Analiza wielokryterialna wiedzy reprezentowanej ontologicznie
|
|
- Judyta Agata Owczarek
- 5 lat temu
- Przeglądów:
Transkrypt
1 Analiza wielokryterialna wiedzy reprezentowanej ontologicznie Zastosowanie metod analizy semantycznej do zwiększenia efektywności wykorzystania gridu Studia Doktoranckie IBS PAN Techniki informacyjne - teoria i zastosowania
2 Zakres i cel pracy Zadanie badawcze Zaproponowanie metod wspomagających użytkownika przy efektywnym wykorzystywaniu zasobów gridu z zastosowanie agentów programowych, ontologicznej reprezentacji wiedzy oraz wielokryterialnej oceny przy podejmowaniu decyzji. Cele badawcze 1 Opracowanie metody reprezentacji wiedzy dziedzinowej opartej na ontologii. 2 Zastosowanie analizy wielokryterialnej do wsparcia użytkownika przy definiowaniu zadania oraz w określaniu ograniczeń dotyczących wymaganego zasobu. 3 Wsparcie użytkownika przy wyborze optymalnej oferty (kontraktu) określającej warunki wykonania zadania.
3 Motywacja Grid jako narzędzie do rozwiązywania problemów obliczeniowych dużej skali Problemy z wykorzystaniem udostępnionych zasobów: luka w komunikacji pomiędzy twórcami narzędzi a użytkownikami ciągłe wykorzystywanie jednej metody / algorytmu / biblioteki do rozwiązania danego problemu Integracja gridu z biznesem Zastosowanie ontologii oraz agentów programowych w celu dostarczenia inteligentnej infrastruktury Wsparcie użytkownika o małej wiedzy technicznej w jego współdziałaniu z gridem - jak wybrać odpowiednie narzędzie do rozwiązania problemu? Mechanizmy integrujące z warstwą ekonomiczną
4 Kontekst Agents in Grid inteligentne zarządzanie zasobami udostępnianymi w gridzie z wykorzystaniem agentów programowych oraz semantycznego przetwarzania danych. Scenariusz: wyszukiwanie zasobu do wykonania zadania Założenia: grid jako środowisko otwarte, do którego może się przyłączyć dowolny zasób, wszyscy użytkownicy oraz udostępnione zasoby reprezentowane są przez agenty programowe, agenty działają w zespołach reprezentowanych przez liderów, użytkownik ma do wykonania zadanie obliczeniowe, do którego chce wykorzystać zasób dostępny na gridzie, użytkownik ma wiedzę dotyczącą problemu oraz posiada ogólną wiedzę na temat metody, natomiast nie jest pewien, które narzędzie oraz konfiguracja zasobu będzie optymalna.
5 Kontekst Agents in Grid inteligentne zarządzanie zasobami udostępnianymi w gridzie z wykorzystaniem agentów programowych oraz semantycznego przetwarzania danych. Scenariusz: wyszukiwanie zasobu do wykonania zadania Założenia: grid jako środowisko otwarte, do którego może się przyłączyć dowolny zasób, wszyscy użytkownicy oraz udostępnione zasoby reprezentowane są przez agenty programowe, agenty działają w zespołach reprezentowanych przez liderów, użytkownik ma do wykonania zadanie obliczeniowe, do którego chce wykorzystać zasób dostępny na gridzie, użytkownik ma wiedzę dotyczącą problemu oraz posiada ogólną wiedzę na temat metody, natomiast nie jest pewien, które narzędzie oraz konfiguracja zasobu będzie optymalna.
6 Kontekst Agents in Grid inteligentne zarządzanie zasobami udostępnianymi w gridzie z wykorzystaniem agentów programowych oraz semantycznego przetwarzania danych. Scenariusz: wyszukiwanie zasobu do wykonania zadania Założenia: grid jako środowisko otwarte, do którego może się przyłączyć dowolny zasób, wszyscy użytkownicy oraz udostępnione zasoby reprezentowane są przez agenty programowe, agenty działają w zespołach reprezentowanych przez liderów, użytkownik ma do wykonania zadanie obliczeniowe, do którego chce wykorzystać zasób dostępny na gridzie, użytkownik ma wiedzę dotyczącą problemu oraz posiada ogólną wiedzę na temat metody, natomiast nie jest pewien, które narzędzie oraz konfiguracja zasobu będzie optymalna.
7 Kontekst Agents in Grid inteligentne zarządzanie zasobami udostępnianymi w gridzie z wykorzystaniem agentów programowych oraz semantycznego przetwarzania danych. Scenariusz: wyszukiwanie zasobu do wykonania zadania Założenia: grid jako środowisko otwarte, do którego może się przyłączyć dowolny zasób, wszyscy użytkownicy oraz udostępnione zasoby reprezentowane są przez agenty programowe, agenty działają w zespołach reprezentowanych przez liderów, użytkownik ma do wykonania zadanie obliczeniowe, do którego chce wykorzystać zasób dostępny na gridzie, użytkownik ma wiedzę dotyczącą problemu oraz posiada ogólną wiedzę na temat metody, natomiast nie jest pewien, które narzędzie oraz konfiguracja zasobu będzie optymalna.
8 Kontekst Agents in Grid inteligentne zarządzanie zasobami udostępnianymi w gridzie z wykorzystaniem agentów programowych oraz semantycznego przetwarzania danych. Scenariusz: wyszukiwanie zasobu do wykonania zadania Założenia: grid jako środowisko otwarte, do którego może się przyłączyć dowolny zasób, wszyscy użytkownicy oraz udostępnione zasoby reprezentowane są przez agenty programowe, agenty działają w zespołach reprezentowanych przez liderów, użytkownik ma do wykonania zadanie obliczeniowe, do którego chce wykorzystać zasób dostępny na gridzie, użytkownik ma wiedzę dotyczącą problemu oraz posiada ogólną wiedzę na temat metody, natomiast nie jest pewien, które narzędzie oraz konfiguracja zasobu będzie optymalna.
9 Przykładowy scenariusz Krok 1 Użytkownik szuka zasobu o wskazanej konfiguracji (np. dostępna pamięć większa niż 1024MB) do rozwiązania zadania z jego dziedziny (np. znalezienie najmniejszej wartości własnej dla macierzy symetrycznej). użytkownik definiuje problem / własności danych /konfigurację zasobu zgodnie ze swoim stanem wiedzy (różny poziom szczegółowości) wielokryterialna ocena poprawności wymagań użytkownika Krok 2 Użytkownik chce określić warunki współpracy z dostawcą zasobu. wielokryterialna ocena ofert kontraktów otrzymanych w wyniku negocjacji
10 Wspomaganie użytkownika w ramach AiG I Wyszukiwanie zasobu do wykonania zadania 1 Użytkownik wprowadza wymagania dotyczące zasobu oraz zadania. 2 Agent użytkownika przeszukuje repozytorium z wiedzą ekspercką i wybiera pasujące opinie eksperckie (analiza wielokryterialna). 3 Bazując na opiniach eksperckich można wyróźnić trzy sytuacje: 1 użytkownik prawidłowo i w pełni zdefiniował zadanie i konfigurację zasobów (bez zmian) 2 można precyzyjniej określić metodę rozwiązania i/lub optymalną konfigurację zasobów (rozszerzenie/modyfikacja) 3 wiedza ekspercka wskazuje na to, że należałoby zastosować inną metodę i/lub inaczej skonfigurować zasoby (wskazanie alternatyw) 4 Użytkownik akceptuje lub odrzuca zmodyfikowane wymagania.
