Induction of decision trees for building knowledge bases of production processes

• Autorzy: Matuszny Marcin

Identyfikatory

DOI

10.15199/180.2021.1.4

Warianty tytułu

PL

Indukcja drzew decyzyjnych dla budowy baz wiedzy procesów produkcyjnych

• Języki publikacji: EN

Abstrakty

EN

The article presents the process of acquiring the knowledge based on the induction of decision trees, graphically illustrating the differences between acquiring the knowledge in a traditional way, from the expert, and the process of acquiring the knowledge supported by the machine learning methods. The methods of acquiring the knowledge are discussed and specified. The practical part represents the use of De Treex 4.0 software dedicated to the induction of decision trees, which is a part of the Sphinx 4.0 artificial intelligence package.

PL

W artykule przedstawiono proces pozyskiwania wiedzy w oparciu o indukcję drzew decyzyjnych, w sposób graficzny zilustrowano różnice pomiędzy pozyskiwaniem wiedzy w sposób tradycyjny, od eksperta, a także procesem pozyskiwania wiedzy wspomaganym metodami uczenia maszynowego. Omówiono i wyszczególniono metody pozyskiwania wiedzy. W części praktycznej przedstawiono wykorzystanie oprogramowania DeTreex 4.0 dedykowanego do indukcji drzew decyzyjnych wchodzącego w skład pakietu sztucznej inteligencji Sphinx 4.0.

Słowa kluczowe

EN

decision tree; production processes; knowledge bases; knowledge acquisition; production engineering

PL

drzewo decyzyjne; procesy produkcyjne; baza wiedzy; pozyskiwanie wiedzy; inżynieria produkcji

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Polish Technical Review
• Rocznik: 2021
• Tom: No. 1
• Strony: 21--25
• Opis fizyczny: Bibliogr. 11 poz., rys.

Twórcy

autor

Matuszny Marcin

• University of Bielsko-Biała, Faculty of Mechanical Engineering and Computer Science, speciality: Mechanical Engineering

• https://orcid.org/0000-0002-4124-7355

Bibliografia

• [1] Knosala R. i zespół: Zastosowania metod sztucznej inteligencji w inżynierii produkcji. Wydawnictwo Naukowo-Techniczne, Warszawa 2002.
• [2] Cholewa W., Pedrycz W.: Systemy doradcze, skrypt uczelniany Politechniki Śląskiej nr 1447, Gliwice 1987.
• [3] Michie D.: Current Developments in Experts Systems. Applications of Expert Systems, Turing Institute Press in association with Addison-Wesley Publishing Company, 1987.
• [4] Michalski R. S.: A Theory and Methodology of Inductive Learning, Artificial Intelligence 20, pp. 111-161, 1983.
• [5] Quinlan J. R.: C4.5 Program for Machine Learning, Morgan Kaufmann, San Mateo, CA, 1993.
• [6] Ohm A., Komorowski J., Skowron A., Synak P.: The Design and Implementation of a Knowledge Discovery Toolkit Based on Rough Sets - The Rosseta System. Rough Sets in Knowledge Discovery, Physica Verlag, 1998.
• [7] Jagielski J.: Inżynieria wiedzy. Oficyna Wydawnicza Uniwersytetu Zielonogórskiego, Zielona Góra 2005.
• [8] Kwiatkowska A. M.: Systemy wspomagania decyzji. Jak korzystać z wiedzy i informacji w praktyce. Wydawnictwo Naukowe PWN SA, Warszawa 2007.
• [9] Szeliga M.: Data science I uczenie maszynowe. Wydawnictwo Naukowe PWN SA, Warszawa 2017.
• [10] Popova O., Popov B., Karandey V., Gerashchenko A.: Entropy and Algorithm of Obtaining Decision Trees in a Way Approximated to the Natural Intelligence. International Journal of Cognitive Informatics and Natural Intelligence (IJCINI) 13(3), 2019.
• [11] Pedrycz W., Sosnowski Z. A.: Drzewa decyzyjne z rozmytą granulacją wiedzy. Inżynieria Wiedzy i Systemy Ekspertowe. Oficyna Wydawnicza Politechniki Wrocławskiej, Wrocław 2000.