Wyniki wyszukiwania - BazTech

1

Zastosowanie metod eksploracji danych do wspomagania przygotowania procesu dydaktycznego

Sidor K.

Zeszyty Naukowe Politechniki Rzeszowskiej. Elektrotechnika

|

2016

|

z. 35 [294], nr 1

27--38

PL

Eksploracja danych dostarcza cennej wiedzy ukrytej w dużych zbiorach danych. Pozwala na odkrywanie zależności niewidocznych gołym okiem. Swoje zastosowanie może znaleźć także w edukacji podczas przygotowywania oferty dydaktycznej. Artykuł przedstawia zastosowanie algorytmów eksploracji danych w przygotowaniu procesu edukacyjnego. W rozważanym zakresie eksploracja danych służy do przekształcania surowych danych w wiedzę, która pozwala na poznanie preferencji studentów. Skupiono się na odkrywaniu grup studentów oraz tworzeniu ich modeli określających style uczenia się. W trakcie budowania grup zastosowano klasyfikację bez nadzoru m.in. metody k-średnich oraz EM. Grupy tworzone były z uwzględnieniem preferencji studentów dotyczących nauki. Pozwoliło to na uzyskanie grup zawierających studentów o podobnych stylach uczenia się. Do zweryfikowania poprawności klasyfikacji wykorzystane zostały indeksy walidacyjne, które pozwoliły na wybranie najbardziej efektywnego podziału studentów. Badania przeprowadzono na danych zebranych wśród studentów Politechniki Rzeszowskiej na podstawie ankiety zawierającej kwestionariusz ILS. Uzyskane podczas badań wyniki pozwoliły na określenie ile różnorodnych materiałów dydaktycznych należy przygotować, aby były dopasowane do preferencji studentów różnych grup. Poznanie stylów uczenia się studentów pozwala nauczycielowi na lepsze zrozumienie upodobań studentów, a samym uczniom na dopasowanie materiałów do własnego stylu uczenia, dzięki czemu łatwiej i szybciej przyswajają wiedzę.

EN

Data mining provides valuable knowledge hidden in large data sets. It allows to explore depending invisible to the naked eye. It has been used in education while preparation educational offer. The article shows the application of data mining algorithms in the preparation of the educational process. In the considered range, data mining is used to transform raw data into knowledge, which allows to know the students' preferences. It has been focused on discovering groups of students and the development of models for the assessment of their learning styles. It has been applied unsupervised classification during process build groups. Groups have been created taking into account the preferences of students in science. It has been allowed get the groups consisting of students with similar learning styles. To verify the accuracy of the classification has been used indexes validation that allowed you to select the most efficient distribution of students. The study was conducted on data collected among students of Rzeszow University of Technology based on a survey questionnaire containing the ILS. Obtained during the studies results allowed to determine what materials teaching should be prepared to be tailored to the preferences of different groups of students. Understanding the learning styles of students allows teachers to better understand the preferences of students and the students to tailor materials to their own learning style, making it easier and faster to acquire knowledge.

2

Knowledge discovery in data in construction projects

Szelka J., Wrona Z.

Archives of Civil Engineering

|

2016

|

Vol. 62, nr 2

217--228

EN

Decision-making processes, including the ones related to ill-structured problems, are of considerable significance in the area of construction projects. Computer-aided inference under such conditions requires the employment of specific methods and tools (non-algorithmic ones), the best recognized and successfully used in practice represented by expert systems. The knowledge indispensable for such systems to perform inference is most frequently acquired directly from experts (through a dialogue: a domain expert - a knowledge engineer) and from various source documents. Little is known, however, about the possibility of automating knowledge acquisition in this area and as a result, in practice it is scarcely ever used. lt has to be noted that in numerous areas of management more and more attention is paid to the issue of acquiring knowledge from available data. What is known and successfully employed in the practice of aiding the decision-making is the different methods and tools. The paper attempts to select methods for knowledge discovery in data and presents possible ways of representing the acquired knowledge as well as sample tools (including programming ones), allowing for the use of this knowledge in the area under consideration.