11 Wspomaganie użytkownika w ramach AiG II Wyszukiwanie zasobu do wykonania zadania 5 Agent użytkownika odpytuje system, o zarejestrowane zespoły, które posiadają zasób o wskazanej konfiguracji. 6 Użytkownik wprowadza wymagania dotyczące kontraktu. 7 Agent użytkownika przystępuje do negocjacji z wybranymi liderami zespołów. 8 Agent użytkownika wybiera optymalną ofertę kontraktu (analiza wielokryterialna). 9 Następuje etap przesłania i wykonania zadania.
12 Wiedza ekspercka Ontologia Formalna, jawna specyfikacja współdzielonej konceptualizacji. Ontologię specyfikuje się używając następujących konstruktów: pojęcia opisujące elementy dziedziny, własności opisujące cechy poszczególnych pojęć, ograniczenia nałożone na wartości, jakie mogą przyjmować cechy danego pojęcia, związki miedzy pojęciami i aksjomaty (np. używając aksjonamtu subclass można wskazać, że klasa sparsesymmetricmatrix jest podklasą klasy SymmetricMatrix).
13 Ontologia dziedzinowa I Podstawowe pojęcia - model koncepcyjny Domain - identyfikuje dziedzinę wiedzy Problem - hierarchia problemów
14 Ontologia dziedzinowa II Podstawowe pojęcia - model koncepcyjny Algorithm - hierarchia algorytmów / metod, które można wykorzystać do rozwiązania problemów Data Element - typ danych, które stanowią wejście dla algorytmów Data Property - hierarchia własności danych wejściowych; dla dziedziny obliczeniowej algebry liniowej własności są podklasami Matrix Property lub Matrix Element Property Domain Expert - eksperci (ludzi bądź systemy), którzy wprowadzają do systemu opinie (rekomendacje) w ramach przypisanych do nich dziedzin Job Profile - profil zadania stanowiący powiązanie instancji klas Problem, Algorithm, Data Element, Expert Opinion Expert Opinion - opinie eksperckie wiążące instancje klasy Domain Expert oraz Grid Entity
15 Ontologia dziedzinowa III Podstawowe pojęcia - model koncepcyjny Testowe zastosowanie dla dziedziny: obliczeniowa algebra liniowa W ontologii OWL można wyróźnić: T-Box (terminologia - syntaktyka) model koncepcyjny tj. aksjomaty definiujące i opisujące pojęcia A-Box (asercje - semantyka) zawiera asercje dotyczące instancji A-Box + T-Box = baza wiedzy
16 Ontologia dziedzinowa IV Podstawowe pojęcia - model koncepcyjny
17 Wsparcie przy wyborze zasobu I Definiowanie wstępnych wymagań Profil zadania ograniczenia na kombinację problemu, algorytmu, oraz własności danych wejściowych, ew. konfiguracji zasobu. Kluczowy element przy wyszukiwaniu opinii eksperckiej. Opinie ekspertów powinny zostać zagregowane i skonfrontowane z tym co określił użytkownik. Można wyróżnić dwie sytuacje: 1 użytkownik niedookreślił tego co chce zrobić 2 użytkownik zaproponował sformułowanie zagadnienia, które nie jest optymalne
18 Wsparcie przy wyborze zasobu II
19 Wsparcie przy wyborze zasobu III Opinie eksperckie Opinie eksperckie wyrażone są semantycznie co pozwala na ich reprezentację w postaci drzewa. < owl:namedindividual rdf:about =" AiGExpInst ; eigenvaluejobprofile " > < rdf:type rdf:resource =" AiGExpOnto ; JobProfile "/ > < AiGExpOnto:forProblem rdf:resource =" AiGExpInst ; smallesteigenvalueproblem "/ > < AiGExpOnto:forMatrix rdf:resource =" AiGExpInst ; sparsesymmetricmatrix "/ > < AiGExpOnto:hasAlgorithm rdf:resource =" AiGExpInst ; eigensolverjacobimethod "/ > < AiGExpOnto:hasexpertOpinion rdf:resource =" AiGExpInst ; Opinion1ForEigenvalueProblem "/ > </ owl:namedindividual > < owl:namedindividual rdf:about =" AiGExpInst ; Opinion1ForEigenvalueProblem " > < rdf:type rdf:resource =" AiGExpOnto ; ExpertOpinion "/ > < AiGExpOnto:hasExpert rdf:resource =" AiGExpInst ; HPCExpert1 "/ >
20 Wsparcie przy wyborze zasobu IV < AiGExpOnto:hasRecommendedResource rdf:resource =" AiGExpInst ; computingelement "/ > < AiGExpOnto:forJobProfile rdf:resource =" AiGExpInst ; eigenvaluejobprofile "/ > </ owl:namedindividual > < owl:namedindividual rdf:about =" AiGExpInst ; computingelement " > < rdf:type rdf:resource =" AiGExpInst ; DefinedCompElement "/ > </ owl:namedindividual >
21 Wsparcie przy wyborze zasobu V
22 Wsparcie przy wyborze zasobu VI Analiza wielokryterialna Powinna pozwolić na wybranie zagregowanej opinii wyrażającej pogląd na temat tego jaki zasób byłby najlepszy dla wykonania zadania. wielu ekspertów (decydentów), którzy mogą mieć różne wagi wiele kryteriów ilościowych i jakościowych, które mogą mieć wagi istotnościowe możliwość naturalnego / prostego uwzględnienia drzewiastej struktury kryteriów ograniczenia na kryteria mogą stanowić konkretne wartości lub przedziały
23 Wsparcie przy wyborze zasobu Rekomendacje Wynik Maksymalnie precyzyjne określenie tego, jakie zasoby (sprzęt i oprogramowanie) są potrzebne aby rozwiązać zadanie oraz ewentualnie zasugerowanie metody rozwiązania problemu. W tej sytuacji może okazać się, że: 1 użytkownik prawidłowo i w pełni zdefiniował zadanie i konfigurację zasobów (bez zmian), 2 wiedza ekspercka wskazuje na to, że można precyzyjniej określić metodę rozwiązania i/lub optymalną konfigurację zasobów (rozszerzenie / modyfikacja), 3 wiedza ekspercka wskazuje na to, że należałoby zastosować inną metodę i/lub inaczej skonfigurować zasoby (wskazanie alternatyw).
24 Wsparcie przy wyborze kontraktu I Definiowanie wstępnych wymagań W tym przypadku jeden ekspert (agent reprezentujący użytkownika), wybiera najlepszą ofertę kontraktu spośród otrzymanych ofert (lub stwierdza, że żadna z otrzymanych ofert nie jest dostatecznie dobra ). Struktura problemu decyzyjnego generowana jest na podstawie wymagań użytkownika.
