Modelowanie matematyczne w tworzeniu sztucznej inteligencji

• Autorzy: Andrzej Baborski , Andrzej Rutkowski
• Języki publikacji: PL

Abstrakty

Zasadniczą trudność w stosowaniu systemów sztucznej inteligencji stanowi pozyskiwanie wiedzy oraz jej stała aktualizacja. Obecnie powszechnie jest dostrzegana sprzeczność pomiędzy zasobami wiedzy zawartej w potężnych systemach baz danych, szeroko stosowanych w różnych dziedzinach, w tym także w ekonomii, a niewielkim ich wykorzystaniem w systemach ekspertowych (SE).
Kontrowersje budzi zwłaszcza problem źródeł pozyskiwania oraz reprezentacji wiedzy w systemach sztucznej inteligencji. Zdaniem autorów naturalną formą reprezentacji wiedzy są dla tych celów modele matematyczne. Główną uwagę jednak kładzie się na Stosowaniu modeli matematycznych typu struktur statystycznych, jako dostosowanych do stymulowania wiedzy o jakościowych przekształceniach zachodzących w sterowanym obiekcie. (fragment tekstu)

Słowa kluczowe

PL

Systemy ekspertowe; Systemy z bazą wiedzy; Sztuczna inteligencja; Modelowanie matematyczne; Statystyka matematyczna

EN

Expert systems; Knowledge based systems; Artificial intelligence; Mathematical modeling; Mathematical statistics

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 1995
• Numer: nr 707 Organizacja i zastosowania informatyki
• Strony: 87--95

Twórcy

autor

Andrzej Baborski

autor

Andrzej Rutkowski

Bibliografia

• Owoc M.L.: Kryteria wartościowania wiedzy. W: Informatyka Ekonomiczna. "Prace Naukowe AE we Wrocławiu", Wrocław 1994.
• Hunt E.B.: Artifical intelligence. Department of Psychology University of Washington. Academic Press 1975.
• Breiman L., Friedman J.H., Olshen R.A., Stone Ch.J.: Classification and Regression Trees. Wadsworth 1984.
• Baborski A.: Theory of Formal Languages in Modelling of the Dynamic Systems. Published by Academy of Economics, Wrocław 1980.
• Elementy systemów ekspertowych. Red. M.L. Owoc. Wrocław 1991.
• Nazareth D.L., Kennedy M.H.: Verification of Rule-Based Knowledge Using Directed Graphs. Academic Press Ltd. 1991.
• Surma J.: Metoda wspomagania aktywizacji wiedzy dla systemów ekspertowych w zarządzaniu. Praca doktorska, AE, Wrocław 1993.
• Lin N.. Dillon T.: Detecting of Consistency and Completeness in Expert Systems Using Numerical Petri Nets. Intelligence Developments and Applications. North-Holland 1988.
• Quinlan J.R.: Learning Efficient Classification Procedures and Their Application to Chess and Games. [w:] Machine learning: An Artifical Intelligence Approach. Ed. by Michalski, J. Carbonell, T. Mitchell. San Mateo, California 1986.
• Chan K.C.C., Wong A.K.C.: A Statistical Technique for Extracting Classificatory Knowledge from Databases. Knowledge Diskovery in Databases. Ed. by Piatetsky- Shapiro, W.J. Frawley. AAAI Рrеss/The MITPress 1991.
• Minsky M.: Nie będzie nas, będą roboty. "Scientific American" no 12(40), 1994.
• Knowledge Diskovery in Databases: Ed. by Piatetsky-Shapiro, W.J. Frawley. AAAI Press/The MITPress 1991.
• Fisher F.M.: The Identification Problem in Econometrics. McGraw-Hill Book Company.
• Rutkowski R.: The System of Lag Forecasting. Materiały konferencyjne międzynarodowego seminarium nt. 'Bazy danych i tendencje rozwojowe informatyki'. "Prace Naukowe AE we Wrocławiu", nr 516. Wrocław 1990.