PL

Problemy decyzyjne w obszarze przedsięwzięć budowlanych charakteryzują się w wielu przypadkach słabym poziomem ustrukturyzowania. W procesie wnioskowania stosuje się wówczas często metody heurystyczne. Wśród nich szczególne znaczenie należy przypisać wnioskowaniu eksperckiemu. Informatyczne wspomaganie tych przedsięwzięć jest realizowane przy użyciu systemów ekspertowych. Jednym z ważniejszych czynników warunkujących skuteczność wnioskowania jest jakość wiedzy, wykorzystywanej do wypracowania decyzji. Przedsięwzięcie pozyskiwania wiedzy od ekspertów dziedzinowych zaliczane jest do najbardziej pracochłonnych i kosztownych etapów tworzenia bazy wiedzy. Znaczny poziom złożoności procesów związanych z akwizycją wiedzy eksperckiej w obszarze przedsięwzięć budowlanych, jej czasochłonność i duże koszty stały się przesłanką do poszukiwania innych możliwości w zakresie pozyskiwania wiedzy (w tym – automatyzacji pozyskiwania wiedzy).

3

Dwuetapowa metoda eksploracji danych pozyskiwanych z obrazów cyfrowych

Wójcicka A., Simiński R., Wróbel Z.

Studia Informatica

|

2015

|

Vol. 36, nr 1

145--154

EN

The main purpose of the paper is detailed analysis of the problem of knowledge extraction from images and to described a two-stage method which integrates digital image analysis focused on the extraction of quantitative and qualitative features and the knowledge extraction methods that use data mining analysis.

4

Discovering knowledge with the rough set approach

Mazurek J.

Polish Journal of Management Studies

|

2013

|

Vol. 7

245--254

EN

The rough set theory, which originated in the early 1980s, provides an alternative approach to the fuzzy set theory, when dealing with uncertainty, vagueness or inconsistence often encountered in real-world situations. The fundamental premise of the rough set theory is that every object of the universe is associated with some information, which is frequently imprecise and insufficient to distinguish among objects. In the rough set theory, this information about objects is represented by an information system (decision table). From an information system many useful facts and decision rules can be extracted, which is referred as knowledge discovery, and it is successfully applied in many fields including data mining, artificial intelligence learning or financial investment. The aim of the article is to show how hidden knowledge in the real-world data can be discovered within the rough set theory framework. After a brief preview of the rough set theory’s basic concepts, knowledge discovery is demonstrated on an example of baby car seats evaluation. For a decision rule extraction, the procedure of Ziarko and Shan is used.

PL

Teoria zbiorów przybliżonych, która powstała w roku 1980, oferuje alternatywne podejście do teorii zbiorów rozmytych, gdy ma się do czynienia ze zjawiskiem niepewności, niejasności i niekonsekwencji, często spotykanym w rzeczywistych sytuacjach. Podstawowym założeniem teorii zbiorów przybliżonych jest to, że każdy obiekt wszechświata jest związany z pewnymi informacjami, które są często nieprecyzyjne i niewystarczające do rozróżnienia między obiektami. W teorii zbiorów przybliżonych, informacje o obiektach są reprezentowane przez system informacyjny (tabela decyzyjna). System informacyjny dostarcza wiele przydatnych faktów i reguł, które są określane jako odkrywanie wiedzy, która z powodzeniem jest stosowana w wielu dziedzinach, w tym w ekstrakcji danych, sztucznej inteligencji czy przy inwestycjach finansowych. Cele artykułu jest pokazanie, w jaki sposób wiedza ukryta w rzeczywistych danych, mogą zostać odkryte w trudnych ramach teorii mnogości. Po krótkim przedstawieniu podstawowych pojęć teorii zbiorów przybliżonych, na przykładzie ocen fotelików samochodowych, przedstawiono zjawisko odkrywania wiedzy. W celu wydobycia reguły decyzyjnej zastosowano procedurę Ziarko i Shan.