25 Wsparcie przy wyborze kontraktu II
26 Wsparcie przy wyborze kontraktu III Wymagania oraz oferty kontraktów wyrażone są semantycznie co pozwala na ich reprezentację w postaci drzewa.
27 Wsparcie przy wyborze kontraktu IV Analiza wielokryterialna jeden ekspert wiele kryteriów ilościowych i jakościowych, które mogą mieć wagi istotnościowe możliwość naturalnego / prostego uwzględnienia drzewiastej struktury kryteriów
28 Metody analizy wielokryterialnej Analytical Hierarchy Process (AHP; Thomas Saaty, 1970+) PROMETHEE (B. Mareschal, J. P. Brans, C. Macharis, 1998) Technique for Order Preference by Similarity to Ideal Solution (TOPSIS; H.-S. Shih, H.-J. Shyur, E. S. Lee, 2008) i Ontological Matchmaking
29 Analytical Hierarchy Process (AHP) AHP analiza wielokryterialna w przypadku złożonego problemu z licznymi, antagonistycznymi oraz podlegającymi subiektywnej ocenie kryteriami (o hierarchicznej strukturze), wspierająca analizę skończonej ilości wariantów (alternatyw) przez wielu ekspertów; możliwość oceny poziomu spójności dla wyrażonych preferencji.
30 Wsparcie przy wyborze zasobu I AHP 1 Wybór kryteriów. C 1,..., C M zbiór kryteriów służących do oceny wariantów 2 Wybór ekspertów. E = {e i } i=1,...,k zbiór ekspertów 3 Numeryczna ocena i stworzenie rankingu wariantów. Tworzenie hierarchicznej struktury problemu decyzyjnego.
31 Wsparcie przy wyborze zasobu II AHP Definicja preferencji oraz obliczanie ocen ważności dla wszystkich elementów hierarchii. 1 c c 1m c c 2m (1) c m1 c m2... c mm
32 Wsparcie przy wyborze zasobu III AHP c ij = 1 c ji, c ii = 1 oceny ważności kryteriów z danego poziomu względem rodzica to współczynniki znormalizowanego wektora własnego c dla maksymalnej wartości własnej λ max (posiadającej wektor własny c z dodatnimi współczynnikami c i > 0, i = 1,..., m) c i = c i m c, i=1 i m c i = 1 hascpu hasmemory isrunningos 1 hascpu hasmemory isrunningos 1 3 i= lokalne wagi: hascpu 0.2, hasmemory 0.68, isrunningos 0.12 hasclockspeed hascores 1 hasclockspeed 1 3 hascores 3 1
33 Wsparcie przy wyborze zasobu IV AHP lokalne wagi: hasclockspeed 0.25, hascores 0.75 hastotalsize hasavailablesize 1 hastotalsize 1 7 hasavailablesize 7 1 lokalne wagi: hastotalsize 0.12, hasavailablesize 0.88 oceny wyliczone na każdym poziomie są wykorzystywane do wyliczenia ważonych ocen na poziomie bezpośrednio pod danym elementem - globalne oceny ważności dla każdego c i, i = 1,..., M c hasclockspeed = c computingelement c CPU c hasclockspeed = c hascores = c computingelement c CPU c hascores = c hastotalsize = c computingelement c Memory c hastotalsize = c hasavailablesize = c computingelement c Memory c hasavailablesize = 0.3 c isrunningos = c computingelement c isrunningos = 0.06 c hasalgorithm = c JobProfile c hasalgorithm = 0.5 Badania spójności macierzy preferencji. Wyznaczenie ocen ważności dla ekspertów.
34 Wsparcie przy wyborze zasobu V AHP HPCExpert1 HPCExpert2 HPCExpert3 1 HPCExpert HPCExpert HPCExpert wagi: HPCExpert1 0.28, HPCExpert2 0.07, HPCExpert Tworzenie rankingu końcowego. macierz ocen, gdzie xij n, i = 1,..., M, j = 1,..., K oceną n-tego wariantu przez j-tego eksperta (o ważności w j, j = 1,..., K) mając na uwadze i-te kryterium e 1 e 2... e K C 1 x n 11 x n x n 1K C 2 x n 21 x n x n 2K C M x n M1 x n M2... x n MK
35 Wsparcie przy wyborze zasobu VI AHP Ocena M n n-ego wariantu jest wyliczana jako: M n = M K (c i xij n w j ) i=1 j=1
36 Wsparcie przy wyborze zasobu VII AHP Alternatywa 1 HPCExpert1 HPCExpert2 HPCExpert3 hasclockspeed hascores hastotalsize hasavailablesize isrunningos hasalgorithm M 1 = ( ) ( ( 1) ( 1)) +... = 1.3 Alternatywa 2 HPCExpert1 HPCExpert2 HPCExpert3 hasclockspeed hascores hastotalsize hasavailablesize isrunningos hasalgorithm 3 1 3
37 Wsparcie przy wyborze zasobu VIII AHP Alternatywa 3 HPCExpert1 HPCExpert2 HPCExpert3 hasclockspeed hascores hastotalsize hasavailablesize isrunningos hasalgorithm M 2 = 2.87, M 3 = 4.2
38 Podsumowanie - AHP popularna metoda uwzględniająca wielu decydentów oraz kryteria ilościowe i jakościowe agregacja możliwa na poziomie wyrażania preferencji odnośnie kryteriów oraz ocen dla alternatyw hierarchiczna struktura problemu decyzyjnego - intuicyjna dekompozycja problemu skala werbalna pozwalająca ocenę wartości dla kryteriów ilościowych i jakościowych metoda sprawdzania spójności preferencji wprowadzonych przez użytkownika / eksperta problem rank reversal krytyka odnośnie naukowości metody
39 PROMETHEE I Metoda do grupowego podejmowania decyzji z grupy Outranking methods. Kroki obejmują: 1 Wybór decydentów E = {e r } r=1,...,r 2 Wybór kryteriów C 1,..., C M (wspólnych oraz indywidualnych dla danego decyndenta) 3 Konstrukcja tabeli ewaluacji (evaluation table) - wartości f i (.) wyrażone numerycznie w odpowiednich jednostkach C i hasclockspeed hascores hastotalsize... w i f i (.) f 1 (.) f 2 (.) f 3 (.)... a f 1 (a) f 2 (a) f 3 (a)... b f 1 (b) f 2 (b) f 3 (b)... 4 Ocena alternatyw przez każdego z decydentów
40 PROMETHEE II wyznaczenie wag kryteriów oraz minimalizacja/maksymalizacja w1 r, w 2 r,..., w M r, M i=1 w i r = 1 przypisanie funkcji preferencji do kryteriów P i (a, b) = G i (f i (a) f i (b)), i = 1,..., M - porównania parami G i - niemalejąca funkcja wyrażająca odchylenie pomiędzy f i (a), f i (b) ustalenie indywidualnego rankingu alternatyw π r (a, b) = M i=1 P i(a, b)wi r φ +r (a) = x A πr (a, x) - moc alternatywy a φ r (a) = x A πr (x, a) - słabość alternatywy a φ r (a) = φ +r (a) φ r (a) - net flow alternatywy a 5 Wyznaczenie globalnego rozwiązania wagi ekspertów ω 1, ω 2,..., ω r,..., ω R, R r=1 ω r = 1 ustalenie globalnego rankingu alternatyw Φ G (a) = R r=1 φr (a)ω r
41 Podsumowanie - PROMETHEE metoda zaprojektowana do grupowego podejmowania decyzji nie wykorzystywany jest fakt, że dane są reprezentowane ontologicznie wagi dla wszystkich kryteriów wyznaczanie są bezpośrednio - problem nie jest dekomponowany
42 TOPSIS + Dopasowanie ontologiczne I Technique for order preference by similarity to ideal solution Metoda bazująca na wyznaczeniu idealnej (PIS) oraz anty-idealnej (NIS) alternatywy (najlepsza oraz najgorsza oferta). Celem jest wybranie alternatywy najbliżej idealnej oraz najdalszej od alternatywy negatywnie idealnej. Alternatywa idealna (PIS) wybór zasobu - alternatywy danego eksperta wybór kontraktu - oferta z najlepszymi otrzymanymi wartościami Alternatywa anty-idealna (NIS) wybór zasobu - wprowadzona przez danego eksperta wybór kontraktu - oferta z najgorszymi otrzymanymi wartościami
43 TOPSIS + Dopasowanie ontologiczne II Dopasowanie ontologiczne Wyznaczanie odległości pomiędzy ontologicznie wyrażonymi alternatywami (instancjami), gdzie ontologia jest reprezentowana w postaci grafu. Odległości jest liczona w dwóch etapach: 1 dystans pomiędzy pojęciami w modelu koncepcyjnym - opcjonalnie definiowany przez ekspertów, 2 dystans semantyczny pomiędzy instancjami - skalowanie dystansów eksperckich wartościami wprowadzonymi przez użytkownika.
