PL
 |
EN
Preferencje help
Polish version English version Język
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 22

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
1
Content available The advantages and disadvantages of remote working from the perspective of young employees
Kłopotek M.
Organizacja i Zarządzanie : kwartalnik naukowy
|
2017
|
nr 4
39--49
EN
This paper explores how remote work is perceived by young employees. On the basis of literature review, pilot study was undertaken (sample Olson, 1983, DeSanctis, 1984, Bailey, and Kurland, 2002; Madsen, 2011; Grant, Wallace, and Spurgeon, 2013). The results of the pilot study undertaken in Poland confirmed literature findings. It turned out that the most important for young remote workers are: flexible working hours and saving time on commuting to work. The main disadvantages of remote work include: difficulty in separating home affairs from the professional ones, social isolation and greater organizational requirements. The results of pilot study proved that other benefits and drawbacks are irrelevant. An interesting phenomenon is that in the age of social networking and extensive communication tools the second disadvantage of remote working for young remote workers is the risk of social isolation.
2
Content available remote On Seeking Consensus Between Document Similarity Measures
Kłopotek M.
Fundamenta Informaticae
|
2017
|
Vol. 156, nr 1
43--68
EN
This paper investigates the application of consensus clustering and meta-clustering to the set of all possible partitions of a data set. We show that when using a ”complement” of Rand Index as a measure of cluster similarity, the total-separation partition, putting each element in a separate set, is chosen.
3
Content available remote Latency of Neighborhood Based Recommender Systems
Chojnacki S., Kłopotek M.
Fundamenta Informaticae
|
2015
|
Vol. 139, nr 3
229--248
EN
Latency of user-based and item-based recommenders is evaluated. The two algorithms can deliver high quality predictions in dynamically changing environments. However, their response time depends not only on the size, but also on the structure of underlying datasets. This constitutes a major drawback when compared to two other competitive approaches i.e. content-based and modelbased systems. Therefore, we believe that there exists a need for comprehensive evaluation of the latency of the two algorithms. During a typical worst case scenario analysis of collaborative filtering algorithms two assumption are made. The first assumption says that data are stored in dense collections. The second assumption states that large amount of computations can be performed in advance during the training phase. As a result it is advised to deploy user-based system when the number of users is relatively small. Item-based algorithms are believed to have better technical properties when the number of items is small. We consider a situation in which the two assumptions are not necessarily met. We show that even though the latency of the two methods depends heavily on the proportion of users to items, this factor does not differentiate the two methods. We evaluate the algorithms with several real-life datasets. We augment the analysis with both graph-theoretical and experimental techniques.
4
Ensemble of incremental multilabel classifiers for tag recommending in social networks
Chojnacki S., Kłopotek M.
Studia Informatica
|
2010
|
Vol. 31, nr 2A
9-19
EN
The purpose of this article is to present profits and costs of enriching state of the art real life tag recommender system with incremental learning mechanisms. We describe modifications to a system that successfully participated in Online Task of ECML/PKDD Discovery Challenge 2009. The system's architecture follows an idea to construct hierarchical ensemble of simple classifiers, which was implemented in various ways by the systems with highest performance in the Challenge. The system is currently integrated as a web service with BibSonomy bookmarking portal and outperforms other algorithms in terms of effective latency. We focus on incremental learning techniques that improve quality of the system's recommendations, but do not raise maintainability, efficiency or reliability issues.
PL
Celem artykułu jest prezentacja korzyści i zagrożeń związanych ze wzbogaceniem systemu rekomendującego otagowania o mechanizmy uczenia przyrostowego. Opisujemy modyfikacje do systemu, który z powodzeniem brał udział w konkursie ECML/PKDD Discovery Challenge. Architektura systemu oparta jest na idei wspólnej dla systemów, które osiągnęły najwyższe oceny podczas konkursu i składa się z hierarchicznego łączenia wyników prostych klasyfikatorów. Opisywany system jest obecnie zintegrowany z serwisem internetowym BibSonomy i osiąga najwyższe oceny ze względu na czas dostarczania rekomendacji dla użytkowników. W tym artykule skupiamy uwagę na zastosowaniu technik uczenia przyrostowego, które nie powodują znacznego obniżenia prędkości systemu lub obniżają jego niezawodność we wdrożeniu w środowisku badawczym.
