Rola metawiedzy dziedzinowej w sterowaniu procesem diagnostycznym opartym na wnioskowaniu naive bayes

• Autorzy: Valenta M. , Ząbek A. , Mazgaj A.

Warianty tytułu

EN

The role of domain depended meta-knowledgle in controlling the diagnostic process based on naive bayes inference

• Języki publikacji: PL

Abstrakty

PL

Artykuł, na przykładzie systemu diagnostycznego, opartego na probabilistycznej bazie wiedzy i wnioskowaniu typu naive bayes, analizuje problem niedopasowania toku rozumowania systemu do ciągu myślowego eksperta i proponuje rozwiązanie oparte na rozszerzeniu podstawowej bazy wiedzy o specjalizowaną metawiedzę zależną dziedzinowo. Ocena rozwiązania problemu prezentowana jest na podstawie stworzonego systemu z bazą wiedzy, dedykowaną rozpoznawaniu typów nadciśnienia tętniczego.

EN

The article uses an example of a diagnostic system based on a probabilistic knowledge base and Naive Bayes Classifier inference, analyzing mismatch characteristic of the system’s reasoning and an expert’s reasoning to show the solution extending basic knowledge base with specialized, domain-dependent meta-knowledge. The evaluation of the solution is represented by the expert system dedicated to recognition of hypertension.

Słowa kluczowe

PL

system ekspertowy; baza wiedzy; metawiedza; nadciśnienie tętnicze; diagnostyka

EN

expert system; knowledge base; meta-knowledge; hypertension; diagnostic

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2011
• Tom: Vol. 32, nr 2A
• Strony: 443--458
• Opis fizyczny: Bibliogr. 11 poz.

Twórcy

autor

Valenta M.

autor

Ząbek A.

autor

Mazgaj A.

• Akademia Górniczo-Hutnicza, Katedra Informatyki, al. Mickiewicza 30, 30-059 Kraków,

Bibliografia

• 1. Cichosz T.Ś Systemy uczące się. WNT, Warszawa 2000.
• 2. Gelman A., Carin J. B., Stern H. S., Rubin D. B.: Bayesian Data Analysis. Chapman &HALL/CRC, 2004.
• 3. GeNIe: http://genie.sis.pitt.edu/wiki/Support_for_Diagnosis:_Cost_of_Observation .
• 4. Januszewicz A., Januszewicz W., Szczepańska-Sadowska E., Sznajderman M. (red.): Nadciśnienie tętnicze. Medycyna Praktyczna, Kraków 2007.
• 5. Kokot F. (red.)Ś Diagnostyka różnicowa objawów chorobowych. PZWL, Warszawa 2007.
• 6. Mazgaj A., Ząbek A.Ś Realizacja systemów ekspertowych z probabilistycznymi bazami wiedzy – analiza porównawcza wybranych własności. Praca dyplomowa, Katedra Informatyki AGH w Krakowie, promotor Valenta M., Kraków 2010.
• 7. Michalski R. S., Kaufman K. A., Pietrzykowski J., ŚnieGy1ski B., Wojtusiak J.Ś Learning Symbolic User Models for Intrusion Detection: A Method and Initial Results. [in:] Klopotek M.A. et al. (eds.): Intelligent Information Processing and Web Mining, Proceedings, Advances in Soft Computing. Springer, 2006.
• 8. Szczeklik A. (red.)Ś Choroby wewnętrzne. Stan wiedzy na rok 2010, Wydawnictwo Medycyna Praktyczna, Kraków 2010.
• 9. Tadeusiewicz R., Wajs W. (red.)Ś Informatyka Medyczna. Wydawnictwo AGH, Kraków 1999.
• 10. Valenta M., Zygmunt A.: Probabilistyczna wiedza medyczna i jej wykorzystanie w systemach ekspertowych, [w:] Bubnicki Z., Grzech A. (red.): Inżynieria wiedzy i systemy ekspertowe, V Krajowa Konferencja Naukowa, Wrocław 2003.
• 11. Valenta M., Zygmunt A.: Process of building the probabilistic knowledge model, (in:) Grabara J. K. (ed.): Selected problems of IT application. WNT, Warszawa 2004.