44 TOPSIS + Dopasowanie ontologiczne I Grupowa decyzja S i + Si Ci = S i S + i +S i - odległość i tej alternatywy od alternatywy idealnej - odległość i tej alternatywy od alternatywy anty-idealnej - odległość od alternatywy idealnej Grupowe podejmowanie decyzji: Kroki: Agregacja zewnętrzna - operacje na wyznaczonych wagach i ocenach poza procedurą TOPSIS Agregacja wewnętrzna - agregacja indywidualnych preferencji w ramach TOPSIS 1 Dla każdego k ego eksperta wyznaczamy PIS V k+ i NIS V k 2 Dla każdego eksperta liczymy odległość i ej alternatywy od PIS Si k+ i NIS Si k
45 TOPSIS + Dopasowanie ontologiczne II Grupowa decyzja 3 Dla grupy liczymy zagregowaną odległość i ej alternatywy od PIS S i + = Si Si K+ i NIS Si = Si 1... Si K 4 Dla grupy liczymy odległość i ej alternatywy od idealnej Ci = S i S + i +S i 5 Wybieramy alternatywę o maksymalnej C i
46 Podsumowanie - TOPSIS + dopasowanie ontologiczne globalna alternatywa idealna i negatywnie idealna wyznaczana na podstawie zagregowanych alternatyw ekspertów metoda dopasowania ontologicznego jest wygodna gdy informacje są reprezentowane ontologicznie nieznaczny problem rank reversal w porównaniu do innych metod eksperci poza opinią idealną powinni wprowadzić również negatywnie idealną eksperci powinni zdefiniować dystanse dla modelu koncepcyjnego nie ma możliwości sprawdzenia spójności wprowadzonych danych
47 Inne rozpatrywane metody I Generalized Regression with Intensities of Preference (GRIP) intuicyjna metoda wskazywania preferencji przez decydenta (holistyczne porównanie parami alternatyw referencyjnych) - częściowy porządek na podzbiorze alternatyw referencyjnych decydent wskazuje tylko preferencje, których jest pewny, nie musi oceniać wszystkich kombinacji alternatyw względem kryteriów budowanie modelu preferencji - zbiór liniowych ograniczeń wynik - necessary/possible relations na zbiorze alternatyw jak skonstruować zbiór alternatyw referencyjnych? wsparcie dla wielu decydentów?
48 Podsumowanie Problem dopasowania metody analizy wielokryterialnej do wiedzy reprezentowanej ontologicznie okazał się nietrywialny. Proponowane rozwiązanie poza wyborem najlepszej alternatywy powinno również uwzględniać: pomoc przy ulepszeniu specyfikacja wymagań, wybór spośród wielu alternatyw, które spełniają wymagania użytkownika. AHP wydaje być się metodą najlepiej dopasowaną natomiast wzbudza wiele kontrowersji. Dalsza praca ma na celu zidentyfikowanie oraz zastosowanie metody alternatywnej dla AHP.
49 Dziękuję
Wielokryterialne wspomaganie decyzji Redakcja naukowa Tadeusz Trzaskalik
Wielokryterialne wspomaganie decyzji Redakcja naukowa Tadeusz Trzaskalik W książce autorzy przedstawiają dyskretne problemy wielokryterialne, w których liczba rozpatrywanych przez decydenta wariantów decyzyjnych
Bardziej szczegółowoLOGISTYKA DYSTRYBUCJI II ćwiczenia 3 WYBÓR DOSTAWCY USŁUG WIELOKRYTERIALNE MODELE DECYZYJNE. AUTOR: dr inż. ROMAN DOMAŃSKI WYBÓR DOSTAWCY USŁUG
1 LOGISTYKA DYSTRYBUCJI II ćwiczenia 3 WIELOKRYTERIALNE MODELE DECYZYJNE AUTOR: dr inż. ROMAN DOMAŃSKI METODY OCENY I WYBORU DOSTAWCÓW 2 Wybór odpowiedniego dostawcy jest gwarantem niezawodności realizowanych
Bardziej szczegółowoWIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW
Uniwersytet Ekonomiczny we Wrocławiu WIELOKRYTERIALNE PORZĄDKOWANIE METODĄ PROMETHEE ODPORNE NA ZMIANY WAG KRYTERIÓW Wprowadzenie Wrażliwość wyników analizy wielokryterialnej na zmiany wag kryteriów, przy
Bardziej szczegółowoANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ. Joanna Bryndza
ANALIZA HIERARCHICZNA PROBLEMU W SZACOWANIU RYZYKA PROJEKTU INFORMATYCZNEGO METODĄ PUNKTOWĄ Joanna Bryndza Wprowadzenie Jednym z kluczowych problemów w szacowaniu poziomu ryzyka przedsięwzięcia informatycznego
Bardziej szczegółowoMetoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień.
Metoda analizy hierarchii Saaty ego Ważnym problemem podejmowania decyzji optymalizowanej jest często występująca hierarchiczność zagadnień. Istnieje wiele heurystycznych podejść do rozwiązania tego problemu,
Bardziej szczegółowoWIELOATRYBUTOWE PODEJMOWANIE DECYZJI: ANALYTIC HIERARCHY PROCESS
WIELOATRYBUTOWE PODEJMOWANIE DECYZJI: ANALYTIC HIERARCHY PROCESS 1.1. ISTOTA METODY AHP... 1 Rysunek 1. Etapy rozwiązywania problemów z pomocą AHP... 3 Rysunek 2. Hierarchia decyzyjna AHP... 4 Tabela 1.