5

Computer models of similarity in musical pieces based on the multi-dimensional patterns

Mazurowski Ł., Wiliński A.

Journal of Applied Computer Science

|

2012

|

Vol. 20, nr 2

79-94

EN

This paper describes the problem of recognizing similarities in musical pieces in order to cluster and classify them with particular reference to the files stored according to the MIDI standard. The analysis of the similarity between artificially generated musical pieces to those that have been composed by a man which is carried out in order not to infringe copyrights to the existing pieces is the area of further use of the method presented. The article presents different existing methodological approaches and proposes the use of histograms of selected parameters of musical sound as a mechanism of aggregation of musical clusters potentially belonging to one group of similar musical pieces.

6

Zastosowanie reguł asocjacyjnych w analizie danych z symulatorów błędów

Komorowska A.

Studia Informatica

|

2011

|

Vol. 32, nr 2A

315-327

PL

Artykuł opisuje metodykę analizy danych z symulatora błędów za pomocą reguł asocjacyjnych, przedstawioną na przykładzie analizy wyników eksperymentów symulacji błędów dla sterownika reaktora chemicznego. Dane z eksperymentów gromadzone są w hurtowni danych, wyposażonej w usługi raportowania i eksploracji danych. Celem analizy jest odkrycie cech aplikacji istotnych dla jej niezawodności.

EN

Article describes a methodology of analysis of data from faults simulator. The methodology is based on association rules and is presented on an example of analysis of results from faults simulation for chemical reactor controller. The goal of the analysis is to discover application’s features important for its dependability.

7

Knowledge discovery in data using formal concept analysis and random projections

Aswani Kumar Ch.

International Journal of Applied Mathematics and Computer Science

|

2011

|

Vol. 21, no 4

745-756

EN

In this paper our objective is to propose a random projections based formal concept analysis for knowledge discovery in data. We demonstrate the implementation of the proposed method on two real world healthcare datasets. Formal Concept Analysis (FCA) is a mathematical framework that offers a conceptual knowledge representation through hierarchical conceptual structures called concept lattices. However, during the design of a concept lattice, complexity plays a major role.

8

Acquisition of technology knowledge from online information sources

Kluska-Nawarecka S., Wilk-Kołodziejczyk D., Dziaduś-Rudnicka J., Smolarek-Grzyb A.

Archives of Foundry Engineering

|

2011

|

Vol. 11, iss. 3

107-112

EN

The article discusses problems related with the search of information from open sources, particularly on the Internet. Specific area of concern is searching for technical knowledge in the area of metalcasting. The results of ongoing experiments were given, to serve as a basis in identification of the opportunities to improve the process of searching through determination of own research plans.

9

Eksploracja danych w serwisach internetowych

Fabisiak L.

Metody Informatyki Stosowanej

|

2009

|

nr 3 (20)

