TECHNOLOGIA TRAFNYCH OSĄDÓW
|
|
- Kinga Alicja Chmielewska
- 8 lat temu
- Przeglądów:
Transkrypt
1 TECHNOLOGIA TRAFNYCH OSĄDÓW Andrzej Skowron Uniwersytet Warszawski GLJI, Uniwersytet Opolski, 12 kwiecień, 2011
2 PLAN REFERATU Motywacja dla technologii trafnych osądów Interakcyjne obliczenia granularne (IRGC) Obliczenia granularne bazujące na zbiorach przybliżonych (RGC) Ogólny schemat interakcji Obliczenia interakcyjne agentów Obliczenia bazujące na percepcji (PBC) Reprezentacja granul Atrybuty percepcyjne: sensoryczne, akcji, decyzyjne Adaptacyjny osąd w interakcyjnych obliczeniach realizowanych przez agentów Interakcje z ekspertami dziedzinowymi Pozyskiwanie i aproksymacja ontologii dziedzinowej Przykłady zastosowań Podsumowanie i wnioski 3
3 MOTYWACJE Dokonanie postępu w konstruowaniu systemów inteligentnych o wysokiej jakości Przykłady: aproksymacja złożonych pojęć nieostrych (ang. vague) takich jak pojęcia warunkujące uruchomienie akcji czy wzorce zachowań 4
4 OMIJANIE PRZESZKÓD HELIKOPTER BEZZAŁOGOWY (UAV) GRY ROBOTÓW W PIŁKĘ NOŻNĄ (ROBO-CUP) 5
5 TECHNOLOGIA TRAFNYCH OSĄDÓW (ang. WISDOM TECHNOLOGY, WISTECH) Jankowski A., Skowron A.: Logic for artificial intelligence: The Rasiowa-Pawlak school perspective, In: Ehrenfeucht, A., Marek V., Srebrny M. (Eds.) Andrzej Mostowski and Foundational Studies, IOS Press, Amsterdam, 2008,
6 TECHNOLOGIA TRAFNYCH OSĄDÓW technologia trafnych osądów= interakcje + adaptacyjny osąd+ bazy wiedzy IRGC podstawa dla systemów bazujących na obliczeniach interakcyjnych realizowanych na granulach z zastosowaniem wiedzy dziedzinowej, eksploracji danych (np. wykrywania procesów i uczenia pojęć) oraz adaptacyjnego osądu 7
7 Plays a key role in implementation of the strategy of divide-andconquer in human problem-solving Lotfi Zadeh Zadeh, L. A. (1979) Fuzzy sets and information granularity. In: Gupta, M., Ragade, R., Yager, R. (eds.), Advances in Fuzzy Set Theory and Applications, Amsterdam: North-Holland Publishing Co.,
8 INFOGRANULE (GRANULE): OBIEKTY KONSTRUOWANE W PROCESACH GRANULACJI I DEGRANULACJI obiekty o złożonych typach, które też musza być odkryte z danych np. w poszukiwaniu aproksymacji dla złożonych pojęć 9
9 PRZYKŁADY GRANUL: OTOCZENIA OBIEKTÓW (GRANULE ELEMENTARNE) GRANULE GENEROWANE PRZEZ OPERACJE (np. agregacja, generalizacja, interakcja) SKUPISKA PRZESTRZENIE APROKSYMACYJNE KLASYFIKATORY ONTOLOGIE i ICH APROKSYMACJE WZORCE ZACHOWAŃ, MODELE PROCESÓW ADAPTACYJNE SCHEMATÓW AGENTÓW 10
10 GRANULE ELEMENTARNE a 1 a 2 a m d N(x)=(Inf A ) -1 (u) x 1 v 1 v 2 v m 1 x u=inf A (x) sygnatura x otoczenie x xind( A) y iff Inf ( x) Inf ( y) A A tolerancja lub podobieństwo 11
11 PRZESTRZENIE APROKSYMACYJNE A. Skowron, J. Stepaniuk, Generalized Approximation Spaces 1994 : AS N P( U : U ) ( U, N, P( U P( U ) ) ) funkcja otoczenia [0,1] funkcja zawierania przybliżonego x Inf ( x) N( x) Inf 1 ( Inf ( x)) X otocznie x 12
12 DOLNA I GÓRNA APROKSYMACJA BX { Y U / B : Y X } BX BX U U/B set X BX { Y U / B : Y X 0} 13
13 ZBIORY PRZYBLIŻONE (ang. rough sets) Zdzislaw Pawlak 14
14 INDUKCJA W jaki sposób rozszerzyć aproksymacje z próbek (zbiorów treningowych) na całe uniwersum obiektów? Rozszerzenia bazują na wersjach zasady minimalnego opisu (MDLminimal description length) 15
15 INDUKCJA - przykłady Co zrobić jeśli Inf A (x o ) for x o U * - U jest różne od każdego Inf A (x) dla x U? Sprawdzić podobieństwo Inf A (x o ) do Inf A (x) U * U x o X Sprawdzić częściowe dopasowanie Inf A (x o ) do Inf A (x) 16
16 N : U * P( U * ) Inf A ( x ) { a 1, b 0, c o 2} a 1 b 0 c 2 U * U * x o X U 17
17 a 1 c 2 U * a 1 b 0 c 2 U U * * x o X a 1 b 0 U * U 18
18 N :U P(U ) P ( U * ) P k ( U * ) k 1 N :U * P (U * ) 19
19 : P(U ) P(U ) [ 0, 1] P ( U * ) k 1 P k ( U * ) : P (U * ) P (U * ) [ 01, ] 20
20 MEREOLOGIA PRZYBLIŻONA MEREOLOGIA St. LEŚNIEWSKI (1916) x jest_ częścią_y MEREOLOGIA PRZYBLIŻONA L. Polkowski and A. Skowron (1994- ) x jest_ częścią_ y_w stopniu L. Polkowski, A. Skowron, Rough mereology, ISMIS 94, LNAI 869, Springer, 1994, L. Polkowski, Reasonng by parts: An outline of rough mereology, Warszawa 2011
21 SYSTEMY INFORMACYJNE (tablice danych, przestrzenie Chu: klasyfikacje: J. Barwise- Information Flow) SĄ STOSOWANE DO REPRREZENTOWANIA GRANUL ICH WŁASNOŚCI ORAZ INFORMACJI O INTERAKCJACH 22
22 INTERAKCJE 23
23 Interaction is a fundamental dimension for modeling and engineering complex computational systems. More generally, interaction is a critical issue in the understanding of complex systems of any sorts: as such, it has emerged in several well-established scientific areas other than computer science, like biology, physics, social and organizational sciences. Andrea Omicini, Alessandro Ricci, and Mirko Viroli, The Multidisciplinary Patterns of Interaction from Sciences to Computer Science. In: D. Goldin, S. Smolka, P. Wagner (eds.): Interactive computation: The new paradigm, Springer
24 INTERAKCJE [ ] One of the fascinating goals of natural computing is to understand, in terms of information processing, the functioning of a living cell. An important step in this direction is understanding of interactions between biochemical reactions. the functioning of a living cell is determined by interactions of a huge number of biochemical reactions that take place in living cells. A human dendritic cell (blue pseudocolor) in close interaction with a lymphocyte (yellow pseudo-color). This contact may lead to the creation of an immunological synapse. The Immune Synapse by Olivier Schwartz and the Electron Microscopy Core Facility, Institut Pasteur Andrzej Ehrenfeucht, Grzegorz Rozenberg: Reaction Systems: A Model of Computation Inspired by Biochemistry, LNCS 6224, 1 3,
25 J.M. J.M. Bower, H.Bolouri: Computational Modeling of of Genetic and and Biochemical Newtorks, MIT MIT
26 RÓŻNORODNOŚĆ MODELI INTERAKCJI GRANUL E G automaty komórkowe równania różniczkowe aproksymacja zmian stanów MAS systemy wieloagentowe więzy współistnienia stanów lokalnych interakcje z ekspertami 27
27 OBLICZENIA IRGC Są realizowane na złożonych obiektach: granulach Uwzględniają niedoskonałość wiedzy, szumy oraz nieostrość pojęć Pozwalają operować na częściach (np. wzorcach) złożonych pojęć Są interakcyjne Realizowane przez wiele autonomicznych, pozostających w interakcji jednostek (agentów) Zależne od zmian w danych/wiedzy oraz od charakteru współpracy 28
28 OGÓLNY SCHEMAT INTERAKCJI s a (t) s e (t ) Inf Inf E(t ) A(t) delay delay ( s s RELACJA PRZEJŚCIA a a ( t), s ( t e ( t)) ), s e ( t ) Sel _ Int a Sel_ Int e intrastep interactions s 1 s 2 s 3 time s a ( t ) s a ( t ) I a I e s e ( t ) s e ( t ) interstep interactions Gurevich, Y.: Interactive Algorithms. In: D. Goldin, S. Smolka, P. Wagner (eds.): Interactive computation: The new paradigm, 29 Springer 2006
29 SYSTEMY INFORMACYJNE REPREZENTUJĄ GRANULE, ICH WŁASNOŚCI ORAZ INFORMACJE O INTERAKCJACH ATRYBUTY SENSORYCZNE ATRYBUTY AKCJI 30
30 OBLICZENIA POSTRZEGANE PRZEZ AGENTA i STEROWANIE INTERAKCJI ZA POMOCĄ AKCJI Inf A 1 Inf A 2 I a1 I a2 Optymalizacja względem pewnego okresu 31
31 ADAPTACYJNY OSĄD System stosujący IRGC pozostaje w kontakcie z modelowaną rzeczywistością, której stany przewiduje. Jeśli z pewnych powodów podejmowane decyzje są sprzeczne w odniesieniu do rzeczywistości należy przeprowadzić adaptację osądu. 32