5
Content available Self-Organizing Wireless Ad-Hock Sensor Networks
Ruciński D., Kłopotek M., Tchórzewski J.
Studia Informatica : systems and information technology
|
2005
|
Vol. 1(5)
69--80
EN
The main target of this article is to review the main items connected with Smart Dust and their resolving proposals by research workers. In chapter 1 contains hardware description, chapter 2 contains software description divided Into positioning problems, routing, description of TinyOS, tools used for building working environment and security, chapter 3 contains conclusions and proposals for future development.
6
Content available remote Sieci zaufania
Kłopotek M., Jurski P.
Studia Informatica : systems and information technology
|
2004
|
Vol. 2(4)
83--103
PL
Przedmiotem publikacji jest przegląd podstawowych koncepcji sieci zaufania. Omówiono między innymi kwestie zaufania do zasobów w sieci Internet. Problematykę sieci zaufania umiejscowiono w ogólnym kontekście sieci semantycznych (ang. Semantic Web) i związanych z nimi zagadnieniami standaryzacji budowy i eksploracji zasobów. Dodatkowo zaprezentowano przykład wykorzystania sieci zaufania oparty na projekcie Friend Of A Friend (FOAF), który pozwala na opis osób i relacji pomiędzy nimi.
EN
In this paper we will focus on the Trust Networks problem. We discuss issues of trusting Internet Network resources. Subject refers to the Semantic Web and standardization of building and exploration of computer resources. Additionally we present an example how to use the Trust Network in the real world problem like social network data and relationship, based on the project Friend of a Friend.
7
Content available remote Rekomendacja dokumentów w oparciu o zmodyfikowaną miarę Page Rank
Kłopotek M., Osipowicz J.
Studia Informatica : systems and information technology
|
2004
|
Vol. 1(3)
32--50
PL
W niniejszej pracy przedstawiono system wyszukiwarki internetowej z interfejsem w postaci mapowej graficznej reprezentacji grup dokumentów tekstowych. W przeglądaniu wyników zapytań do wyszukiwarki użytkownik jest wspomagany przez inteligentny system nawigacyjny. Przeprowadzono badania skuteczności nawigacji opartej na konwencjonalnym PageRank, QD-PageRank, PHITS, PLSA oraz kombinacji tych ostatnich.
8
Content available remote Metoda konstrukcji sieci semantycznej
Kłopotek M., Kiesner T.
Studia Informatica : systems and information technology
|
2004
|
Vol. 1(3)
7--29
PL
W niniejszej pracy zaproponowano nowy algorytm konstrukcji sieci semantycznej na podstawie zbiorów plików tekstowych oraz przeprowadzono badania skuteczności oraz wydajnościowe.
9
Content available remote Wyszukiwarka z nawigacją po statycznej mapie dokumentów
Kłopotek M., Fronczek M.
Studia Informatica : systems and information technology
|
2003
|
Vol. 2(2)
33--48
PL
W niniejszej pracy przedstawiono system wyszukiwarki internetowej z interfejsem w postaci mapowej graficznej reprezentacji grup dokumentów tekstowych. W przeglądaniu wyników zapytań do wyszukiwarki użytkownik jest wspomagany przez inteligentny system nawigacyjny.
10
Content available remote Inteligentna nawigacja dla dynamicznych map dokumentów
Kłopotek M., Kujawiak M.
Studia Informatica : systems and information technology
|
2003
|
Vol. 2(2)
13--31
PL
W niniejszej pracy przedstawiono autorski system nawigacji w zbiorze dokumentów oparty na mapowej reprezentacji wyniku kwerendy do metawyszukiwarki.
11
Content available remote Synthetic Web
Kłopotek M.
Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
|
2003
|
Nr 954
1-14
EN
We got used to the idea that Web is a collection of interlinked documents containing knowledge from almost all areas of human activity. Recent research points however that the very structure of WWW links may by its own be a rich source of diverse knowledge. Understanding of rules for Web structure and growth may have immense impact in diverse research areas, starting with theory of structure and dynamics of massive graphs, utilitarian search for effective search algorithms on WWW, to the psychological research on formation of social communities and detection of such communities on the Internet. Currently the mainstream research concentrates apparently on construction of simple models helping to explain various basic statistical phenomena observed on the Web. This paper briefly explains major models of the Web and recalls basic contradictions between properties of synthetic Web and the real Web. It also offers a way to resolve one such contradiction concerning the high correlation between PageRank and in-degrees in synthetic Web models, while such a correlation is not present in real Web.
