rozmytych 76

6.2.2. Podstawowe operacje na zbiorach rozmytych 77

Dopełnienie 78

Iloczyn zbiorów rozmytych 78

Suma zbiorów rozmytych 78

6.2.3. Zmienne lingwistyczne 80

6.2.4. Interpretacja i wyznaczanie funkcji przynależności 81

6.2.5. Systemy rozmyte 83

6.2.5.1. Operatory rozmyte 84

6.2.5.2. Relacje rozmyte 85

6.2.6. Rozmyte systemy ekspertowe jako przykład systemu rozmytego 87

6.2.6.1. Ekspertowy system rozmyty 89

6.2.7. Zastosowania 92

6.2.8. Rozmyte bazy danych 94

6.3. Algorytmy genetyczne 97

6.3.1. Klasyczny algorytm genetyczny 98

6.3.2. Zastosowania algorytmów genetycznych 102

6.3.2.1. Pozyskiwanie wiedzy z danych z wykorzystaniem algorytmów genetycznych 102

6.4. Sztuczne sieci neuronowe 105

6.4.1. Historia sztucznych sieci neuronowych 105

6.4.2. Modele neuronów i metody ich uczenia 106

6.4.2.1. Model McCullocha-Pittsa 106

6.4.2.2. Neuron typu sigmoidalnego 108

6.4.3. Topologia sieci 110

6.4.3.1. Sieci wielowarstwowe jednokierunkowe 111

6.4.4. Projektowanie sieci 115

6.4.5. Sieci samoorganizujące się 117

6.4.5.1. Sieci Hebba 117

6.4.6. Zastosowania sztucznych sieci neuronowych 118

6.4.5.2. Uczenie samoorganizujące się z konkurencją 118

6.4.6.1. Przewidywanie prędkości wiatru 119

6.4.6.2. Sieć neuronowa wspomagająca ocenę wiarygodności kredytowej (skoring) 120

7. Dodatek 122

7.1. Program Neural Planner 122

7.1.1. Przeznaczenie programu 122

7.1.2. Tworzenie sieci 122

7.1.3. Tworzenie pliku uczącego 123

7.2. Język SQL 124

7.1.4. Nauczanie sieci 124

7.1.5. Ustawianie innych opcji 124

1. Instrukcja Select w języku SQL (MySQL) 125

2. Inne polecenia SQL 128

Literatura 130

Skorowidz 132