32 ADAPACYJNY OSĄD Poszukiwanie relewantnych przestrzeni aproksymacyjnych nowe cechy, selekcja cech indukcja reguł miary zawierania strategie rozwiązywania konfliktów Adaptacja miar bazująca na zasadzie minimalnego opisu: jakość aproksymacji vs długość opisu Wnioskowanie o zmianach Percepcja, np. selekcja atrybutów sensorycznych i akcji Adaptacja miar jakości w obliczeniach agentów Adaptacja struktury obiektów Strategie reprezentacji wiedzy i interakcji z bazami wiedzy Pozyskiwanie ontologii i ich aproksymacja Język współpracy i komunikowania oraz jego ewolucja
33 WNIOSKOWANIA O ZMIANACH 34
34 MODELE PROCESÓW I INTERAKCJE Przykład x (t 1) i x (t ) i f ( x i(t )) 1 d f ( x i(t )) 1 d Feng, J., Jost, J., Minping, Q. (eds): Network: From Biology to Theory, Springer, Berlin, 2007 i i j; j i j; j i ( ( f ( f ( x x j j (t )) (t )) ds dt de dt f (? f ( x (t i x (t i ))) ))) G( t, s( t), e( t)) H( t, s( t), e( t)) relacja sąsiedztwa? 35
35 APROKSYMACJA FUNKCJI 36
36 ODKRYWANIE MODELI PROCESÓW Z DANYCH: METHODY APROKSYMACJI FUNKCJI CHARAKTERYZUJĄCYCH ZMIANY POTRZEBA ODKRYWANIA HIERARCHICZNEGO TAKICH ATRYBUTÓW konfiguracje: aktualna i następna STANÓW Atrybuty istotne dla scharakteryzowania zmian (x,y) stopnie zmian a 1 a m d 37
37 DT- tablica decyzyjna Aproksymacyjne wnioskowanie Boolowskie PATzbiór wzorców (reguł) z małym wahaniem decyzji 38
38 Problem optymalizacyjny Proces kodowania Funkcja boolowska F Heurystyki generowania implikantów pierwszych Zbiór implikantów pierwszych F Proces dekodowania Rozwiązania dla 39
39 AWB 40
40 41
41 TRAJEKTORIE PRZYBLIŻONE GRANUL: ADAPTACJA Adaptacja w celu dostosowania modelu aproksymacji do zmian aktualna trajektoria P przewidywana trajektoria P należy zastosować adaptację aby model był adekwatny dla modelowanego procesu 42
42 INTERAKCJE GRANUL W APPROKSYMACJI TRAJEKTORII granula aktualnego stanu moduł interakcji 2: fuzja zmian lokalnych granula stanu następnego analogia do procesu fuzyfikacji moduł interakcji1 zmiany lokalne granuli stanu aktualnego analogia do procesu defuzyfikacji i rozstrzygania konfliktów składowe granularne aproksymacji funkcji zmian fragment aproksymowanej trajektorii 43
43 ADAPTAVYJNY OSĄD W INDUKCJI ZŁOŻONYCH GRANUL *** ODKRYWANIE MODELI WSPÓŁBIEŻNYCH Z DANYCH i WIEDZY DZIEDZINOWEJ 44
44 SPECIFIKACJA SYSTEMÓW WSPÓŁBIEŻNYCH PRZEZ SYSTYEMY INFORMACYJNE Pawlak, Z.: Concurrent versus sequential the rough sets perspective. Bulletin of the EATCS 48 (1992) Skowron, A., Suraj, Z.: Rough sets and concurrency. Bull. Acad. Polon. Sci. 41(3) (1993) Suraj, Z.: Rough set methods for the synthesis and analysis of concurrent processes. In: L. Polkowski, S. Tsumoto, T.Y. Lin (eds), Rough Set Methods and Applications Studies in Fuzziness and Soft Computing 56, Springer/Physica Verlag (2000)
45 PRZYKŁAD: STEROWANIE ŚWIATŁAMI b procesy lokalne a b c u a a c c u u stany globalne u 1, u 2, u 3 - stany a, b, c - kierunki ruchu 0, 1, 2 - kolor świateł (czerwone, zielone, strzałka zielona) 46
46 OD DANYCH DO SIECI PETRIEGO WE: A system informacyjny WY: PN sieć Petriego o zbiorze oznakowań identycznym z maksymalnym zbiorem niesprzecznym z Th(A) Th(A) zbiór reguł generowanych z A 47
47 ZALETY Złożone sieci Petriego mogą być generowane automatycznie z ich tablicowych specyfikacji Sieci Petriego mogą być modyfikowane adaptacyjnie ze zmianą danych 48
48 TEORETYCZNE ASPEKTY DOTYCZĄCE GENEROWANYCH ZIORÓW REGUŁ I MAKSYMALNIE NIESPRZECZNYCH ZBIORÓW STANÓW Z TEORIĄ DANYCH 49
49 KONTYNUACJA Jakie rodzaje reguł zastosować (np. niedeterministyczne, probabilistyczne, czasowe, czasowo-przestrzenne)? W jakie sposób scharakteryzować semantykę różnych zbiorów reguł? W jaki sposób rozszerzyć podejście przez dodanie informacji o relacji przejścia lub temporalnych zależnościach? Z. Suraj z zespolem oraz M. Moshkov and A. Skowron, 50
50 ODKRYWANIE STRUKTURY INTERAKCJI G zbiór ścieżek interakcji P 1 i P 2 PN generująca (niesprzeczna z) G PN 1 generująca (niesprzeczna z) G 1 PN 2 generująca (niesprzeczna z) G 2 G 1 zbiór ścieżek procesu P 1 G 2 zbiór ścieżek procesu P 2 W jaki sposób PN powstaje z PN1 i PN2? 51
51 W KIERUNKU KONTROLOWANYCH E G 2 G 1 G 3 G 4 WZORCÓW EMERGENTNYCH (ang. emergence patterns) ORAZ SAMOORGANZACJI G k Fuzja granul: koalicjag 1, G k z funkcjonalnościami określającymi interakcje z E i członkami koalicji 52
52 PERCEPCJA Wilhelm Maximilian Wundt ( ) Structuralizm Percepcja jest wynikiem asocjacji bazowych sensorycznych atomów w pamięci poprzez powtarzalne, uprzednie łączne ich współwystępowanie. 53 (z prezentacji: A. Efros, CMU 2006)
53 PERCEPCJA Max Wertheimer ( ) Wolfgang Köhler ( ) Kurt Koffka ( ) Gestaltyzm Percepcja jest wynikiem interakcji wewnętrznej struktury bodźca z wewnętrzną strukturą mózgu. (z prezentacji: A. Efros, CMU 2006) 54
54 PERCEPCJA Hermann von Helmholtz ( ) Konstruktywizm Percepcja jest wynikiem nieświadomych wnioskowań o scenie najprawdopodobniej wywołującej powstanie obrazu na siatkówce lub zdarzenia. (z prezentacji: A. Efros, CMU 2006) 55
55 PERCEPCJA James J. Gibson ( ) Optyka Ekologiczna Percepcja jest procesem prowadzącym do bezpośredniego zrozumienia widzialnego środowiska poprzez ekstrahowanie niezmienników dynamicznych strukturalnych wzorców światła otaczających postrzegającego ze wszystkich kierunków (ang. dynamic ambient optic array) oraz afordancji (ang. affordances) obiektów. 56 (z prezentacji: A. Efros, CMU 2006)
56 PERCEPCJA = ZROZUMIENIE INFORMACJI SENSORYCZNEJ 57
57 OBIEKTY STRUKTURALNE POSZUKIWANIE CECH ISTOTNYCH 58
58 ADAPTACYJNY OSĄD: ODKRYWANIE OBIEKTÓW STRUKTURALNYCH I ICH WŁASNOŚCI niezmienniki klas tolerancji (por. podejście Gibsona) x y a v 1 w 1 W r v w v ( v1,..., vm ); w ( w1,..., w v r w iff v r w for i 1,... m i i r( v) { w : v r w} r( v) { w : w r( v)} i m ) GENERALIZACJA v do r(v) 59
59 GRANULE REPREZENTUJĄCE OBIEKTY STRUKTURALNE własności okien czasowych OKNA CZASOWE t t T a 1 x i mod(i,t) V 1,i v 1 v j v T 1 j T V i =(v 1,i,,v m,i ) 60
60 ADAPTACYJNY OSĄD: ODKRYWANIE OBIEKTÓW STRUKTURALNYCH a b c e f g a 1.75 r c e
61 ADAPTACYJNY OSĄD: ODKRYWANIE OBIEKTÓW STRUKTURALNYCH I ICH EWOLUCJI W CZASIE t a b c e f g c e r a struktura relacyjna w chwili zmiany struktur relacyjnych w czasie 62
62 The main idea of this book is that perceiving is a way of acting. It is something we do. Think of a blind person tap-tapping his or her way around a cluttered space, perceiving that space by touch, not all at once, but through time, by skillful probing and movement. This is or ought to be, our paradigm of what perceiving is. Alva Noë: Action in Perception, MIT Press
63 historia pomiarów sensorycznych i wybranych akcji niższego poziomu w pewnym okresie czasu czas a 1 ac 1 cechy historii w czasie akcje wyższego rzędu x 1 1 x
64 INTERAKCJE Z EKSPERTAMI DZIEDZINOWYMI APROKSYMACJA ZOŻONYCH POJĘĆ NIEOSTRYCH (ang. VAGUE CONCEPTS) Z ZASTOSOWANIEM ONTOLOGII DZIEDZINOWYCH 65
65 when you have a technical description x of the object and have some impression x* about this object you have two forms of description: a formal description and a holistic description or Gestalt description. Using both descriptions during training can help to find a better decision function. This technique remains master-class learning, like musicians training in master classes. The teacher does not show exactly how to play. He talks to students and gives some images transmitting some hidden information - and this helps. So, the challenge is to create an algorithm which using additional information, will generalize better than classical algorithms. Vladimir Vapnik (2008): 66