33-42

PL

Eksploracja danych dostarcza bardzo cennej wiedzy o funkcjonowaniu serwisu. Pozwala uzyskać wiedzę o tym kto, kiedy, dlaczego i jak używa serwisu. Dzięki postępowi w komputerach i technologii rejestrowania danych, ogromne zbiory były i są gromadzone. Sztuka eksploracji danych polega na wydobyciu cennych informacji z otaczającej masy nic nie wnoszących liczb po to, żeby właściciele tych danych mogli na nich się wzbogacić. Organizację posiadają cenną, dialektyczną wiedzę o atrakcyjności swojej oferty, wiedzę o tym w jaki sposób kształtować ofertę, aby odpowiadała ona potrzebom klienta itp. Dysponując danymi uzyskanymi w procesie eksploracji można dostosować zawartość serwisów do potrzeb danego użytkownika, poprawić strukturę całego serwisu a także wprowadzić nowe elementy do serwisów internetowych. Eksploracja danych pozwala na wydzielenie grup atrakcyjnych klientów o których serwisy powinny szczególnie dbać. Eksploracja danych pozwala na pełne wykorzystanie posiadanych informacji o klientach i transakcjach, a co za tym idzie odkrycie wiedzy, która może zaważyć o losach i pozycji firmy [14]. Podsumowując, eksploracja może przynieść korzyści organizacji, gdyż dostarcza danych użytecznych w procesach podejmowania decyzji biznesowych i decyzji dotyczących funkcjonowania i rozwoju serwisu. Widoczne są też korzyści dla klienta, gdyż serwis lepiej odpowiada na jego potrzeby, a on sam częściej i chętniej korzysta z serwisu oraz jest zainteresowany jego nowymi funkcjami. Bowiem skuteczne zastosowanie eksploracji danych to takie, które przynosi ogólnie rozumiane zyski dzięki wdrożeniu jej wyników.

EN

In this work the exploration of data for analysis and evaluation of Web sites. The publication brought closer review of the methods of data mining, data mining union websites. Synthesis has been currently used in the methods and techniques.

10

Wyznaczanie podzbioru atrybutów w procesie eksploracji danych

Romański P., Rosiak J., Mulawka J. J.

Elektronika : konstrukcje, technologie, zastosowania

|

2009

|

Vol. 50, nr 8

271-275

PL

Celem niniejszej pracy jest selekcja najlepszego podzbioru atrybutów wykorzystywanego dalej do klasyfikacji i aproksymacji w procesie eksploracji danych dokonanej przez filtrowanie atrybutów z wykorzystaniem różnych funkcji oceny przydatności. W szczególności dokonane zostanie porównanie jakości klasyfikatorów i aproksymatorów budowanych przed i po selekcji. Jako badane zbiory danych wykorzystane będą klasyczne bazy dostępne w repozytorium UCI. Do przeprowadzania oceny jakości proponowanych rozwiązań zostaną użyte klasyfikatory i aproksymatory znajdujące się w gotowych pakietach języka R.

EN

The aim of this publication is to select the best feature subsets applied further to the classification and approximation problems as part of the knowledge discovery process via filtering the attributes using different evaluation functions. In particular. a comparison of the classifiers as well as approximators' quality before and after selection will be provided. In order to test the effectiveness of the presented approaches, classic data sets available at the UCI repository will be used. The algorithms existing in the R packages will be applied to measure the quality of the proposed solutions.

11

Bezpieczna klasteryzacja bazująca na gęstości poziomo rozproszonych danych przestrzennych

Gorawski M., Łuk M.

Studia Informatica

|

2007

|

Vol. 28, nr 3A

5-27

PL

Przedstawiony został nowy algorytm klasteryzacji rozproszonej bazujący na gęstości - PPDBDC. Algorytm operuje na danych przestrzennych, które są rozproszone poziomo pomiędzy kilka stron biorących udział we wspólnej eksploracji danych. Został zaprojektowany, opierając się na istniejących algorytmach klasteryzacji rozproszonej DBDC oraz SDBDC, jednak dodatkowo pozwala na zachowanie prywatności przetwarzanych danych.

EN

The paper proposes a new density-based distributed clustering algorithm - the PPDBDC (Privacy Preserving Density-Based Distributed Clustering) algorithm.. This algorithm can be applied to horizontally distributed spatial data in a data mining process. It is based on existing distributed clustering algorithms: the DBDC algorithm and the SDBDC algorithm. In addition presented solution enables local data privacy preservation.

12

Rozwój metodologii pozyskiwania wiedzy w projektowaniu i eksploatacji maszyn

Cholewa W., Moczulski W., Ciupke K.

