Uogólnione, samoorganizujące się sieci neuronowe w problemach tzw. odkrywania wiedzy w bazach danych

• Autorzy: Gorzałczany M. B. , Rudziński F.

Warianty tytułu

EN

Generalized self-organizing neural networks in knowledge discovery problems

• Języki publikacji: PL

Abstrakty

PL

Niniejszy artykuł prezentuje oryginalne uogólnienie samoorganizujących się sieci neuronowych oraz ich zastosowanie w problemach tzw. odkrywania wiedzy (ang. knowledge discovery) w bazach danych. Systemy zdolne do syntetyzowania wiedzy z olbrzymiej i lawinowo narastającej ilości danych numerycznych zawartych w bazach danych odgrywają coraz ważniejszą rolę w zagadnieniach przetwarzania informacji i szeroko rozumianej informatyce. Proponowane uogólnienie samoorganizujących się sieci neuronowych pozwala na efektywne i automatyczne wykrywanie określonych wzorców w danych w ramach tzw. nienadzorowanego grupowania danych. Praktyczna użyteczność proponowanego rozwiązania została przetestowana z wykorzystaniem rzeczywistych, złożonych, wielowymiarowych danych zawartych w bazie 'House-votes-84' zawierającej wyniki głosowań członków Kongresu USA i dostępnej na serwerze FTP Uniwersytetu Kalifornijskiego w Irvine (ftp.ics.uci.edu).

EN

This paper presents an original generalization of self-organizing neural networks and their application to knowledge discovery problems. Systems able to synthesize the knowledge from huge and rapidly growing amounts of numerical data in databases play more and more important role in information-processing problems and computer science in general. The proposed generalization of the self-organizing neural networks enables us to effectively and automatically discover some patterns in data in the framework of unsupervised data clustering. Practical usefulness of the proposed solution has been tested with the use of real, complex and multidimensional data coming from 'House-votes-84' database containing voting records of USA Congress members. The database is accessible at FTP server of the University of California at Irvine (ftp.ics.uci.edu).

Słowa kluczowe

PL

sztuczna inteligencja; samoorganizujące się sieci neuronowe; odkrywanie wiedzy w bazach danych

EN

artificial intelligence; self-organizing neural networks; knowledge discovery

• Wydawca: Wydawnictwo Politechniki Świętokrzyskiej
• Czasopismo: Zeszyty Naukowe Politechniki Świętokrzyskiej. Elektryka
• Rocznik: 2005
• Tom: Z. 42
• Strony: 181--195
• Opis fizyczny: Bibliogr. 7 poz., rys.

Twórcy

autor

Gorzałczany M. B.

• Politechnika Świętokrzyska, Wydział Elektrotechniki, Automatyki i Informatyki, Aleja Tysiąclecia Państwa Polskiego 7, PL - 25 314 Kielce

autor

Rudziński F.

• Politechnika Świętokrzyska, Wydział Elektrotechniki, Automatyki i Informatyki, Aleja Tysiąclecia Państwa Polskiego 7, PL - 25 314 Kielce

Bibliografia

• 1. Cios K., Pedrycz W., Swinarski R., Data Mining Methods for Knowledge Discovery. Kluwer Academic Publishers, Boston, Dordrecht, London 2000.
• 2. Gorzałczany M.B., Computational Intelligence Systems and Applications; Neuro-Fuzzy and Fuzzy Neural Synergisms. Physica-Verlag, Springer-Verlag Co., Heidelberg, New York 2002.
• 3. Gorzałczany M.B., Rudziński F., Application of genetic algorithms and Kohonen networks to cluster analysis. w: L. Rutkowski, J. Siekmann, R. Tadeusiewicz, L.A. Zadeh (red) 'Artificial Intelligence and Soft Computing - ICAISC 2004 (Lecture Notes in Artificial Intelligence)'. Springer-Verlag, Berlin, Heidelberg, New York 2004, s. 556-561.
• 4. Gorzałczany M.B., Rudziński F., Modified Kohonen networks for complex cluster-analysis problems. w: L. Rutkowski, J. Siekmann, R. Tadeusiewicz, L.A. Zadeh (red.),' Artificial Intelligence and Soft Computing - ICAISC 2004 (Lecture Notes in Artificial Intelligence)', Springer-Verlag, Berlin, Heidelberg, New York 2004, s. 562-567.
• 5. Gorzałczany M.B., Rudziński F., Algorytmy genetyczne oraz sieci Kohonena w zagadnieniach wyznaczania skupisk (klastrów) w złożonych zbiorach danych. Zeszyty Naukowe Politechniki Świętokrzyskiej, Elektryka 41, Kielce 2004, s. 55-69.
• 6. Martinez M., Berkovitz S., Schulten K., 'Neural-gas' network for vector quantization and its application to time series prediction. IEEE Trans. on Neural Networks 4, 1993, s. 558-569.
• 7. Tadeusiewicz R., Elementarne wprowadzenie do techniki sieci neuronowych z przykładowymi programami. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.