66 I believe that understanding human experience will be a driving challenge for work in AI in the years to come, and that the work that will result will profoundly impact our knowledge of how we live and interact with the world and with each other. Henry Kautz (2005) Artificial Intelligence: The Next Twenty-Five Years, AI Magazine, 26(4): Winter 2005,
67 DALSZY POSTĘP W UCZENIU HIERARCHICZNYM ZALEŻEĆ BĘDZIE OD ZROZUMIENIA ORGANIZACJI I PODSTAW ZŁOŻONYCH FUNKCJI MÓZGU Organization of cortex for instance visual cortex is strongly hierarchical. Hierarchical learning systems show superior performance in several engineering applications. This is just one of several possible connections, still to be characterized, between learning theory and the ultimate problem in natural science the organization and the principles of higher brain functions. T. Poggio, S. Smale: The Mathematics of Learning: Dealing with Data, Notices AMS, Vol.50, May
68 APPROKSYMACJA ONTOLOGII BAZUJĄCA NA ZBIORACH PRZYBLIŻONYCH Przestrzeń cech (atrybutów) L d L E Percepcja eksperta Transfer wiedzy od eksperta z zastosowaniem pozytywnych i negatywnych przykładów 69
69 UAV 70
70 APROKSYMACJA ZŁOŻONYCH POJĘĆ f C1 f C2 f C3 d 71
71 PRZYKŁAD GRAFU ZACHOWAŃ DLA POJEDYNCZEGO POJAZDU Acceleration on the right lane Acceleration and changing lanes from right to left Acceleration on the left lane Stable speed and changing lanes from right to left Stable speed on the right lane Stable speed on the left lane Stable speed and changing lanes from left to right Deceleration on the right lane Deceleration and changing lanes from left to right Deceleration on the left lane 72
72 GRAF ZACHOWEAŃ DLA GRUPY POJAZDÓW ( DWA POJAZDY: MANEWR WYPRZEDZANIA) 1. Vehicle A is behind B on the right lane 6. Vehicle A is before B on the right lane 3. Vehicle A is moving back to the right lane, vehicle B is driving on the right lane 2. Vehicle A is changing lanes from right to left, vehicle B is driving on the right lane 5. Vehicle A is changing lanes from left to right, vehicle B is driving on the right lane 4. Vehicle A is driving on the left lane and A is passing B (B is driving on the right lane) 73
73 WYNIKI EKSPERYMENTÓW DLA POJĘCIA: Czy pojazd jedzie bezpiecznie? Klasa decyzyjna Metoda Jakość Pokrycie Faktyczna jakość TAK RS RS NIE RS RS OBIE KLASY (TAK+NIE) RS1 RS Faktyczna jakość = Jakość * Pokrycie 74
74 SYMULATOR RUCHU DROGOWEGO Paweł Gora: 75
75 Summary The data mining challenge, IEEE ICDM Contest: TomTom Traffic Prediction for Intelligent GPS Navigation, is over now. It attracted 575 participating teams, of whom over 100 submitted solutions, most of them many times: the total number of solutions was close to Best algorithms achieved nearly 3-fold improvement over baseline solutions in predicting traffic congestion and jams. We thank all participants for their effort and congratulate the winners! We also thank TomTom company and the President of Warsaw for their support of the contest. The Winners Traffic: Alexander Groznetsky, Ukraine Carlos J. Gil Bellosta, Datanalytics, Spain Benjamin Hamner, Duke University, USA Jams: Łukasz Romaszko, University of Warsaw, Poland (lukasz ) Jingrui He, Qing He, Grzegorz Swirszcz, Yiannis Kamarianakis, Rick Lawrence, Wei Shen and Laura Wynter, IBM T.J. Watson Research Center, USA (trafficlab) Kenneth Shirley, Carlos Scheidegger, Ji Meng Loh and Suhris Balakrishnan, AT&T Labs Research, USA (regress) GPS: Benjamin Hamner, Duke University, USA Wei Shen, Yiannis Kamarianakis, Jingrui He, Qing He, Rick Lawrence, Grzegorz Swirszcz and Laura Wynter, IBM T.J. Watson Research Center, USA Andrzej Janusz, University of Warsaw, Poland
76 KLASYFIKACJA PLAM NA SŁOŃCU Son Nguyen et al solar image close-up (hi-res) 77
77 NIETYPOWE PRZYKŁADY N. Trung Nguyen 78
78 WSPOMAGANIE DIAGNOZY I TERAPII NIEWYDOLNOŚĆ ODDECHOWA Współpraca z Polsko-Amerykańskim Instytutem Pediatrii, Uniwersytet Jagielloński, Collegium Medicum, Kraków 79
79 PRZYKŁAD GRAFU ZACHOWAŃ (prosty model zachowania pacjenta w sepsie) Sepsis is not present (multi-organ failure is not detected) Progression of multi-organ failure in sepsis on level 3 Progression of multi-organ failure in sepsis on level Sepsis without multi-organ failure 4 Progression of multi-organ failure in sepsis on level 1 Progression of multi-organ failure in sepsis on level 2 6 nodes and 17 connections Four possibilities of transition from the node: Sepsis without multi-organ failure 80
80 NIEWYDOLNOŚĆ ODDECHOWA JAKO ZŁOŻONY PROCES The respiratory failure Sepsis (generalized reaction on infection leading to multiorgan failure) Ureaplasma lung infection (acquired during pregnancy or birth) PDA (patent ductus arteriosus) RDS (respiratory distress syndrome) 81
81 GRAF ZACHOWANIA JAKO WZORZEC ZACHOWAŃ (wzorzec ryzyka śmierci spowodowanej niewydolnością oddechową) Wizualizacja zachowania noworodka poprzez ścieżkę w grafie zachowań. Graf zachowań (wzorzec zachowań) jako klasyfikator Stabile and mild respiratory failure in sepsis Exacerbation of respiratory failure from mild to moderate in sepsis Stabile and moderate respiratory failure in sepsis Exacerbation of respiratory failure from moderate to severe in sepsis Stabile and moderate respiratory failure in RDS and PDA Exacerbation of respiratory failure from moderate to severe in RDS and PDA Stabile and severe respiratory failure in RDS and PDA Stabile and severe respiratory failure in RDS Exacerbation of respiratory failure from mild to severe in sepsis Stabile and severe respiratory failure in sepsis Stabile and moderate respiratory failure in sepsis, RDS and PDA Exacerbation of respiratory failure from moderate to severe in sepsis, RDS and PDA Stabile and severe respiratory failure in sepsis, RDS and PDA Stabile and severe respiratory failure in sepsis and PDA Stabile and severe respiratory failure in PDA Stabile and severe respiratory failure in sepsis and RDS 82
82 PROBLEM PORÓWNANIA PLANÓW Plan 1: (np. zaproponowany przez ekspertów) Plan 2: (np. generowany automatycznie przez system komputerowy) s 1 a 1 s 2 a 2 s 3 a 3 s 4 t 1 b 1 t 2 b 2 t 3 b 3 t 4 Problem: W jaki sposób porównac Plan 1 i Plan 2? Rozwiazanie: Metoda estymacji podobieństwa planów 83
83 PRZYKŁAD MEDYCZNEJ ONTOLOGII DLA ESTYMACJI PODOBIEŃSTWA PLANÓW TERAPII NOWORODKÓW Z NIEWYDOLNOŚCIĄ ODDECHOWĄ General similarity in the approach to the respiratory failure treatment Similarity in treatment of Ureaplasma Similarity in treatment of sepsis Similarity in treatment of RDS Similarity in use of macrolide antibiotics in treatment of Ureaplasma infection 16 pojęć i 18 powiazań Similarity in treatment of PDA Similarity of a causal treatment of sepsis Similarity of antibiotics use Similarity of anti-mycotic agents use Similarity of sucralfat administration Similarity of a symptom treatment of sepsis Similarity of PDA closing procedure Similarity of mechanical v entilation mode Pojęcia reprezentują różne aspekty podobieństwa między planami terapii medycznej Similarity of corticosteroid use Similarity of catecholamin use Similarity of hemostatic agents use 84
84 PODSTAWY TEORETYCZNE RoughICE Podstawy teoretyczne środowiska RoughICE zostały opisane w pracy habilitacyjnej, która została wydana jako rozdział: Bazan,. J., G.: Hierarchical Classifiers for Complex Spatio-temporal Concepts, Lecture Notes in Computer Science 5390, Transactions on Rough Sets IX, , Berlin, Heidelberg: Springer-Verlag (2008).