Bardziej szczegółowoMATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH
MATEMATYCZNE METODY WSPOMAGANIA PROCESÓW DECYZYJNYCH 1. Przedmiot nie wymaga przedmiotów poprzedzających 2. Treść przedmiotu Proces i cykl decyzyjny. Rola modelowania matematycznego w procesach decyzyjnych.
Bardziej szczegółowoLOGISTYKA ZAOPATRZENIA PRODUKCJI. Katedra Systemów Logistycznych
LOGISTYKA ZAOPATRZENIA I PRODUKCJI Katedra Systemów Logistycznych ĆwICZENIA 6 wybór DOSTAwCY wybór ODPOwIEDNIEGO DOSTAwCY JEST GwARANTEm NIEZAwODNOśCI REALIZOwANYCh DOSTAw materiałów Metody oceny i wyboru
Bardziej szczegółowoMetody wielokryterialne. Tadeusz Trzaskalik
Metody wielokryterialne Tadeusz Trzaskalik 4.1. Wprowadzenie Słowa kluczowe Zadanie wielokryterialne Zadanie wielokryterialne programowania liniowego Przestrzeń decyzyjna Zbiór rozwiązań za dopuszczalnych
Bardziej szczegółowoO systemach D-Sight Charakterystyka
O systemach D-Sight Charakterystyka Systemy wspomagania podejmowania decyzji firmy D-Sight Nawet stosunkowo proste problemy decyzyjne wymagają wieloaspektowej (wielokryterialnej) analizy. Jest to racjonalne
Bardziej szczegółowoApplication of semantic analysis methods to increase the efficiency of grid usage
Instytut Badań Systemowych Polska Akademia Nauk Streszczenie Pracy Doktorskiej Application of semantic analysis methods to increase the efficiency of grid usage Zastosowanie metod analizy semantycznej
Bardziej szczegółowoOntologie, czyli o inteligentnych danych
1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania
Bardziej szczegółowo5. Wprowadzenie do prawdopodobieństwa Wprowadzenie Wyniki i zdarzenia Różne podejścia do prawdopodobieństwa Zdarzenia wzajemnie wykluczające się i
Spis treści Przedmowa do wydania polskiego - Tadeusz Tyszka Słowo wstępne - Lawrence D. Phillips Przedmowa 1. : rola i zastosowanie analizy decyzyjnej Decyzje złożone Rola analizy decyzyjnej Zastosowanie
Bardziej szczegółowoOptymalizacja wielokryterialna
Optymalizacja wielokryterialna Optymalizacja wielokryterialna Dział badań operacyjnych zajmujący się wyznaczaniem optymalnej decyzji w przypadku, gdy występuje więcej niż jedno kryterium Problem wielokryterialny
Bardziej szczegółowoPodejmowanie decyzji - sztuka dobrego wyboru
Podejmowanie decyzji - sztuka dobrego wyboru Opis szkolenia: Decyzje są podejmowane lub podejmują się ( według zwolenników koncepcji decyzji jako aktów bezwiednych) nieustannie. Podejmowanie decyzji to
Bardziej szczegółowoMetody ilościowe w badaniach ekonomicznych
prof. dr hab. Tadeusz Trzaskalik dr hab. Maciej Nowak, prof. UE Wybór portfela projektów z wykorzystaniem wielokryterialnego programowania dynamicznego Metody ilościowe w badaniach ekonomicznych 19-06-2017
Bardziej szczegółowoInstytut Maszyn Roboczych i Pojazdów Samochodowych. Dr hab. inż. Krzysztof Bieńczak, prof. PP Dr inż. Marcin Kiciński Mgr inż.
Instytut Maszyn Roboczych i Pojazdów Samochodowych Dr hab. inż. Krzysztof Bieńczak, prof. PP Dr inż. Marcin Kiciński Mgr inż. Maciej Bieńczak Wprowadzenie Sterylizacja/warunki brzegowe medium grzewczego
Bardziej szczegółowoWykład 4. Decyzje menedżerskie
Dr inż. Aleksander Gwiazda Zarządzanie strategiczne Wykład 4 Decyzje menedżerskie Plan wykładu Wprowadzenie Wprowadzenie Pojęcie decyzji Decyzja to świadoma reakcja na sytuacje powstające w trakcie funkcjonowania
Bardziej szczegółowoAlgorytmy ewolucyjne optymalizacji wielokryterialnej sterowane preferencjami decydenta
Algorytmy ewolucyjne optymalizacji wielokryterialnej sterowane preferencjami decydenta Dr Janusz Miroforidis MGI Metro Group Information Technology Polska Sp. z o.o. listopad 2010 Wprowadzenie Plan prezentacji
Bardziej szczegółowoPromotorem rozprawy jest prof. dr hab. inż. Barbara Białecka, prof. GIG, a promotorem pomocniczym dr inż. Jan Bondaruk GIG.
Prof. dr hab. inż. Jolanta Biegańska Kraków, 28.07.2017 r. Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie al. Mickiewicza 30, 30-059 Kraków Wydział Górnictwa i Geoinżynierii Katedra Górnictwa
Bardziej szczegółowoWykład 10 Skalowanie wielowymiarowe
Wykład 10 Skalowanie wielowymiarowe Wrocław, 30.05.2018r Skalowanie wielowymiarowe (Multidimensional Scaling (MDS)) Główne cele MDS: przedstawienie struktury badanych obiektów przez określenie treści wymiarów
Bardziej szczegółowoProjekt z Jakości Oprogramowania Aplikacja dla Przetargów Publicznych. Jarosław Kuchta
Projekt z Jakości Oprogramowania Aplikacja dla Przetargów Publicznych Jarosław Kuchta Podłoże projektu Do października 2014 roku w przetargach publicznych obowiązywała reguła najniższej ceny. Powodowało
Bardziej szczegółowoSTUDIA I MONOGRAFIE NR
STUDIA I MONOGRAFIE NR 21 WYBRANE ZAGADNIENIA INŻYNIERII WIEDZY Redakcja naukowa: Andrzej Cader Jacek M. Żurada Krzysztof Przybyszewski Łódź 2008 3 SPIS TREŚCI WPROWADZENIE 7 SYSTEMY AGENTOWE W E-LEARNINGU
Bardziej szczegółowoZastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce
Zastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce Autor: prof. dr hab. inż. Waldemar Kamrat Politechnika Gdańska, Katedra Elektroenergetyki ( Energetyka
Bardziej szczegółowoSpis treści. WSTĘP 13 Bibliografia 16
Przegląd uwarunkowań i metod oceny efektywności wykorzystania odnawialnych źródeł energii w budownictwie : praca zbiorowa / pod red. Joachima Kozioła. Gliwice, 2012 Spis treści WSTĘP 13 Bibliografia 16
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoEfekty kształcenia dla kierunku studiów LOGISTYKA studia pierwszego stopnia profil praktyczny
