Sztuczna inteligencja w doborze modeli prognostycznych

• Autorzy: Romuald Rutkowski , Krzysztof Hauke
• Języki publikacji: PL

Abstrakty

Funkcjonowanie systemu ekspertowego jest związane ze stałą aktualizacja wiedzy. Często z tym prozaicznym problemem nie można sobie poradzić. Problemy te mogą wynikać z kilku powodów, w których najważniejszym jest brak dostępności eksperta dobrze znającego dziedzinę rzeczywistości. Jedynie stała współpraca eksperta z systemem ekspertowym może dawać prawidłowe wnioski odnośnie działania w przyszłości. Przyszłości określonej jako podjęcie decyzji w danej chwili, jak też przybliżenie jak będzie kształtować się zjawisko w przyszłości. Nie mamy jednak takiego komfortu na stałą współpracę z ekspertem, który by aktualizował wiedzę zaimplementowaną w systemie ekspertowym. Dlatego też musimy budować tak systemy ekspertowe, aby mogły w jakiś sposób same dostarczać sobie wiedzę i na tej podstawie generować określone rozwiązanie. Nie możemy w takim przypadku pozostawić systemów ekspertowych samych sobie, które generowałyby cały czas nową wiedzę. Za poprawność zaimplementowanej wiedzy odpowiedzialny jest człowiek. Jednak gdy prawidłowo określimy ograniczenia w generowaniu nowej wiedzy nie powinny wystąpić problemy w działaniu systemu. Jednym ze źródeł pozyskiwania wiedzy dla potrzeb systemów ekspertowych może być analiza danych, które miały miejsce w przeszłości. Dodatkowo zastosowanie wskaźników do oceny tych modeli pozwala zastosować je w systemach sztucznej inteligencji. (fragment tekstu)

Słowa kluczowe

PL

Sztuczna inteligencja; Modele prognostyczne

EN

Artificial intelligence; Forecasting models

• Czasopismo: Prace Naukowe Akademii Ekonomicznej we Wrocławiu
• Rocznik: 2003
• Numer: nr 975 Pozyskiwanie wiedzy i zarządzanie wiedzą
• Strony: 386--395

Twórcy

autor

Romuald Rutkowski

• Białoruski Uniwersytet Ekonomiczny, Mińsk

autor

Krzysztof Hauke

• Akademia Ekonomiczna we Wrocławiu

Bibliografia

• Bartosiewicz S.: Ekonometria z elementami programowania matematycznego i analizy porównawczej, wyd. 3 poprawione i uzupełnione, Wrocław 1992.
• Box G.E.P., Jenkins G.M.: Analiza szeregów czasowych. Prognozowanie i sterowanie. Tł. z języka angielskiego, Warszawa PWN 1983, s. 574.
• Minsky M.: Nie będzie nas, będą roboty. "Scientific American", Nr 12(40), 1994.
• Warwik K.: Natarcie maszyn. "Nauka a życie", Nr 2, Moskwa, 2000.
• Baborski A., Rutkowski R.: Modelowanie matematyczne w tworzeniu sztucznej inteligencji. Wrocław: AE 1995. "Prace Naukowe AE we Wrocławiu", nr 707.
• Rutkowski R.: The System of Lag Forecasting. Materiały konferencyjne międzynarodowego seminarium pt. "Bazy danych i tendencje rozwojowe informatyki". "Prace Naukowe AE we Wrocławiu", Nr 516, Wrocław, 1990.
• Rutkowski R.: Пpинцип адаптации в cиcтeмe упpавлeния eкoнoмикoй и иcкуccтвeный интeллeкт тeзиcы дoклада Μатepиалы научнo-пpактичecкoй кoнфepeнции "Mexaнизм функциoниpoвания нациoналънoй єкoнoмики и пpoблeмы єкoнoмичecкoгo pаcта". Итoги HИP БГЭУ 2000 гoда, ч. III, Минcк, 2001.
• Rutkowski R.: Hobый пoдхoд к к фopмиpoванию cиcтeмы упpавлeния запаcами c єлeмeнтами иcкуccтвeнoгo интeллeкта. Матepиалы научнo-пpактичecкoй кoнфepeнции "Mexaнизм функциoниpoвания нациoналънoй єкoнoмики и пpoблeмы єкoнoмичecкoгo pаcта". Итoги HИP БГЭУ 2000 гoда, ч. III, Минcк, 2001.
• Rutkowski R.: Moдeлиpoваниe экoнoмики в фopмe cиcтeмы диффepeнциальных уpавнeний c пpимeнeниeм тeхнoлoгий иcкуccтвeнoгo итeллeкта. Матepиалы научнo-пpактичecкoй кoнфepeнции "Mexaнизм функциoниpoвания нациoналънoй єкoнoмики и пpoблeмы єкoнoмичecкoгo pаcта". Итoги HИP БГЭУ 2000 гoда, ч. III, Минcк, 2001.
• Witkowska D.: Sztuczne sieci neuronowe i metody statystyczne. Wybrane zagadnienia finansowe. Warszawa 2002.
• Zeliaś A.: Metody statystyczne. Warszawa: PWE 2000.