Inżynieria Maszyn

|

2005

|

R. 10, z. 1/2

97-106

PL

Pozyskiwanie wiedzy stało się obecnie bardzo ważnym zagadnieniem, zarówno w dziedzinie projektowania jak i eksploatacji maszyn. Od wielu lat w Katedrze Podstaw Konstrukcji Maszyn Politechniki Śląskiej prowadzone są badania w tym zakresie, które zaowocowały opracowaniem metodologii pozyskiwania wiedzy w projektowaniu i eksploatacji maszyn. Wiedza pozyskiwana może być zarówno od specjalistów, ale także z baz danych. W przypadku pozyskiwania wiedzy z baz danych prowadzone są prace w zakresie uczenia maszynowego jak również automatycznego odkrywania zależności w bazach danych - tzw. odkrywania wiedzy. Aby proces pozyskiwania był bardziej efektywny, a pozyskana wiedza była uogólniona, dane zgromadzone w bazach danych przetwarza się wstępnie, redukując ilość informacji, którą niosą dane, a także dokonując selekcji tej informacji. Pozyskana wiedza może zostać zastosowana w bazach wiedzy systemów doradczych, nad rozwojem których również prowadzone są prace. Jednym z osiągnięć jest także opracowanie metodologii diagnozowania złożonych obiektów technicznych z zastosowaniem tzw. odwrotnych modeli diagnostycznych. W referacie przedstawiono najważniejsze osiągnięcia Katedry Podstaw Konstrukcji Maszyn w ramach omawianych zagadnień.

EN

Knowledge acquisition becomes an important problem in both machinery design and exploitation domains. In the Department of Fundamentals of Machinery Design, Silesian University of Technology, from many years there has been conducted research concerning the problem. As a result of the research a methodology of knowledge acquisition in the design and exploitation of machinery was developed. Knowledge could be acquired from two sources: experts and databases. In the case of knowledge acquisition from databases, there are conducted researches concerning machine learning methods and also the so-called knowledge discovery - discovery of dependencies in databases. To make the knowledge acquisition process more effective, and to make the knowledge more general, the collected data are preprocessed. The preprocessing consist of two main stages: a reduction of information and its selection. The acquired knowledge could then be used in a knowledge base of an expert system. One of the achievements is also the development of a methodology of diagnosis of complex technical object using inverse diagnostic models. In the paper there are presented the most important achievements of the Department of Fundamentals of Machinery Design within a framework of above mentioned problems.

13

Wykorzystanie metod odkrywania wiedzy w eksploracji danych z serwisów WWW

Szaranek A., Hoffman W.

Zeszyty Naukowe. Prace Instytutu Ekonomiki i Organizacji Przedsiębiorstw / Uniwersytet Szczeciński

|

2004

|

Nr 43, t. 2

1109-1116

EN

The article describes the Web Mining methodology with its concepts and problems as a way to understand customers' behaviors in an Internet based economy.

14

Odkrywanie wiedzy w bazach danych jako proces identyfikacji modeli diagnostycznych

Wachla D.

Diagnostyka

|

2004

|

Vol. 30, T. 2

175--178

PL

W referacie zaprezentowano problem zastosowania nowej dziedziny inżynierii wiedzy, jaką jest odkrywanie wiedzy w bazach danych w zakresie identyfikacji ilościowych modeli diagnostycznych. Przedstawiono genezę tej dziedziny, scharakteryzowano ją jako interaktywny i iteracyjny proces, a także wymieniono zadania oraz metody, jakimi się ta dziedzina posługuje. Szczególną uwagę zwrócono na metody odkrywania zależności funkcyjnych. W dalszej części referatu przedstawiono przykładowe zastosowania do zadań odkrywania statycznych zależności przyczynowo-skutkowych i "diagnostycznych" oraz zależności dynamicznych. W podsumowaniu dokonano analizy uzyskanych wyników oraz przeprowadzono dyskusję dotyczącą wprowadzenia zmian poz.walających zastosować te metody w praktyce.