Załącznik do uchwały Nr XXIII 5.5/13 Senatu UMCS z dnia 27 lutego 2013 r. Efekty kształcenia dla kierunku studiów LOGISTYKA studia pierwszego stopnia profil praktyczny Umiejscowienie kierunku w obszarze
Bardziej szczegółowoUniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych ELEMENTY SZTUCZNEJ INTELIGENCJI Laboratorium nr 6 SYSTEMY ROZMYTE TYPU MAMDANIEGO
Bardziej szczegółowoProjekt dotyczy stworzenia zintegrowanego, modularnego systemu informatycznego wspomagającego zarządzanie pracownikami i projektami w firmie
Projekt dotyczy stworzenia zintegrowanego, modularnego systemu informatycznego wspomagającego zarządzanie pracownikami i projektami w firmie informatycznej. Zadaniem systemu jest rejestracja i przechowywanie
Bardziej szczegółowoJacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa
Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników
Bardziej szczegółowoAHP pomoże podjąć decyzję
Akademia Wiedzy BCC /akademia AHP pomoże podjąć decyzję Narzędzie dla menedżerów Czy tylko intuicja? Zarządzanie projektami od kilku lat jest ważną częścią biznesu wielu firm komercyjnych (m.in. konsultingowych,
Bardziej szczegółowoWstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa. P. F. Góra
Wstęp do metod numerycznych Uwarunkowanie Eliminacja Gaussa P. F. Góra http://th-www.if.uj.edu.pl/zfs/gora/ 2012 Uwarunkowanie zadania numerycznego Niech ϕ : R n R m będzie pewna funkcja odpowiednio wiele
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 7. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 7 Prof. dr hab. inż. Jan Magott Problemy NP-zupełne Transformacją wielomianową problemu π 2 do problemu π 1 (π 2 π 1 ) jest funkcja f: D π2 D π1 spełniająca
Bardziej szczegółowoHierarchiczna analiza skupień
Hierarchiczna analiza skupień Cel analizy Analiza skupień ma na celu wykrycie w zbiorze obserwacji klastrów, czyli rozłącznych podzbiorów obserwacji, wewnątrz których obserwacje są sobie w jakimś określonym
Bardziej szczegółowoWARTOŚCIOWANIE I OPISY STANOWISK PRACY
nia Warszawa I miejsce w rankingu 23-24 października Warszawa firm szkoleniowych wg Gazety Finansowej WARTOŚCIOWANIE I OPISY Klasyfikacja metod wartościowania pracy wskazanie na wady i zalety Konstrukcja
Bardziej szczegółowoAgnieszka Nowak Brzezińska
Agnieszka Nowak Brzezińska jeden z algorytmów regresji nieparametrycznej używanych w statystyce do prognozowania wartości pewnej zmiennej losowej. Może również byd używany do klasyfikacji. - Założenia
Bardziej szczegółowo4.3 Grupowanie według podobieństwa
4.3 Grupowanie według podobieństwa Przykłady obiektów to coś więcej niż wektory wartości atrybutów. Reprezentują one poszczególne rasy psów. Ważnym pytaniem, jakie można sobie zadać, jest to jak dobrymi
Bardziej szczegółowoZalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel
według przewidywań internetowego magazynu ZDNET News z 8 lutego 2001 roku eksploracja danych (ang. data mining ) będzie jednym z najbardziej rewolucyjnych osiągnięć następnej dekady. Rzeczywiście MIT Technology
Bardziej szczegółowoALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ
ALGORYTMY EWOLUCYJNE W OPTYMALIZACJI JEDNOKRYTERIALNEJ Zalety: nie wprowadzają żadnych ograniczeń na sformułowanie problemu optymalizacyjnego. Funkcja celu może być wielowartościowa i nieciągła, obszar
Bardziej szczegółowoHURTOWNIE DANYCH I BUSINESS INTELLIGENCE
BAZY DANYCH HURTOWNIE DANYCH I BUSINESS INTELLIGENCE Akademia Górniczo-Hutnicza w Krakowie Adrian Horzyk horzyk@agh.edu.pl Google: Horzyk HURTOWNIE DANYCH Hurtownia danych (Data Warehouse) to najczęściej
Bardziej szczegółowoEwaluacja w polityce społecznej
Ewaluacja w polityce społecznej Metoda ewaluacji Dr hab. Ryszard Szarfenberg Instytut Polityki Społecznej UW rszarf.ips.uw.edu.pl/ewalps/dzienne/ Rok akademicki 2018/2019 Od pytań ewaluacyjnych do ocen
Bardziej szczegółowoCzęść I. Uwaga: Akceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania. Zadanie 1.1. (0 3)
Uwaga: Akceptowane są wszystkie odpowiedzi merytorycznie poprawne i spełniające warunki zadania. Część I Zadanie 1.1. (0 3) 3 p. za prawidłową odpowiedź w trzech wierszach. 2 p. za prawidłową odpowiedź
Bardziej szczegółowoZmienne zależne i niezależne
Analiza kanoniczna Motywacja (1) 2 Często w badaniach spotykamy problemy badawcze, w których szukamy zakresu i kierunku zależności pomiędzy zbiorami zmiennych: { X i Jak oceniać takie 1, X 2,..., X p }
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoZastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce 2)
Waldemar Kamrat 1) Zastosowanie hierarchicznej analizy problemowej w badaniach efektywności inwestowania w elektroenergetyce 2) Analytic hierarchy process application for investment effectiveness studies
Bardziej szczegółowo2
1 2 3 4 5 Dużo pisze się i słyszy o projektach wdrożeń systemów zarządzania wiedzą, które nie przyniosły oczekiwanych rezultatów, bo mało kto korzystał z tych systemów. Technologia nie jest bowiem lekarstwem
Bardziej szczegółowoŁatwa czy niełatwa droga do celu? - wdrożenie COSMIC w ZUS
- wdrożenie COSMIC w ZUS Warszawa, 07.06.2017 Dlaczego w ZUS zdecydowano się na wdrożenie wymiarowanie złożoności oprogramowania akurat metodą COSMIC? jest metodą najbardziej transparentną i ograniczającą
Bardziej szczegółowoDocument: Exercise*02*-*manual /11/ :31---page1of8 INSTRUKCJA DO ĆWICZENIA NR 2
Document: Exercise*02*-*manual ---2014/11/12 ---8:31---page1of8 PRZEDMIOT TEMAT KATEDRA MECHANIKI STOSOWANEJ Wydział Mechaniczny POLITECHNIKA LUBELSKA INSTRUKCJA DO ĆWICZENIA NR 2 Wybrane zagadnienia z
Bardziej szczegółowoWyznaczanie minimalnej odważki jako element kwalifikacji operacyjnej procesu walidacji dla wagi analitycznej.
