Warianty tytułu
Methods Used for Knowledge Integration in a Fuzzy Model
Języki publikacji
Abstrakty
Celem niniejszego artykułu jest dokonanie przeglądu metod stosowanych do integracji wiedzy eksperckiej z wiedzą wydobytą z danych pomiarowych w procesie budowy modelu rozmytego opisującego działanie pewnego systemu rzeczywistego. W artykule zostaną wskazane podstawowe powody konieczności wykonywania takiej integracji oraz zostaną zaprezentowane metody służące do przeprowadzenia tego zadania. W końcowej części artykułu zostanie wskazana potrzeba opracowania nowych metod, takich, które w przeciwieństwie do metod istniejących będą pozwalały na przezwyciężenie niedogodności wynikających z budowy modeli rozmytych opartych jedynie na danych pomiarowych bądź na wiedzy eksperckiej. (abstrakt oryginalny)
The aim of this article is to present methods which are used in the process of integrating expert knowledge and knowledge acquired from a data set describing a behavior of an analyzed system. The article gives main reasons of such integration, by pointing drawbacks of fuzzy models based only on an expert knowledge or on a set of data points, and shows why standard methods are not able to overcome all of these drawbacks. (original abstract)
Słowa kluczowe
Rocznik
Tom
Strony
58--66
Opis fizyczny
Twórcy
autor
- Uniwersytet Szczeciński
Bibliografia
- Abonyi J., Babuŝka R., Verbrudden H.B., Szeifert F.: Incorporating Prior Knowledge in Fuzzy Model Identification. "International Journal of Systems Science", vol. 31, no. 5, p. 657-667, 2000.
- Booker J.M., McNamara L.A.: Solving black box computation problems using expert knowledge theory and methods, "Reliability Engineering & System Safety", 85, 2004.
- Braake H.A.B., Roubos J.A., Babuska R.: Semi-mechanistic modeling and its application to biochemical processes. [w:] Fuzzy Logic Control: Advances in Applications, pages 205-226, London, UK, 1999.
- Cornelissen A.M.G., van den Berg J., Koops W.J., Kaymak U.: Elicitation of expert knowledge for fuzzy evaluation of agricultural production systems. [w:] Agriculture Ecosystems & Environment 95, 2003.
- Gutenbaum J.: Modelowanie matematyczne systemów. Exit, Warszawa, 2003.
- Klęsk P.: Metoda nadawania pożądanych własności ekstrapolacyjnych neuronowym i rozmytym modelom systemów wielowymiarowych. Rozprawa doktorska, Politechnika Szczecińska, Wydział Informatyki, Szczecin, 2005.
- Lindskog P.: Fuzzy Identification from a Grey Box Modeling Point of View. [w:] Fuzzy Model Identification, red. H. Hellendoorn, D. Driankov, pages 3-50. SpringerVerlag, 1997.
- Mendel J.M.: An architecture for making judgements using computing with words, "International Journal of Applied Mathematics and Computer Science", vol. 12, no. 3, p. 325-335, 2002.
- Niederliński A.: Polynomial and neural input-output models for control - a comparison. [w:] Proceedings on Fourth International Symposium on Methods and Models in Automation and Robotics, Międzyzdroje, August 1997.
- Pham T.T., Chen G.: Some applications of fuzzy logic in rule-based expert systems. [w:] Expert Systems, September 2002, vol. 19, no. 4.
- Rejer I.: Integration of fuzzy rule bases. "Polish Journal of Environmental Studies", Vol. 16, No. 5B, HARD, Olsztyn, 2007 Olsztyn, 2007.
- Stiber N.A., Small M.J., Pantazidou M.: Site-Specific Updating and Aggregation of Bayesian Belief Network Models for Multiple Experts. "Risk Analysis", Vol. 24, No. 6, 2004.
- Wang Ch., Hong T., Tseng S.: Integrating membership functions and fuzzy rule sets from multiple knowledge sources. "Fuzzy Sets and Systems" No. 112, 2000.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171522495