PL
Przyzwyczailiśmy się do traktowania sieci WWW jako zbioru dokumentów zawierających wiedzę prawie ze wszystkich dziedzin naszego życia . Ostatnie badania zdają się wskazywać, że równie głębokim źródłem wiedzy może być sama struktura sieci WWW. Zrozumienie struktury i ewolucji sieci dokumentów na WWW może mieć kolosalne znaczenie dla wielu dziedzin-począwszy od badań naqd strukturą i dynamiką wielkich grafów poprzez utilitarne badania nad efektywnością programów przeczesujących sieć WWW aż po psychologiczne badania nad powstawaniem grup społecznych czy też wykrywaniem takich grup. W chwili obecnej główny nurt badań nad strukturą i rozwojem WWW skupia się na konstruowaniu prostych modeli pozwalających wyjaśnić podstawowe statystyczne własności sieci WWW. W niniejszym artykule przedstawiono ważniejsze koncepcje modelu sieci WWW i wskazano na sprzeczności między miarami rzeczywistej sieci WWW a jej syntetycznymi modelami. Zaproponowano sposób obejścia jednej z takich sprzeczności, jaką jest wysoka korelacja między PageRankiem a stopniem wejściowym stron WWW w sieciach syntetycznych, oraz brakiem takiej korelacji w rzeczywistej sieci WWW.
12
Content available remote On the Distance Hypothesis in Tree-like Bayesian Networks
Kłopotek M.
Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
|
2003
|
Nr 952
1-14
EN
Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. Though there exist many algorithms for learning Bayesian networks from data, they are not satisfactory because the learned networks usually are not suitable for reasoning. So far only for tree-like and poly-tree Bayesian networks and also for so-called Structured Bayesian networks a satisfactory reasoning algorithms applicable directly for Bayesian networks have been invented. This radically increases the need for efficient learning algorithms for these classes of Bayesian networks. In fact, algorithms learning tree-like Bayesian networks have been created allowing for learning in case of large numbers of variables. The fastest algorithm, however, relies on the assumption of special node similarity measure properties. This paper defines and explores a definition of such a similarity measure. It is also demonstrated that this measure facilitates development of algorithms for learning Structured Bayesian Networks from data.
PL
Sieci bayesowskie mają wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Choć znanych jest wiele algorytmów uczących sieci bayesowskie z danych, nie są one satysfakcjonujące, ponieważ wynikowe struktury sieci na ogół nie nadają się do celów wnioskowania eksperckiego, z wyjątkiem sieci drzewiastych, polidrzewiastych oraz strukturalnych. Szybkie metody uczenia dla sieci drzewiastych opierają się na postulacie specjalnej postaci funkcji podobieństaw między zmiennymi. Niniejszy artykół pokazuje, że w istocie istnieje postulowana miara podobieństwa. Demonstruje również implikacje wynikające dla uczenia sieci strukturalnych z danych.
13
Content available remote A new space-saving Bayesian tree construction method for high dimensional data
Kłopotek M.
Demonstratio Mathematica
|
2002
|
Vol. 35, nr 3
671-684
EN
Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. There exist efficient reasoning methods for Bayesian networks. Many algorithms for learning Bayesian networks from empirical data have been developed. A well-known problem with Bayesian networks is the practical limitation for the number of variables for which a Bayesian network can be learned in reasonable time. A remarkable exception here is the Chow/Liu algorithm learning tree-like Bayesian networks. However, also this algorithm has an important limitation, related to space consumption. The space required is quadratic in the number of variables. The paper presents a novel algorithm overcoming this limitation for the tree-like class of Bayesian networks. The new algorithm space consumption grows linearly with the number of variables while the execution time is comparable with the Chow/Liu algorithm. This opens new perspectives in construction of Bayesian networks from data containing thousands and more variables, e.g. in automatic text categorization.
14
Content available remote Structure and Reasoning in Bayesian Networks
Kłopotek M.
Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
|
2001
|
Nr 941
1-12
EN
Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. Though there exist many algorithms for learning Bayesian networks from data, they are not satisfactory because the learned networks usually are not suitable for reasoning. So far only a restricted class of very simple Bayesian networks: trees and poly-trees are directly applicable in reasoning. This paper defines and explores a new class of networks: the Structured Bayesian Networks. Two methods of reasoning are outlined for this type of networks. Possible methods of learning from data are indicated. Similarity to hierarchical networks is pointed at.
PL
Sieci bayesowskie maja wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Choć znanych jest wiele algorytmów uczących sieci bayesowskie z danych, nie są one satysfakcjonujące, ponieważ wynikowe struktury sieci na ogół nie nadają się do celów wnioskowania eksperckiego, z wyjątkiem bardzo prostych struktur drzew i polidrzew. Niniejszy artykuł definiuje i bada nową klasę sieci bayesowskich: tzw. strukturalne sieci bayesowskie. Przedstawiono dwie metody wnioskowania dla tych sieci. Wskazano na możliwość uczenia się tych sieci z danych. Sieci te można uważać za interesujący szczególny przypadek sieci hierarchicznych.
15
Content available remote A new space-saving bayesian tree construction : method for high dimensional spaces
Kłopotek M.
Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
|
2001
|
Nr 925
1-8
EN
Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. There exist efficient reasoning methods for Bayesian networks. Many algorithms for learning Bayesian networks from empirical data have been developed. A well-known problem with Bayesian networks is the practical limitation for the number of variables for which a Bayesian network can be learned in reasonable time. A remarkable exception here is the Chow/Liu algorithm learning tree-like Bayesian networks. However, also this algorithm has an important limitation, related to space consumption. The space required is quadratic in the number of variables. The paper presents a novel algorithm overcoming this limitation for the tree-like class of Bayesian networks. The new algorithm space consumption grows linearly with the number of variables while the execution time is comparable with the Chow/Liu algorithm. This opens new perspectives in construction of Bayesian networks from data containing thousands and more variables, e.g. in automatic text categorization.
PL
Sieci bayesowskie mają wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Istnieją efektywne metody wnioskowania w sieciach bayesowskich. Opracowano wiele algorytmów uczenia sieci z danych. Znanym problemem sieci bayesowskich są ograniczenia co do ilości zmiennych, dla których algorytmy uczące działają w rozsądnym czasie. Wyjątkiem jest tu algorytm Chow/Liu generujący drzewiaste sieci bayesowskie. Niestety poważnym ograniczeniem dla wielu nowych zastosowań jest tu wymagana pamięć, która rośnie z kwadratem liczby zmiennych. W pracy przedstawiony jest nowy algorytm uczenia sieci drzewiastych z danych, który ma liniowe zużycie pamięci, a jednocześnie czas jego wykonania jest porównywalny z algorytmem Chow/Liu. Stwarza to nowe perspektywy zastosowań w sytuacjach gdy trzeba tworzyć sieci liczące tysiące i więcej węzłów, np. automatycznej kategoryzacji tekstów.
16
Content available remote A new Bayesian tree construction : method with decreased time complexity
Kłopotek M.
Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
|
2001
|
Nr 927
1-11
EN
Bayesian networks have many practical applications due to their capability to represent joint probability distribution in many variables in a compact way. There exist efficient reasoning methods for Bayesian networks. Many algorithms for learning Bayesian networks from empirical data have been developed. A well-known problem with Bayesian networks is the practical limitation for the number of variables for which a Bayesian network can be learned in reasonable time. A remarkable exception here is the Chow/Liu algorithm learning tree-like Bayesian networks. However, its quadratic time and space complexity in the number of variables may prove also prohibitive for high dimensional data. The paper presents a novel algorithm overcoming this limitation for the tree-like class of Bayesian networks. The new algorithm space consumption grows linearly with the number of variables n while the execution time is proportional to n ln (n), hence both are better than those of Chow/Liu algorithm. This opens new perspectives in construction of Bayesian networks from data containing tens of thousands and more variables, e.g. in automatic text categorization.