Wyznaczanie minimalnej odważki jako element kwalifikacji operacyjnej procesu walidacji dla wagi analitycznej. Andrzej Hantz Dyrektor Centrum Metrologii RADWAG Wagi Elektroniczne Pomiary w laboratorium
Bardziej szczegółowoStruktura kont i pozostałe aspekty związane z rozliczaniem transakcji klientów bezpośrednich i pośrednich (rynek terminowy, obrót zorganizowany)
Struktura kont i pozostałe aspekty związane z rozliczaniem transakcji klientów bezpośrednich i pośrednich (rynek terminowy, obrót zorganizowany) 1. Wstęp Regulacje MiFID 2 oraz MiFIR wymagają, by CCP udostępniał
Bardziej szczegółowoNowe narzędzia zarządzania jakością
Nowe narzędzia zarządzania jakością Agnieszka Michalak 106947 Piotr Michalak 106928 Filip Najdek 106946 Co to jest? Nowe narzędzia jakości - grupa siedmiu nowych narzędzi zarządzania jakością, które mają
Bardziej szczegółowoAutor: Mantaj Przemysław
Warszawska Wyższa Szkoła Informatyki Kierunek: Informatyka Specjalizacja: Informatyczne Technologie Zarządzania ANALIZA PORÓWNAWCZA SYSTEMÓW MONITOROWANIA INFRASTRUKTURY INFORMATYCZNEJ W PRZEDSIĘBIORSTWIE
Bardziej szczegółowoZARZĄDZANIE RYZYKIEM W LABORATORIUM BADAWCZYM W ASPEKCIE NOWELIZACJI NORMY PN-EN ISO/ IEC 17025:
ZARZĄDZANIE RYZYKIEM W LABORATORIUM BADAWCZYM W ASPEKCIE NOWELIZACJI NORMY PN-EN ISO/ IEC 17025:2018-02 DR INŻ. AGNIESZKA WIŚNIEWSKA DOCTUS SZKOLENIA I DORADZTWO e-mail: biuro@doctus.edu.pl tel. +48 514
Bardziej szczegółowoĆwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY.
Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY. 1. Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z przykładowym systemem ekspertowym napisanym w JESS. Studenci poznają strukturę systemu ekspertowego,
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z liniowym zadaniem najmniejszych
Bardziej szczegółowoRozpoznawanie obrazów
Rozpoznawanie obrazów Laboratorium Python Zadanie nr 1 Regresja liniowa autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, M. Zięba, J. Kaczmar Cel zadania Celem zadania jest implementacja liniowego zadania
Bardziej szczegółowoAlgorytmy wyznaczania centralności w sieci Szymon Szylko
Algorytmy wyznaczania centralności w sieci Szymon Szylko Zakład systemów Informacyjnych Wrocław 10.01.2008 Agenda prezentacji Cechy sieci Algorytmy grafowe Badanie centralności Algorytmy wyznaczania centralności
Bardziej szczegółowoAnaliza wielokryterialna wstęp do zagadnienia
Organizacja, przebieg i zarządzanie inwestycją budowlaną Analiza wielokryterialna wstęp do zagadnienia dr hab. Mieczysław Połoński prof. SGGW 1 Wprowadzenie Jednym z podstawowych, a równocześnie najważniejszym
Bardziej szczegółowoPodstawy zarządzania
Podstawy zarządzania mgr Magdalena Marczewska TiMO (Zakład Teorii i Metod Organizacji) Wydział Zarządzania Uniwersytetu Warszawskiego mmarczewska@wz.uw.edu.pl Rozwiązywanie problemów decyzyjnych Manager
Bardziej szczegółowohttp://localhost/wachowicz/negocalc.php
Page 1 of 8 Witryna naukowa Tomasza Wachowicza poświęcona modelowaniu i wspomaganiu negocjacji, negocjacji elekronicznych i mediacji Aktualności Publikacje Dydaktyka e-negocalc O autorze Kontakt e-negocalc
Bardziej szczegółowoModele optymalizacyjne wspomagania decyzji wytwórców na rynku energii elektrycznej
Modele optymalizacyjne wspomagania decyzji wytwórców na rynku energii elektrycznej mgr inż. Izabela Żółtowska Promotor: prof. dr hab. inż. Eugeniusz Toczyłowski Obrona rozprawy doktorskiej 5 grudnia 2006
Bardziej szczegółowoWstęp do Techniki Cyfrowej... Teoria automatów
Wstęp do Techniki Cyfrowej... Teoria automatów Alfabety i litery Układ logiczny opisywany jest przez wektory, których wartości reprezentowane są przez ciągi kombinacji zerojedynkowych. Zwiększenie stopnia
Bardziej szczegółowoAnaliza wielokryterialna
Analiza wielokryterialna dr hab. inż. Krzysztof Patan, prof. PWSZ Instytut Politechniczny Państwowa Wyższa Szkoła Zawodowa w Głogowie k.patan@issi.uz.zgora.pl Wprowadzenie Wielokryterialny wybór wariantu
Bardziej szczegółowoPAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NYSIE
PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W NYSIE Efekty uczenia się Kierunek Informatyka Studia pierwszego stopnia Profil praktyczny Umiejscowienie kierunku informatyka w obszarze kształcenia: Obszar wiedzy: nauki
Bardziej szczegółowoMETODA WIELOKRYTERIALNEGO WSPOMAGANIA DECYZJI DO SZACOWANIA STANU ZUŻYCIA NARZĘDZIA
METODA WIELOKRYTERIALNEGO WSPOMAGANIA DECYZJI DO SZACOWANIA STANU ZUŻYCIA NARZĘDZIA Piotr WITTBRODT, Iwona ŁAPUŃKA Streszczeni: W artykule przedstawiono próbę zastosowania narzędzia podejmowania decyzji
Bardziej szczegółowoOkręgowa Komisja Egzaminacyjna w Krakowie 1
Okręgowa Komisja Egzaminacyjna w Krakowie 1 Egzamin maturalny Egzamin maturalny, zastąpi dotychczasowy egzamin dojrzałości, czyli tzw. starą maturę i przeprowadzany będzie: od roku 2005 dla absolwentów
Bardziej szczegółowoProces i narzędzia analizy potencjału wybranych obszarów rynku farmaceutycznego
Proces i narzędzia analizy potencjału wybranych obszarów rynku farmaceutycznego Przyglądając się rynkowi farmaceutycznemu w Polsce możemy zauważyć, że jest to jedna z lepiej zwymiarowanych i opisanych
Bardziej szczegółowoAnaliza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32
Analiza i projektowanie oprogramowania Analiza i projektowanie oprogramowania 1/32 Analiza i projektowanie oprogramowania 2/32 Cel analizy Celem fazy określania wymagań jest udzielenie odpowiedzi na pytanie:
Bardziej szczegółowodr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych
- Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska 14 listopada 2011 roku 1 - - 2 3 4 5 - The purpose of computing is insight, not numbers Richard Hamming Motywacja - Mamy informację,
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
WYDZIAŁ INFORMATYKI I ZARZĄDZANIA Kierunek studiów: INFORMATYKA Stopień studiów: STUDIA I STOPNIA Obszar Wiedzy/Kształcenia: OBSZAR NAUK TECHNICZNYCH Obszar nauki: DZIEDZINA NAUK TECHNICZNYCH Dyscyplina
Bardziej szczegółowoWielokryteriowa optymalizacja liniowa
Wielokryteriowa optymalizacja liniowa 1. Przy decyzjach złożonych kierujemy się zwykle więcej niż jednym kryterium. Postępowanie w takich sytuacjach nie jest jednoznaczne. Pojawiło się wiele sposobów dochodzenia
Bardziej szczegółowoWielokryteriowa optymalizacja liniowa cz.2
Wielokryteriowa optymalizacja liniowa cz.2 Metody poszukiwania końcowych rozwiązań sprawnych: 1. Metoda satysfakcjonujących poziomów kryteriów dokonuje się wyboru jednego z kryteriów zadania wielokryterialnego
Bardziej szczegółowoEGZAMIN MATURALNY W ROKU SZKOLNYM 2017/2018 INFORMATYKA
EGZAMIN MATURALNY W ROKU SZKOLNYM 2017/2018 INFORMATYKA POZIOM ROZSZERZONY FORMUŁA OD 2015 ( NOWA MATURA ) ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1,R2 MAJ 2018 Uwaga: Akceptowane są wszystkie odpowiedzi
Bardziej szczegółowoINFORMATYKA POZIOM ROZSZERZONY
EGZAMIN MATURALNY W ROKU SZKOLNYM 2016/2017 FORMUŁA OD 2015 ( NOWA MATURA ) INFORMATYKA POZIOM ROZSZERZONY ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ ARKUSZ MIN-R1, R2 MAJ 2017 Uwaga: Akceptowane są wszystkie odpowiedzi
Bardziej szczegółowoAutomatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank.