85 86
86 87
87 PODSUMOWANIE Omówione zostały interakcyjne obliczenia granularne, z elementami percepcji bazującej na adaptacyjnym osądzie oraz z wykorzystaniem metod zbiorów przybliżonych. Jest to krok w realizacji programu WisTech. 88
88 Dlaczego Wistech? Aristotle's man of practical wisdom, the phronimos, is observant of principles and, at the same time, open to their modification. He begins with nomoi established law - and employs practical wisdom to determine how it should be applied in particular situations and when departures are warranted. Rules provide the guideposts for inquiry and critical reflection. L. P. Thiele. The Heart of Judgment: Practical Wisdom, Neuroscience, and Narrative. Cambridge Univ. Press, p.5. 89
89 Dlaczego Wistech? Marzec 10, 2011: Leslie Valiant z Uniwersytetu Harvarda otrzymal nagrodę Turinga za rok 2010 za prace dotyczące rozwoju obliczeniowej teorii uczenia (ang. computational learning theory) Current research of Professor Valiant A fundamental question for artificial intelligence is to characterize the computational building blocks that are necessary for cognition. A specific challenge is to build on the success of machine learning so as to cover broader issues in intelligence. This requires, in particular a reconciliation between two contradictory characteristics--the apparent logical nature of reasoning and the statistical nature of learning. Professor Valiant has developed a formal system, called robust logics, that aims to achieve such a reconciliation. 90
90 DZIĘKUJĘ! 91
91 APPENDIX
92 WYBRANE PRACE Bazan, J., Peters, J.F., Skowron, A.: Behavioral pattern identification through rough set modelling. In: Szelak, D., Szczuka, M., Duentsch, I., Yao, Y.Y. (Eds.), Proceedings of the Tenth International Conference on Rough Sets, Fuzzy Sets, Data Mining, and Granular Computing (RSFDGrC 2005), Regina, Canada, September Springer, Berlin, LNAI 3642 (2005) Bazan, J., Skowron, A.: Classifiers based on approximate reasoning schemes. In: Dunin-Keplicz, B., Jankowski, A., Skowron, A., Szczuka, M. (Eds.), Monitoring, Security, and Rescue Techniques in Multiagent Systems, Advances in Soft Computing, Springer, Heidelberg (2005) Bazan, J., Skowron, A.: On-line elimination of non-relevant parts of complex objects in behavioral pattern identification. In: Pal, S.K., Bandoyopadhay, S., Biswas, S. (Eds.). Proceedings of the First International Conference on Pattern Recognition and Machine Intelligence (PReMI'05), Indian Statistical Institute, December 18-22, 2005, LNAI Springer, Heidelberg (2005) Bazan, J., Kruczek, P., Bazan-Socha, S., Skowron, A., Pietrzyk, J.J.: Automatic planning of treatment of infants with respiratory failure through rough set modeling. In: Greco, S., Hata, Y., Hirano, S., Inuiguchi, M., Miyamoto, S., Nguyen, H.S., Slowinski. R. (Eds.), Fifth International Conference on Rough Sets and Current Trends in Computing (RSCTC 2006), Kobe, Japan, November 6-8, LNAI 4259 Springer, Heidelberg (2006)
93 WYBRANE PRACE Bazan, J., Kruczek, P., Bazan-Socha, S., Skowron, A., Pietrzyk, J.J.: Risk pattern identification in the treatment of infants with respiratory failure through rough set modeling. In: Proceedings of Information Processing and Management under Uncertainty in Knowledge-Based Systems (IPMU'2006), Paris, France, July 2-7, 2006, no. 3. Editions E.D.K., Paris (2006) Bazan, J., Skowron, A., Swiniarski., R.: Rough sets and vague concept approximation: From sample approximation to adaptive learning. Transactions on Rough Sets V LNCS 4100 (2006) Bazan, J.: Hierarchical classifiers for complex spatio-temporal concepts. Transactions on Rough Sets IX, LNCS 5390 (2008) Nguyen, S.H., Bazan, J., Skowron, A., Nguyen, H.S.: Layered learning for concept synthesis. Transactions on Rough Sets I LNCS 3100 (2004) Nguyen, H.S., Jankowski, A., Peters, J.F., Skowron, A., Stepaniuk, J., Szczuka, M.: Discovery of process models from data and domain knowledge: A rough-granular approach. In: J.T. Yao (ed.) Novel Developments In Granular Computing: Applications for Advanced Human Reasoning and Soft Computation. IGI Global, Hershey PA (2010) Jankowski A., Skowron A.: Logic for artificial intelligence: The Rasiowa- Pawlak school perspective, In: Ehrenfeucht, A., Marek V., Srebrny M. (Eds.) Andrzej Mostowski and Foundational Studies, IOS Press, Amsterdam, 2008,
94 WYBRANE PRACE Jankowski, A., Skowron, A., Szczuka. M.: Interactive granular computing in rightly judging systems. In: Wen, P., Li, Y., Polkowski, L., Yao, Y.Y., Tsumoto, S., Wang, G. (Eds.) RSKT 2009, Gold Coast, Australia, July 14-16, 2009 LNCS 5589, Sprinter, Heidelberg (2009) 1-16 Jankowski, J., Skowron, A.: Wisdom technology: A Rough-granular approach. In: M. Marciniak, A. Mykowiecka (Eds.), Bolc Festschrift. LNCS 5070 (2009) Pawlak, Z., Skowron, A.: Rudiments of rough sets. Information Science 177 (2007) 3-27; Rough sets: Some extensions. Information Science 177 (2007) 28-40; Rough sets and boolean reasoning. Information Science 177 (2007) Pedrycz, W., Skowron, A., Kreinovich, V. (Eds.): Handbook of Granular Computing. John Wiley & Sons (2008) Nguyen, T.T., Skowron, A.: Rough-granular computing in human-centric information processing. In; Bargiela, A., Pedrycz, W. (eds.), Human-Centric Information Processing Through Granular Modelling, Springer, Heidelberg (2009) 1-30 Skowron, A.: Perception logic in intelligent systems (plenary talk). In: Blair, S. et al (Eds.), Proceedings of the 8th Joint Conference on Information Sciences (JCIS 2005), July 21-26, 2005, Salt Lake City, Utah, USA, X-CD Technologies: A Conference & Management Company, ISBN , Toronto, Ontario, Canada, 2005
95 WYBRANE PRACE Skowron, A.: Rough sets in perception-based computing (keynote talk). In: S.K. Pal, S. Bandoyopadhay, and S.Biswas (Eds.), First International Conference on Pattern Recognition and Machine Intelligence (PReMI'05) December 18-22, 2005, Indian Statistical Institute, Kolkata, LNCS 3776, Springer, Heidelberg, Skowron, A., Stepaniuk, J., Swiniarski, R.: Approximation spaces in roughgranular computing. Fundamenta Informaticae 100 (1-4) (2010) Skowron, A., Szczuka, M.: Toward interactive computations: A roughgranular approach. In: Koronacki, J., Ras, Z.W., Wierzchon, S.T., Kacprzyk, J. (Eds.) Advances in Machine Learning II, Dedicated to the Memory of Professor Ryszard S. Michalski. Studies in Computational Intelligence 263, Sprinter, Heidelberg (2010) Skowron, A., Wasilewski, P.: Information systems in modeling interactive computations on granules. In: M. Szczuka, M. Kryszkiewicz, S. Ramanna, R. Jensen, Q. Hu (Eds.) Proceedings of RSCTC LNAI 6086 Springer, Heidelberg (2010) Skowron, A., Wasilewski, P.: An Introduction to perception based computing. FGIT 2010, Korea, Jeju, December 13-15, LNAI 6485, Springer, Heidelberg (2010) Skowron, A., Wasilewski, P.: Information systems in modeling interactive computations on granules. accepted to the special issue of Theoretical Computer Science: Theory of Natural Computing
96 HYBRYDYZACJA METOD ZBIORÓW PRZYBLIŻONYCH Z INNYMI METODAMI OBLICZEŃ ELASTYCZNYCH, W SZCZEGÓLNOŚCI Z METODAMI ZBIORÓW ROZMYTYCH S. K. Pal and A. Skowron (Eds.: Rough-Fuzzy Hybridization: A New Trend in Decision Making. Springer, Singapore, 1999 S.K. Pal, J. F. Peters (Eds.)Rough Fuzzy Image Analysis. Chapman & Hall/CRC, Boca Raton, Florida, 2010 OBLICZENIA BAZUJĄCE NA PERCEPCJI PODEJŚCIE ZBIORÓW ROZMYTYCH L.A. Zadeh: Precisiated natural language (PNL). AI Magazine 25(3) (2004) L.A. Zadeh: A new direction in AI: Toward a computational theory of perceptions. AI Magazine 22(1) (2001)
97 TUNEDIT Automated evaluation of machine-learning and datamining algorithms Generation of reproducible experimental results for high-quality research papers Collaboration between researchers: sharing of algorithms, datasets, experimental results and other resources Benchmarks of algorithms: currently stores performance data for nearly 100 algorithms tested on several tens of datasets. Included: Weka, Rseslib algorithms, UCI 98 datasets
Kraków, 14 marca 2013 r.
