Badania nad nowym środowiskiem programowym dla odkrywania wiedzy i uczenia maszynowego

• Autorzy: Zdzisław Hippe , Piotr Błajdo , Mariusz Wrzesień

Warianty tytułu

Research on New Programmatic Environment for Linear Knowledge Discovery and Learning Machine

• Języki publikacji: PL

Abstrakty

W artykule opisano nowe środowisko do odkrywania wiedzy, składające się z modułu SBD (Similarity Based Discoverer) - elastyczne odkrywanie wiedzy wielokategoryjnej - modułu LKD (Linear Knowledge Discoverer) - elastyczne odkrywanie wiedzy pseudo-wielokategoryjnej - oraz modułu Suffle do krytycznej oceny jakości utworzonych modeli uczenia.

EN

The article describes new environment for knowledge discovery consisting of Similarity Based Discoverer (SBD), Linear Knowledge Discoverer (LKD) and Suffle modul. (AŁ)

Słowa kluczowe

PL

Wiedza; Zarządzanie wiedzą; Bazy danych; Systemy z bazą wiedzy

EN

Knowledge; Knowledge management; Databases; Knowledge based systems

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2002
• Numer: nr 931 Pozyskiwanie wiedzy z baz danych
• Strony: 233--244

Twórcy

autor

Zdzisław Hippe

autor

Piotr Błajdo

autor

Mariusz Wrzesień

Bibliografia

• Duch W., and Grudziński K.: Ensembles of Similarity-based Models. In: Klopotek M., Michałowicz M. and Wierzchoń S.T. (Eds.) Intelligent Information Systems, Physica-Verlag, Heidelberg 2001, 75-85.
• Feldman R., and Kirsch H.: Exploiting Background Information in Knowledge Discovery from Text. Intelligent Information Systems 1997(9) 83-97.
• Grzymała-Busse J.W., and Hippe Z.S.: Data Mining Experiments with a Melanoma Training Set. In: Kłopotek M., Michalewicz M. and Wierzchoń S.T. (Eds.) Intelligent Information Systems, Physica-Verlag, Heidelberg 2000, 562-565.
• Grzymała-Busse J.W.: A New Version of the Rule Induction System LERS. Fundamenta Informatics, 31(1997) 27-39.
• Hippe Z.S., and Wrzesień M.: Capabilities of linear learning machine. Proc. of Vs Polish Conference MSK'2001, Cracow 2001, 153-156 (in Polish).
• Hippe Z.S., and Błajdo P.: (in preparation).
• Hippe Z.S.: New Dala Mining Strategy Combining SAHN Visualization and Case-based Reasoning, Proc. Intern Joint Conference on Information Science (JCIS'98) Vol. II 320-323.
• Hippe Z.S., and coauthors: Research project KBN Nr 7 T1 IE 030 21.
• Hippe Z.S.: Computational Intelligence-An Example of Searching Regularities in Engineering Data.
• Szczepański P.S. (Eds.): Computational -intelligence and Applications, Physica-Verlag, Heidelberg 1999, 168-177.
• Kulikowski J.L.: CODATA-Meeting, Warsaw 2001.
• Michalski R.S., Bratko I., and Kubat M. (Eds.): Machine Learning and Data Mining: Methods and Application. J. Wiley & Sons Ltd., Chicheter 1998.
• Pawlak Z.: Knowledge and Rough Sets. In: Traczyk W. (Ed.) Problems in Artificial Intelligence, Wiedza i Życie, Warsaw 1995, 9-221 (in Polish).
• Rudnicki J.: Similarity analysis in medical image database. TASK Quarterly 1999 (3, No 4) 419-44.
• Salzberg S., and Cost S.: A Weighted Nearest Neighbor Algorithm for learning with Symbolic. Machine Learning 1993 (10, No 1)57-78.
• Varmuza K.: Pattern Recognition in Chemistry, Springer-Verlag, Heidelberg 1980.
• Weiss S., and Kulikowski C.A.: Computer Systems That Learning - Classification Method from Statistics, Neural Net, Machine Learning and Expert Systems. Morgan Kaufmann Publishers, Inc., San Francisco 1991 (Chapter: How to Estimate True Performance of a Learning System, 17-49).