PL
Sieci bayesowskie mają wiele praktycznych zastosowań związanych z ich zdolnością do zwartej reprezentacji rozkładów prawdopodobieństwa w wielu zmiennych. Istnieją efektywne metody wnioskowania w sieciach bayesowskich. Opracowano wiele algorytmów uczenia sieci z danych. Znanym problemem sieci bayesowskich są ograniczenia co do ilości zmiennych, dla których algorytmy uczące działają w rozsądnym czasie. Wyjątkiem jest tu algorytm Chow/Liu generujący drzewiaste sieci bayesowskie. Niestety, jego kwadratowa złożonośc obliczeniowa w liczbie zmiennych jest poważnym ograniczeniem dla wielu nowych zastosowań wielowymiarowych. W pracy przedstawiony jest nowy algorytm uczenia sieci drzewiastych z danych, który ma liniowe zużycie pamięci, a jednocześnie czas jego wykonania jest proporcjonalny do n ln(n). Zarówno złożoność czasowa jak i przestrzenna przewyższa parametry algorytmu Chow/Liu. Stwarza to nowe perspektywy zastosowań w sytuacjach, gdy trzeba tworzyć sieci liczące dziesiątki tysięcy i więcej węzłów, np. automatycznej kategoryzacji tekstów.
17
Content available remote A case study in neural network evolution
Tchórzewski J., Kłopotek M.
Prace Instytutu Podstaw Informatyki Polskiej Akademii Nauk
|
2001
|
Nr 943
1-12
EN
In this paper a concept of a neural network in the state space is presented. This evolution may be considered as another dimension of automated discoveries. As a base for building a model well known Evans' line method is used. It was noticed, that this concept can be developed in the direction of stochastic and heuristic tree structures. A numerical example is presented.
PL
Przedstawiono koncepcje rozwoju sieci neuronowej w przestrzeni stanu. Wykorzystano metody tzw. Linii Evansa. Przedstawiono przykład numeryczny.
18
Content available remote On a deficiency of the FCI algorithm learning Bayesian from data
Kłopotek M.
Demonstratio Mathematica
|
2000
|
Vol. 33, nr 1
181-194
EN
Causally insufficient structures (models with latent or hidden variables, or with confounding etc.) of joint probability distributions have been subject of intense study not oniy in statistics, but also in various AI systems. In AI, belief networks, being representations of joint probability distribution with an underlying directed acyclic graph structure, are paid special attention due to the fact that efficient reasoning (uncertainty propagation) methods have been developed for belief network structures. Algorithms have been therefore developed to acquire the belief network structure from data. As artifacts due to variable hiding negatively influence the performance of derived belief networks, models with latent variables have been studied and several algorithms for learning belief network structure under causal insufficiency have also been developed. Regrettably, some of them are known aiready to be erroneous (e.g. IC algorithm of [12]). This paper is devoted to another algorithm, the Fast Causal Inference (FCI) Algorithm of [17]. It is proven by a specially constructed example that this algorithm, as it stands in [17], is also erroneous. Fundamental reason for failure of this algorithm is the temporary introduction of non-real links between nodes of the network with the intention of later removal. While for trivial dependency structures these non-real links may be actually removed, this may not be the case for complex ones, e.g. for the case described in this paper. A remedy of this failure is proposed
19
Content available remote Fast restricted casual inference
Kłopotek M.
Demonstratio Mathematica
|
2000
|
Vol. 33, nr 2
419-442
EN
Hidden variables are well known sources of disturbance when recovering belief networks from data based oniy on measurable variables. Hence models assuming existence of hidden variables are under development. This paper presents a new algorithm "accelerating" the known CI algorithm of Spirtes, Glymour and Scheines [20]. We prove that this algorithm does not produces (conditional) independencies not present in the data if statistical independence test is reliable. This result is to be considered as non-trivial since e.g. the same claim fails to be true for FCI algorithm, another " accelerator" of CI, developed in [20].
20
Content available An algorithm for finding most likely explanations in valuation based systems
Wierzchoń S., Kłopotek M.
Control and Cybernetics
|
2000
|
Vol. 29, no 4
921-936
EN
A method for finding a number of best explanations in so-called valuation based system is presented. Roughly speaking, the method allows to sort (decreasingly or increasingly) a function of many variables without explicit computation of values of this function. The only condition is that the function be decomposable, i.e. can be expressed as a combination of a number of low-dimensional functions called components. Two cases are considered: the combination operator has an inverse and a more elaborated case when the combination operator has no inverse.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.