Scenariusze i trendy rozwojowe wybranych technologii społeczeństwa informacyjnego do roku 2025 Antoni Ligęza Perspektywy rozwoju systemów eksperckich do roku 2025 Kraków, 14 marca 2013 r. Dane informacja
Bardziej szczegółowoZakopane, plan miasta: Skala ok. 1: = City map (Polish Edition)
Zakopane, plan miasta: Skala ok. 1:15 000 = City map (Polish Edition) Click here if your download doesn"t start automatically Zakopane, plan miasta: Skala ok. 1:15 000 = City map (Polish Edition) Zakopane,
Bardziej szczegółowoTychy, plan miasta: Skala 1: (Polish Edition)
Tychy, plan miasta: Skala 1:20 000 (Polish Edition) Poland) Przedsiebiorstwo Geodezyjno-Kartograficzne (Katowice Click here if your download doesn"t start automatically Tychy, plan miasta: Skala 1:20 000
Bardziej szczegółowoWojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition)
Wojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition) Robert Respondowski Click here if your download doesn"t start automatically Wojewodztwo Koszalinskie:
Bardziej szczegółowoAuditorium classes. Lectures
Faculty of: Mechanical and Robotics Field of study: Mechatronic with English as instruction language Study level: First-cycle studies Form and type of study: Full-time studies Annual: 2016/2017 Lecture
Bardziej szczegółowoHard-Margin Support Vector Machines
Hard-Margin Support Vector Machines aaacaxicbzdlssnafiyn9vbjlepk3ay2gicupasvu4iblxuaw2hjmuwn7ddjjmxm1bkcg1/fjqsvt76fo9/gazqfvn8y+pjpozw5vx8zkpvtfxmlhcwl5zxyqrm2vrg5zw3vxmsoezi4ogkr6phieky5crvvjhriqvdom9l2xxftevuwcekj3lktmhghgniauiyutvrwxtvme34a77kbvg73gtygpjsrfati1+xc8c84bvraowbf+uwnipyehcvmkjrdx46vlykhkgykm3ujjdhcyzqkxy0chur6ax5cbg+1m4bbjptjcubuz4kuhvjoql93hkin5hxtav5x6yyqopnsyuneey5ni4keqrxbar5wqaxbik00icyo/iveiyqqvjo1u4fgzj/8f9x67bzmxnurjzmijtlybwfgcdjgfdtajwgcf2dwaj7ac3g1ho1n4814n7wwjgjmf/ys8fenfycuzq==
Bardziej szczegółowoZastosowanie sztucznej inteligencji w testowaniu oprogramowania
Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie
Bardziej szczegółowoUwaga wstępna: Kognitywne Systemy Wspomagające Zarządzanie
Kognitywne Systemy Wspomagające Zarządzanie Ryszard Tadeusiewicz & Lidia Ogiela AGH Ilustracje użyte do prezentacji podczas wygłaszania referatu na konferencji KOMUNIKACJA I JAKOŚĆ W ZARZĄDZANIU w dniu
Bardziej szczegółowoWydział Fizyki, Astronomii i Informatyki Stosowanej Uniwersytet Mikołaja Kopernika w Toruniu
IONS-14 / OPTO Meeting For Young Researchers 2013 Khet Tournament On 3-6 July 2013 at the Faculty of Physics, Astronomy and Informatics of Nicolaus Copernicus University in Torun (Poland) there were two
Bardziej szczegółowoSSW1.1, HFW Fry #20, Zeno #25 Benchmark: Qtr.1. Fry #65, Zeno #67. like
SSW1.1, HFW Fry #20, Zeno #25 Benchmark: Qtr.1 I SSW1.1, HFW Fry #65, Zeno #67 Benchmark: Qtr.1 like SSW1.2, HFW Fry #47, Zeno #59 Benchmark: Qtr.1 do SSW1.2, HFW Fry #5, Zeno #4 Benchmark: Qtr.1 to SSW1.2,
Bardziej szczegółowoKierunek: Informatyka rev rev jrn Stacjonarny EN 1 / 6
Wydział Informatyki i Komunikacji Wizualnej Kierunek: Informatyka w języku angielskim studia pierwszego stopnia - inżynierskie tryb: stacjonarny rok rozpoczęcia 2018/2019 A. Moduły międzykierunkowe obligatoryjne
Bardziej szczegółowoActivities Performed by prof. Tadeusiewicz in Books and Journals Editorial Boards
Activities Performed by prof. Tadeusiewicz in Books and Journals Editorial Boards Member of Editorial Board of the book series 1. Associate Editor for book series "Advances in Applied Intelligence Technologies"
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture11. Random Projections & Canonical Correlation Analysis
Machine Learning for Data Science (CS4786) Lecture11 5 Random Projections & Canonical Correlation Analysis The Tall, THE FAT AND THE UGLY n X d The Tall, THE FAT AND THE UGLY d X > n X d n = n d d The
Bardziej szczegółowoEffective Governance of Education at the Local Level
Effective Governance of Education at the Local Level Opening presentation at joint Polish Ministry OECD conference April 16, 2012, Warsaw Mirosław Sielatycki Ministry of National Education Doskonalenie
Bardziej szczegółowoOpis efektów kształcenia dla modułu zajęć
Nazwa modułu: Techniki agentowe Rok akademicki: 2013/2014 Kod: MIS-1-702-s Punkty ECTS: 5 Wydział: Inżynierii Metali i Informatyki Przemysłowej Kierunek: Informatyka Stosowana Specjalność: Poziom studiów:
Bardziej szczegółowoWYDZIAŁ NAUK EKONOMICZNYCH. Studia II stopnia niestacjonarne Kierunek Międzynarodowe Stosunki Gospodarcze Specjalność INERNATIONAL LOGISTICS
Studia II stopnia niestacjonarne Kierunek Międzynarodowe Stosunki Gospodarcze Specjalność INERNATIONAL LOGISTICS Description Master Studies in International Logistics is the four-semesters studies, dedicate
Bardziej szczegółowoERASMUS + : Trail of extinct and active volcanoes, earthquakes through Europe. SURVEY TO STUDENTS.