EN

The paper deals with the problem of application of the new knowledge engineering domain, which is the knowledge discovery in databases (KDD), for the identification of quantity diagnostics models. The origin of the domain was presented. Then KDD was characterized as an interactive an iterative process. The tasks and methods used were specified, as well. The special attention was paid to the methods of discovering functional dependencies. The exemplary applications to tasks of static cause-and-effects and "diagnostics" dependencies and also dynamics dependencies were presented in the further past of the paper. The analysis of the obtained results was included in the summary, which discusses some changes in the KDD methodology allowing to put these methods into practice.

15

Data mining dla Internetu

Borzemski L.

Studia Informatica

|

2003

|

Vol. 24, nr 2A

109-117

PL

Analiza danych z wykorzystaniem metod i narzędzi data miningowych jest wykorzystywana w wielu zastosowaniach. Artykuł omawia możliwości wykorzystania data miningu na potrzeby analizy funkcjonowania podsystemu komunikacyjnego Internetu.

EN

Data mining is used in various application areas and now Internet research meets data mining. Data analysis based on statistical characteristics of collected data has exhaused its capabilities. It is proposed to apply different data mining methods and algorithms to gain our knowledge about the Internet

16

Współpraca Instytutu Informatyki z operatorami telekomunikacyjnymi

Gajek M., Gancarz Ł., Muraszkiewicz M., Stueckemann W., Rybiński H.

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2001

|

nr 10

686-690

PL

Przedstawiono współpracę Instytutu Informatyki z operatorami telekomunikacyjnymi, w szczególności z operatorem telefonii komórkowej, Polską Telefonią Cyfrową. Zaprezentowano zakres tematyczny realizowanych projektów w dziedzinie eksploracji danych oraz systematycznego pozyskiwania wiedzy ze źródeł zewnętrznych. W końcowej części zarysowano założenia inicjatywy MOST (Mobile Open Society through wireless Telecommunications) podjętej przez Polską Telefonię Cyfrową, Politechnikę Warszawską i niemieckiego operatora telefonii komórkowej T-Mobil.

EN

On this paper the cooperation between Institute of Computer Science and telecom operators, in particular with mobile telecom provider Polska Telefonia Cyfrowa has been presented. Additionally scope of executed projects in the area of data mining and knowledge extraction from external sources was described. The principles of the MOST initiative (Mobile Open Society through wireless Telecommunications), taken by Polska Telefonia Cyfrowa, Warsaw University of Technology and German mobile telecom provider T-Mobil have been outlined.

17

A knowledge rule-based generator

Mazurkiewicz A., Krawczyk H.

Journal of Medical Informatics & Technologies

|

2001

|

Vol. 2, Part. 1

MI95--MI100

EN

The paper presents some recommendation for plug-ins that can be implemented in the Endoscopy Recommender System (ERS). A work cycle of such plug-ins is also described. Some experiments with sample symptoms are performed. Finally the obtained results are given as well.

18

Wykorzystanie algorytmów ewolucyjnych do wspomagania prac inżynierskich

Dobrodziej J.

Problemy Eksploatacji

|

2000

|

nr 4

25-34

PL

Omówiono możliwości wykorzystania algorytmów ewolucyjnych do wspomagania prac inżynierskich w wyniku pozyskiwania reguł logicznych na drodze odkrywania wiedzy w zbiorach lub bazach danych. Przedstawiono koncepcję równoległego, hierarchicznego algorytmu ewolucyjnego, przeznaczonego do wyszukiwania reguł logicznych.

EN

The paper present the possibilities of evolutionary algorithms application in engineering work support system. The algorithm was implemented as machine learning method in order to get logical rules in data files or databases. Machine learning is relatively young discipline and it is like that many new, more powerful methods will be developed in the future. The method presented here fall into the general category of inductive concept learning, which constitutes perhaps the most advanced task in machine learning.