ERASMUS + : Trail of extinct and active volcanoes, earthquakes through Europe. SURVEY TO STUDENTS. Strona 1 1. Please give one answer. I am: Students involved in project 69% 18 Student not involved in
Bardziej szczegółowoMachine Learning for Data Science (CS4786) Lecture 11. Spectral Embedding + Clustering
Machine Learning for Data Science (CS4786) Lecture 11 Spectral Embedding + Clustering MOTIVATING EXAMPLE What can you say from this network? MOTIVATING EXAMPLE How about now? THOUGHT EXPERIMENT For each
Bardziej szczegółowoMaPlan Sp. z O.O. Click here if your download doesn"t start automatically
Mierzeja Wislana, mapa turystyczna 1:50 000: Mikoszewo, Jantar, Stegna, Sztutowo, Katy Rybackie, Przebrno, Krynica Morska, Piaski, Frombork =... = Carte touristique (Polish Edition) MaPlan Sp. z O.O Click
Bardziej szczegółowoProjekty Marie Curie Actions w praktyce: EGALITE (IAPP) i ArSInformatiCa (IOF)
Gliwice, Poland, 28th February 2014 Projekty Marie Curie Actions w praktyce: EGALITE (IAPP) i ArSInformatiCa (IOF) Krzysztof A. Cyran The project has received Community research funding under the 7th Framework
Bardziej szczegółowoFew-fermion thermometry
Few-fermion thermometry Phys. Rev. A 97, 063619 (2018) Tomasz Sowiński Institute of Physics of the Polish Academy of Sciences Co-authors: Marcin Płodzień Rafał Demkowicz-Dobrzański FEW-BODY PROBLEMS FewBody.ifpan.edu.pl
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 9: Inference in Structured Prediction
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 9: Inference in Structured Prediction 1 intro (1 lecture) Roadmap deep learning for NLP (5 lectures) structured prediction
Bardziej szczegółowoStargard Szczecinski i okolice (Polish Edition)
Stargard Szczecinski i okolice (Polish Edition) Janusz Leszek Jurkiewicz Click here if your download doesn"t start automatically Stargard Szczecinski i okolice (Polish Edition) Janusz Leszek Jurkiewicz
Bardziej szczegółowoZarządzanie sieciami telekomunikacyjnymi
SNMP Protocol The Simple Network Management Protocol (SNMP) is an application layer protocol that facilitates the exchange of management information between network devices. It is part of the Transmission
Bardziej szczegółowoWojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition)
Wojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition) Robert Respondowski Click here if your download doesn"t start automatically Wojewodztwo Koszalinskie:
Bardziej szczegółowoDomy inaczej pomyślane A different type of housing CEZARY SANKOWSKI
Domy inaczej pomyślane A different type of housing CEZARY SANKOWSKI O tym, dlaczego warto budować pasywnie, komu budownictwo pasywne się opłaca, a kto się go boi, z architektem, Cezarym Sankowskim, rozmawia
Bardziej szczegółowoWyk lad 8: Leniwe metody klasyfikacji
Wyk lad 8: Leniwe metody Wydzia l MIM, Uniwersytet Warszawski Outline 1 2 lazy vs. eager learning lazy vs. eager learning Kiedy stosować leniwe techniki? Eager learning: Buduje globalna hipoteze Zaleta:
Bardziej szczegółowoProf. Peter Nijkamp (Tinbergen Institute, Jheronimus Academy of Data Science, 's-hertogenbosch, The Netherlands )
Prof. Peter Nijkamp (Tinbergen Institute, Jheronimus Academy of Data Science, 's-hertogenbosch, The Netherlands ) AMU Course Programme May 2018 Course: Modern trends in economic geography studies The course
Bardziej szczegółowoSubVersion. Piotr Mikulski. SubVersion. P. Mikulski. Co to jest subversion? Zalety SubVersion. Wady SubVersion. Inne różnice SubVersion i CVS
Piotr Mikulski 2006 Subversion is a free/open-source version control system. That is, Subversion manages files and directories over time. A tree of files is placed into a central repository. The repository
Bardziej szczegółowoO-MaSE Organization-based Multiagent System Engineering. MiASI2, TWO2,
O-MaSE Organization-based Multiagent System Engineering MiASI2, TWO2, 2017-2018 Materiały Strona poświęcona metodzie O-MaSE http://macr.cis.ksu.edu/projects/omase.html (Multiagent & Cooperative Reasoning
Bardziej szczegółowoARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA JEZYKOWA) BY DOUGLAS KENT HALL
Read Online and Download Ebook ARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA JEZYKOWA) BY DOUGLAS KENT HALL DOWNLOAD EBOOK : ARNOLD. EDUKACJA KULTURYSTY (POLSKA WERSJA Click link bellow and free register
Bardziej szczegółowoMoA-Net: Self-supervised Motion Segmentation. Pia Bideau, Rakesh R Menon, Erik Learned-Miller
MoA-Net: Self-supervised Motion Segmentation Pia Bideau, Rakesh R Menon, Erik Learned-Miller University of Massachusetts Amherst College of Information and Computer Science Motion Segmentation P Bideau,
Bardziej szczegółowodeep learning for NLP (5 lectures)
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 6: Finish Transformers; Sequence- to- Sequence Modeling and AJenKon 1 Roadmap intro (1 lecture) deep learning for NLP (5
Bardziej szczegółowoPresented by. Dr. Morten Middelfart, CTO
Meeting Big Data challenges in Leadership with Human-Computer Synergy. Presented by Dr. Morten Middelfart, CTO Big Data Data that exists in such large amounts or in such unstructured form that it is difficult
Bardziej szczegółowoKarpacz, plan miasta 1:10 000: Panorama Karkonoszy, mapa szlakow turystycznych (Polish Edition)
Karpacz, plan miasta 1:10 000: Panorama Karkonoszy, mapa szlakow turystycznych (Polish Edition) J Krupski Click here if your download doesn"t start automatically Karpacz, plan miasta 1:10 000: Panorama
Bardziej szczegółowoBadania w sieciach złożonych
Badania w sieciach złożonych Grant WCSS nr 177, sprawozdanie za rok 2012 Kierownik grantu dr. hab. inż. Przemysław Kazienko mgr inż. Radosław Michalski Instytut Informatyki Politechniki Wrocławskiej Obszar
Bardziej szczegółowoI INTERNATIONAL SCIENTIFIC CONFERENCE
I INTERNATIONAL SCIENTIFIC CONFERENCE EU SECURITY AND CRISIS MANAGEMENT FLOOD-2010 ATENEUM UNIVERSITY IN GDANSK P FUNDATION PRO POMERANIA NOTICE NO. 1 I International Scientific Conference EU SECURITY
Bardziej szczegółowoPROGRAM STAŻU. Nazwa podmiotu oferującego staż / Company name IBM Global Services Delivery Centre Sp z o.o.
PROGRAM STAŻU Nazwa podmiotu oferującego staż / Company name IBM Global Services Delivery Centre Sp z o.o. Miejsce odbywania stażu / Legal address Muchoborska 8, 54-424 Wroclaw Stanowisko, obszar działania/
Bardziej szczegółowoarchivist: Managing Data Analysis Results
archivist: Managing Data Analysis Results https://github.com/pbiecek/archivist Marcin Kosiński 1,2, Przemysław Biecek 2 1 IT Research and Development Grupa Wirtualna Polska 2 Faculty of Mathematics, Informatics
Bardziej szczegółowoProposal of thesis topic for mgr in. (MSE) programme in Telecommunications and Computer Science
Proposal of thesis topic for mgr in (MSE) programme 1 Topic: Monte Carlo Method used for a prognosis of a selected technological process 2 Supervisor: Dr in Małgorzata Langer 3 Auxiliary supervisor: 4
Bardziej szczegółowoDOI: / /32/37
. 2015. 4 (32) 1:18 DOI: 10.17223/1998863 /32/37 -,,. - -. :,,,,., -, -.,.-.,.,.,. -., -,.,,., -, 70 80. (.,.,. ),, -,.,, -,, (1886 1980).,.,, (.,.,..), -, -,,,, ; -, - 346, -,.. :, -, -,,,,,.,,, -,,,
Bardziej szczegółowoNo matter how much you have, it matters how much you need
CSR STRATEGY KANCELARIA FINANSOWA TRITUM GROUP SP. Z O.O. No matter how much you have, it matters how much you need Kancelaria Finansowa Tritum Group Sp. z o.o. was established in 2007 we build trust among
Bardziej szczegółowoLinear Classification and Logistic Regression. Pascal Fua IC-CVLab
Linear Classification and Logistic Regression Pascal Fua IC-CVLab 1 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
Bardziej szczegółowoZGŁOSZENIE WSPÓLNEGO POLSKO -. PROJEKTU NA LATA: APPLICATION FOR A JOINT POLISH -... PROJECT FOR THE YEARS:.
ZGŁOSZENIE WSPÓLNEGO POLSKO -. PROJEKTU NA LATA: APPLICATION FOR A JOINT POLISH -... PROJECT FOR THE YEARS:. W RAMACH POROZUMIENIA O WSPÓŁPRACY NAUKOWEJ MIĘDZY POLSKĄ AKADEMIĄ NAUK I... UNDER THE AGREEMENT
Bardziej szczegółowoEuropean Crime Prevention Award (ECPA) Annex I - new version 2014
European Crime Prevention Award (ECPA) Annex I - new version 2014 Załącznik nr 1 General information (Informacje ogólne) 1. Please specify your country. (Kraj pochodzenia:) 2. Is this your country s ECPA
Bardziej szczegółowoPrezentacja sylwetki i osiągnięć naukowych Profesor Heleny Rasiowej
Prezentacja sylwetki i osiągnięć naukowych Profesor Heleny Rasiowej Osobiste spojrzenie z perspektywy wpływu Profesor Heleny Rasiowej na nasze życie osobiste, rozwój naukowy i zawodowy Andrzej Skowron
Bardziej szczegółowoDODATKOWE ĆWICZENIA EGZAMINACYJNE
I.1. X Have a nice day! Y a) Good idea b) See you soon c) The same to you I.2. X: This is my new computer. Y: Wow! Can I have a look at the Internet? X: a) Thank you b) Go ahead c) Let me try I.3. X: What
Bardziej szczegółowoFaculty of Environmental Engineering. St.Petersburg 2010
Faculty of Environmental Engineering St.Petersburg 2010 Location of Wrocław LOCATION: centre of the Silesian Lowland 51º07 N, 17º02 E TOTAL AREA: 293 km 2 GREEN AREAS: 35% of the overall area ISLANDS:
Bardziej szczegółowoABOUT NEW EASTERN EUROPE BESTmQUARTERLYmJOURNAL
ABOUT NEW EASTERN EUROPE BESTmQUARTERLYmJOURNAL Formanminsidemlookmatmpoliticsxmculturexmsocietymandm economyminmthemregionmofmcentralmandmeasternm EuropexmtheremismnomothermsourcemlikemNew Eastern EuropeImSincemitsmlaunchminmPw--xmthemmagazinemhasm
Bardziej szczegółowophoto graphic Jan Witkowski Project for exhibition compositions typography colors : +48 506 780 943 : janwi@janwi.com
Jan Witkowski : +48 506 780 943 : janwi@janwi.com Project for exhibition photo graphic compositions typography colors Berlin London Paris Barcelona Vienna Prague Krakow Zakopane Jan Witkowski ARTIST FROM
Bardziej szczegółowoBlow-Up: Photographs in the Time of Tumult; Black and White Photography Festival Zakopane Warszawa 2002 / Powiekszenie: Fotografie w czasach zgielku
Blow-Up: Photographs in the Time of Tumult; Black and White Photography Festival Zakopane Warszawa 2002 / Powiekszenie: Fotografie w czasach zgielku Juliusz and Maciej Zalewski eds. and A. D. Coleman et
Bardziej szczegółowoTTIC 31210: Advanced Natural Language Processing. Kevin Gimpel Spring Lecture 8: Structured PredicCon 2
TTIC 31210: Advanced Natural Language Processing Kevin Gimpel Spring 2019 Lecture 8: Structured PredicCon 2 1 Roadmap intro (1 lecture) deep learning for NLP (5 lectures) structured predic+on (4 lectures)
Bardziej szczegółowoRevenue Maximization. Sept. 25, 2018
Revenue Maximization Sept. 25, 2018 Goal So Far: Ideal Auctions Dominant-Strategy Incentive Compatible (DSIC) b i = v i is a dominant strategy u i 0 x is welfare-maximizing x and p run in polynomial time
Bardziej szczegółowoMiedzy legenda a historia: Szlakiem piastowskim z Poznania do Gniezna (Biblioteka Kroniki Wielkopolski) (Polish Edition)
Miedzy legenda a historia: Szlakiem piastowskim z Poznania do Gniezna (Biblioteka Kroniki Wielkopolski) (Polish Edition) Piotr Maluskiewicz Click here if your download doesn"t start automatically Miedzy
Bardziej szczegółowoKrytyczne czynniki sukcesu w zarządzaniu projektami
Seweryn SPAŁEK Krytyczne czynniki sukcesu w zarządzaniu projektami MONOGRAFIA Wydawnictwo Politechniki Śląskiej Gliwice 2004 SPIS TREŚCI WPROWADZENIE 5 1. ZARZĄDZANIE PROJEKTAMI W ORGANIZACJI 13 1.1. Zarządzanie
Bardziej szczegółowoFilozofia z elementami logiki Klasyfikacja wnioskowań I część 2
Filozofia z elementami logiki Klasyfikacja wnioskowań I część 2 Mariusz Urbański Instytut Psychologii UAM Mariusz.Urbanski@amu.edu.pl Plan: definicja pojęcia wnioskowania wypowiedzi inferencyjne i wypowiedzi
Bardziej szczegółowoEstimation and planing. Marek Majchrzak, Andrzej Bednarz Wroclaw, 06.07.2011
Estimation and planing Marek Majchrzak, Andrzej Bednarz Wroclaw, 06.07.2011 Story points Story points C D B A E Story points C D 100 B A E Story points C D 2 x 100 100 B A E Story points C D 2 x 100 100
Bardziej szczegółowoJęzyk angielski. Poziom rozszerzony Próbna Matura z OPERONEM i Gazetą Wyborczą CZĘŚĆ I KRYTERIA OCENIANIA ODPOWIEDZI POZIOM ROZSZERZONY CZĘŚĆ I
Poziom rozszerzony Język angielski Język angielski. Poziom rozszerzony KRYTERIA OCENIANIA ODPOWIEDZI POZIOM ROZSZERZONY CZĘŚĆ I W schemacie oceniania zadań otwartych są prezentowane przykładowe odpowiedzi.
Bardziej szczegółowoA DIFFERENT APPROACH WHERE YOU NEED TO NAVIGATE IN THE CURRENT STREAMS AND MOVEMENTS WHICH ARE EMBEDDED IN THE CULTURE AND THE SOCIETY
A DIFFERENT APPROACH WHERE YOU NEED TO NAVIGATE IN THE CURRENT STREAMS AND MOVEMENTS WHICH ARE EMBEDDED IN THE CULTURE AND THE SOCIETY ODMIENNE PODEJŚCIE JAK NAWIGOWAĆ W OBECNYCH NURTACH I RUCHACH, KTÓRE
Bardziej szczegółowoThe Lorenz System and Chaos in Nonlinear DEs
The Lorenz System and Chaos in Nonlinear DEs April 30, 2019 Math 333 p. 71 in Chaos: Making a New Science by James Gleick Adding a dimension adds new possible layers of complexity in the phase space of
Bardziej szczegółowoEmilka szuka swojej gwiazdy / Emily Climbs (Emily, #2)
Emilka szuka swojej gwiazdy / Emily Climbs (Emily, #2) Click here if your download doesn"t start automatically Emilka szuka swojej gwiazdy / Emily Climbs (Emily, #2) Emilka szuka swojej gwiazdy / Emily
Bardziej szczegółowoFaculty: Management and Finance. Management
Faculty: Management and Finance The name of field of study: Management Type of subject: basic Supervisor: prof. nadzw. dr hab. Anna Antczak-Barzan Studies level (BSc or MA): bachelor studies Type of studies:
Bardziej szczegółowoThe Overview of Civilian Applications of Airborne SAR Systems
The Overview of Civilian Applications of Airborne SAR Systems Maciej Smolarczyk, Piotr Samczyński Andrzej Gadoś, Maj Mordzonek Research and Development Department of PIT S.A. PART I WHAT DOES SAR MEAN?
Bardziej szczegółowoPublikacje pracowników Katedry Informatyki w latach 2008-2010 z afiliacją Uniwersytetu Rzeszowskiego
Publikacje pracowników Katedry Informatyki w latach 2008-2010 z afiliacją Uniwersytetu Rzeszowskiego (nazwiska pracowników Katedry Informatyki zostały wytłuszczone, kolejność według nazwisk pracowników
Bardziej szczegółowoPLAN STUDIÓW Wydział Elektroniki, Telekomunikacji i Informatyki, Wydział Zarządzania i Ekonomii Inżynieria danych
WYDZIAŁ: KIERUNEK: poziom kształcenia: profil: forma studiów: Lp. O/F kod modułu/ przedmiotu* SEMESTR 1 1 O PG_00045356 Business law 2 O PG_00045290 Basics of computer programming 3 O PG_00045352 Linear
Bardziej szczegółowoPROJECT. Syllabus for course Negotiations. on the study program: Management
Poznań, 2012, September 20th Doctor Anna Scheibe adiunct in the Department of Economic Sciences PROJECT Syllabus for course Negotiations on the study program: Management I. General information 1. Name
Bardziej szczegółowoMetodyki projektowania i modelowania systemów Cyganek & Kasperek & Rajda 2013 Katedra Elektroniki AGH
Kierunek Elektronika i Telekomunikacja, Studia II stopnia Specjalność: Systemy wbudowane Metodyki projektowania i modelowania systemów Cyganek & Kasperek & Rajda 2013 Katedra Elektroniki AGH Zagadnienia
Bardziej szczegółowoXXIII Konferencja Naukowa POJAZDY SZYNOWE 2018
XXIII Konferencja Naukowa POJAZDY SZYNOWE 2018 Abstract Application of longitudinal dynamics of the train in the simulator of catenary maintenance vehicles - experimental and numerical tests Robert Konowrocki
Bardziej szczegółowoWybrane problemy zarządzania wiedzą
Zakład Zaawansowanych Technik Informacyjnych (Z-6) Wybrane problemy zarządzania wiedzą Zadanie nr 2 Metody wnioskowania na użytek zarządzania wiedzą z uwzględnieniem aspektów temporalnych Praca nr 06300017
Bardziej szczegółowoWydział Informtyki i Nauki o Materiałach Kierunek Informatyka
Wydział Informtyki i Nauki o Materiałach Kierunek Informatyka studia drugiego stopnia studia stacjonarne od roku akademickiego 2015/2016 Załącznik 3 A GRUPA TREŚCI PODSTAWOWYCH - BASIC MODULES 1 0 0 RAZEM
Bardziej szczegółowoAnkiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl. magda.szewczyk@slo-wroc.pl. Twoje konto Wyloguj. BIODIVERSITY OF RIVERS: Survey to teachers
1 z 7 2015-05-14 18:32 Ankiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl Back Twoje konto Wyloguj magda.szewczyk@slo-wroc.pl BIODIVERSITY OF RIVERS: Survey to teachers Tworzenie ankiety Udostępnianie
Bardziej szczegółowoLatent Dirichlet Allocation Models and their Evaluation IT for Practice 2016
Latent Dirichlet Allocation Models and their Evaluation IT for Practice 2016 Paweł Lula Cracow University of Economics, Poland pawel.lula@uek.krakow.pl Latent Dirichlet Allocation (LDA) Documents Latent
Bardziej szczegółowoForested areas in Cracow ( ) evaluation of changes based on satellite images 1 / 31 O
Forested areas in Cracow (1985-2017) evaluation of changes based on satellite images Obszary leśne w Krakowie (1985-2017) szacowanie zmian na podstawie zobrazowań satelitarnych Cracow University of Technology
Bardziej szczegółowoWojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition)
Wojewodztwo Koszalinskie: Obiekty i walory krajoznawcze (Inwentaryzacja krajoznawcza Polski) (Polish Edition) Robert Respondowski Click here if your download doesn"t start automatically Wojewodztwo Koszalinskie:
Bardziej szczegółowoUSB firmware changing guide. Zmiana oprogramowania za przy użyciu połączenia USB. Changelog / Lista Zmian
1 / 9 Content list / Spis Treści 1. Hardware and software requirements, preparing device to upgrade Wymagania sprzętowe i programowe, przygotowanie urządzenia do aktualizacji 2. Installing drivers and
Bardziej szczegółowoZASTOSOWANIA METOD INTELIGENTNYCH W AKUSTYCE
MODELOWANIE INŻYNIERSKIE ISNN 1896-771X 32, s. 273-280, Gliwice 2006 ZASTOSOWANIA METOD INTELIGENTNYCH W AKUSTYCE BOŻENA KOSTEK Katedra Systemów Multimedialnych, Politechnika Gdańska Streszczenie. Celem
Bardziej szczegółowoPROJECT. Syllabus for course Global Marketing. on the study program: Management
Poznań, 2012, September 20th Doctor Anna Scheibe adiunct in the Department of Economic Sciences PROJECT Syllabus for course Global Marketing on the study program: Management I. General information 1. Name
Bardziej szczegółowoCzy OMS Log Analytics potrafi mi pomóc?
"OMS, czyli Oh My Server..." Czy OMS Log Analytics potrafi mi pomóc? Łukasz Rutkowski MVP Reconnect, Senior Cloud Architect You won t find a better SCOM and OMS guy there, believe me, trust me. I m an
Bardziej szczegółowoSargent Opens Sonairte Farmers' Market
Sargent Opens Sonairte Farmers' Market 31 March, 2008 1V8VIZSV7EVKIRX8(1MRMWXIVSJ7XEXIEXXLI(ITEVXQIRXSJ%KVMGYPXYVI *MWLIVMIWERH*SSHTIVJSVQIHXLISJJMGMEPSTIRMRKSJXLI7SREMVXI*EVQIVW 1EVOIXMR0E]XS[R'S1IEXL
Bardziej szczegółowooceny moralne dylematy moralne teoria podstaw moralno ci diadyczna teoria moralno ci potocznej
Psychologia Spo eczna 2016 tom 11 4 (39) strony 388 398 Katedra Psychologii Spo ecznej, SWPS Uniwersytet Humanistycznospo eczny, Wydzia Zamiejscowy w Sopocie oceny moralne dylematy moralne teoria podstaw
Bardziej szczegółowoOpisy przedmiotów do wyboru
Opisy przedmiotów do wyboru moduły specjalistyczne oferowane na stacjonarnych studiach II stopnia (magisterskich) dla 2 roku matematyki semestr letni, rok akademicki 2017/2018 Spis treści 1. Data mining
Bardziej szczegółowoAnkiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl. magda.szewczyk@slo-wroc.pl. Twoje konto Wyloguj. BIODIVERSITY OF RIVERS: Survey to students
Ankiety Nowe funkcje! Pomoc magda.szewczyk@slo-wroc.pl Back Twoje konto Wyloguj magda.szewczyk@slo-wroc.pl BIODIVERSITY OF RIVERS: Survey to students Tworzenie ankiety Udostępnianie Analiza (55) Wyniki
Bardziej szczegółowoSystemy informacyjne nad grafami ontologicznymi
Systemy informacyjne nad grafami ontologicznymi Krzysztof Pancerz Wyższa Szkoła Zarządzania i Administracji w Zamościu Wyższa Szkoła Informatyki i Zarządzania w Rzeszowie Seminarium Zakładu Inteligentnych
Bardziej szczegółowoHelena Boguta, klasa 8W, rok szkolny 2018/2019
Poniższy zbiór zadań został wykonany w ramach projektu Mazowiecki program stypendialny dla uczniów szczególnie uzdolnionych - najlepsza inwestycja w człowieka w roku szkolnym 2018/2019. Składają się na
Bardziej szczegółowoOSI Network Layer. Network Fundamentals Chapter 5. Version Cisco Systems, Inc. All rights reserved. Cisco Public 1
OSI Network Layer Network Fundamentals Chapter 5 Version 4.0 1 OSI Network Layer Network Fundamentals Rozdział 5 Version 4.0 2 Objectives Identify the role of the Network Layer, as it describes communication
Bardziej szczegółowoLEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów
LEMRG algorytm generowania pokoleń reguł decyzji dla baz danych z dużą liczbą atrybutów Łukasz Piątek, Jerzy W. Grzymała-Busse Katedra Systemów Ekspertowych i Sztucznej Inteligencji, Wydział Informatyki
Bardziej szczegółowoTowards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application
Towards Stability Analysis of Data Transport Mechanisms: a Fluid Model and an Application Gayane Vardoyan *, C. V. Hollot, Don Towsley* * College of Information and Computer Sciences, Department of Electrical
Bardziej szczegółowoRoughICE. Narzędzie informatyczne do konstruowania klasyfikatorów dla złożonych pojęć przy wykorzystaniu zbiorów danych i wiedzy dziedzinowej.
RoughICE Narzędzie informatyczne do konstruowania klasyfikatorów dla złożonych pojęć przy wykorzystaniu zbiorów danych i wiedzy dziedzinowej. Jan G. Bazan Katedra Informatyki Uniwersytetu Rzeszowskiego
Bardziej szczegółowoWYZWANIA RAPORTOWANIA ZINTEGROWANEGO RAPORTOWANIE NIEFINANSOWE W POLSCE
WYZWANIA RAPORTOWANIA ZINTEGROWANEGO RAPORTOWANIE NIEFINANSOWE W POLSCE Richard Howitt CEO International Integrated Reporting Council Zintegrowane Raportowanie w Polsce International Integrated Reporting
Bardziej szczegółowoInstallation of EuroCert software for qualified electronic signature
Installation of EuroCert software for qualified electronic signature for Microsoft Windows systems Warsaw 28.08.2019 Content 1. Downloading and running the software for the e-signature... 3 a) Installer
Bardziej szczegółowoMiedzy legenda a historia: Szlakiem piastowskim z Poznania do Gniezna (Biblioteka Kroniki Wielkopolski) (Polish Edition)
Miedzy legenda a historia: Szlakiem piastowskim z Poznania do Gniezna (Biblioteka Kroniki Wielkopolski) (Polish Edition) Piotr Maluskiewicz Click here if your download doesn"t start automatically Miedzy
Bardziej szczegółowoDM-ML, DM-FL. Auxiliary Equipment and Accessories. Damper Drives. Dimensions. Descritpion
DM-ML, DM-FL Descritpion DM-ML and DM-FL actuators are designed for driving round dampers and square multi-blade dampers. Example identification Product code: DM-FL-5-2 voltage Dimensions DM-ML-6 DM-ML-8
Bardziej szczegółowoMetody zbiorów przybliżonych w uczeniu się podobieństwa z wielowymiarowych zbiorów danych
Metody zbiorów przybliżonych w uczeniu się podobieństwa z wielowymiarowych zbiorów danych WMIM, Uniwersytet Warszawski ul. Banacha 2, 02-097 Warszawa, Polska andrzejanusz@gmail.com 13.06.2013 Dlaczego
Bardziej szczegółowoALA MA KOTA PRESCHOOL URSYNÓW WARSAW POLAND
ALA MA KOTA PRESCHOOL URSYNÓW WARSAW POLAND Ala ma kota is a network of non-public education preschools which are entered into the register of non-public schools and institutions of the Capital City of
Bardziej szczegółowoWojciech Jaśkowski. 6 marca 2014
Instytut Informatyki, Politechnika Poznańska 6 marca 2014 Prowadzący dr inż., wojciech.jaskowski@cs.put.poznan.pl, p. 1.6.1 (tel. 3020) Plan ramowy Daty: 7.03, 14.03, 21.03, 28.03, 4.04, 11.04, [Wielkanoc],
Bardziej szczegółowoPrzedmioty do wyboru oferowane na stacjonarnych studiach II stopnia (magisterskich) dla II roku w roku akademickim 2015/2016
Przedmioty do wyboru oferowane na stacjonarnych studiach II stopnia (magisterskich) dla II roku w roku akademickim 2015/2016 Przedmioty do wyboru oferowane na semestr IV - letni (I rok) Prowadzący Przedmiot
Bardziej szczegółowoZastosowania metod analitycznej złożoności obliczeniowej do przetwarzania sygnałów cyfrowych oraz w metodach numerycznych teorii aproksymacji
Zastosowania metod analitycznej złożoności obliczeniowej do przetwarzania sygnałów cyfrowych oraz w metodach numerycznych teorii aproksymacji Marek A. Kowalski Uniwersytet Kardynała Stefana Wyszyńskiego
Bardziej szczegółowoLogika rozmyta typu 2
Logika rozmyta typu 2 Zbiory rozmyte Funkcja przynależności Interwałowe zbiory rozmyte Funkcje przynależności przedziałów Zastosowanie.9.5 Francuz Polak Niemiec Arytmetyka przedziałów Operacje zbiorowe
Bardziej szczegółowoElectromagnetism Q =) E I =) B E B. ! Q! I B t =) E E t =) B. 05/06/2018 Physics 0
lectromagnetism lectromagnetic interaction is one of four fundamental interactions in Nature. lectromagnetism is the theory of electromagnetic interactions or of electromagnetic forces. lectric charge
Bardziej szczegółowoAdrian Horzyk
Sztuczne Systemy Skojarzeniowe SSS Asocjacyjne grafowe struktury danych AGDS Associative Graph Data Structure Adrian Horzyk horzyk@agh.edu.pl AGH Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki,
Bardziej szczegółowo