Automatyczne decyzje kredytowe, siła szybkiego reagowania i optymalizacji kosztów. Roman Tyszkowski ING Bank Śląski S.A. roman.tyszkowski@ingbank.pl Obsługa wniosków kredytowych Potrzeba elastyczności
Bardziej szczegółowoINFORMATYCZNE SYSTEMY ZARZĄDZANIA
Dyspozycje do sprawozdania z ćwiczeń laboratoryjnych do przedmiotu INFORMATYCZNE SYSTEMY ZARZĄDZANIA Str. 1 Wydział Informatyki i Zarządzania Wrocław, dnia 18/02/2013 r. 2012/2013 Dyspozycje do sprawozdania
Bardziej szczegółowoAutomatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi
IT-SOA Automatyzacja procesu tworzenia i zarządzania Wirtualnymi Organizacjami w oparciu o wiedzę w zastosowaniu do architektur zorientowanych na usługi Dariusz Król, W. Funika, B. Kryza, R. Słota, J.
Bardziej szczegółowoPolitechnika Białostocka, Wydział Zarządzania, Katedra Informatyki Gospodarczej i Logistyki
Zastosowanie metody TOPSIS do oceny kondycji finansowej spółek dystrybucyjnych energii elektrycznej Application of TOPSIS method for evaluation of financial condition of the power distribution companies
Bardziej szczegółowoAlgorytm Grovera. Kwantowe przeszukiwanie zbiorów. Robert Nowotniak
Wydział Fizyki Technicznej, Informatyki i Matematyki Stosowanej Politechnika Łódzka 13 listopada 2007 Plan wystapienia 1 Informatyka Kwantowa podstawy 2 Opis problemu (przeszukiwanie zbioru) 3 Intuicyjna
Bardziej szczegółowoDiagramu Związków Encji - CELE. Diagram Związków Encji - CHARAKTERYSTYKA. Diagram Związków Encji - Podstawowe bloki składowe i reguły konstrukcji
Diagramy związków encji (ERD) 1 Projektowanie bazy danych za pomocą narzędzi CASE Materiał pochodzi ze strony : http://jjakiela.prz.edu.pl/labs.htm Diagramu Związków Encji - CELE Zrozumienie struktury
Bardziej szczegółowo1.7. Eksploracja danych: pogłębianie, przeszukiwanie i wyławianie
Wykaz tabel Wykaz rysunków Przedmowa 1. Wprowadzenie 1.1. Wprowadzenie do eksploracji danych 1.2. Natura zbiorów danych 1.3. Rodzaje struktur: modele i wzorce 1.4. Zadania eksploracji danych 1.5. Komponenty
Bardziej szczegółowoTOUCAN Team Evaluator OPIS FUNKCJONALNOŚCI
TOUCAN Team Evaluator OPIS FUNKCJONALNOŚCI SPIS TREŚCI Funkcje... 4 Ocena celów... 4 Definicja celów... 4 Procesowy model akceptacji -... 5 Ocena stopnia realizacji celu... 5 Ocena kompetencji... 5 Definicja
Bardziej szczegółowoPROGRAM WSPÓŁPRACY TRANSGRANICZNEJ POLSKA BIAŁORUŚ UKRAINA
PROGRAM WSPÓŁPRACY TRANSGRANICZNEJ POLSKA BIAŁORUŚ UKRAINA 2014 2020 WYTYCZNE DO PRZYGOTOWANIA STUDIUM WYKONALNOŚCI 1 Poniższe wytyczne przedstawiają minimalny zakres wymagań, jakie powinien spełniać dokument.
Bardziej szczegółowoPodejmowanie decyzji gospodarczych
Podejmowanie decyzji gospodarczych Zakres podejmowanych decyzji jest bardzo szeroki zarówno na poziomie przedsiębiorstwa jak i na szczeblu państwa. W każdym przypadku sensowna analiza wariantów decyzji
Bardziej szczegółowoAHP Analityczny Hierarchiczny Proces
1/ 38 AHP Analityczny Hierarchiczny Proces Przemysław Klęsk pklesk@wi.zut.edu.pl AHP (Thomas L. Saaty, lata 70-te) 2/ 38 Literatura ogólnie o metodzie: 1 Analytical Planning/the Logic of Priorities (Analytic
Bardziej szczegółowoMicrosoft Class Server. Waldemar Pierścionek, DC EDUKACJA
Microsoft Class Server Waldemar Pierścionek, DC EDUKACJA Czym jest Microsoft Class Server? Platforma edukacyjna dla szkół Nowe możliwości dla: nauczyciela, ucznia, rodzica Tworzenie oraz zarządzanie biblioteką
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
SZTUCZNA INTELIGENCJA SYSTEMY ROZMYTE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium
Bardziej szczegółowoTEORETYCZNE PODSTAWY INFORMATYKI
1 TEORETYCZNE PODSTAWY INFORMATYKI 16/01/2017 WFAiS UJ, Informatyka Stosowana I rok studiów, I stopień Repetytorium złożoność obliczeniowa 2 Złożoność obliczeniowa Notacja wielkie 0 Notacja Ω i Θ Rozwiązywanie
Bardziej szczegółowoE: Rekonstrukcja ewolucji. Algorytmy filogenetyczne
E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne Przypominajka: 152 drzewo filogenetyczne to drzewo, którego liśćmi są istniejące gatunki, a węzły wewnętrzne mają stopień większy niż jeden i reprezentują
Bardziej szczegółowoPROGRAMOWANIE KWADRATOWE
PROGRAMOWANIE KWADRATOWE Programowanie kwadratowe Zadanie programowania kwadratowego: Funkcja celu lub/i co najmniej jedno z ograniczeń jest funkcją kwadratową. 2 Programowanie kwadratowe Nie ma uniwersalnej
Bardziej szczegółowoKolejny krok iteracji polega na tym, że przechodzimy do następnego wierzchołka, znajdującego się na jednej krawędzi z odnalezionym już punktem, w
Metoda Simpleks Jak wiadomo, problem PL z dowolną liczbą zmiennych można rozwiązać wyznaczając wszystkie wierzchołkowe punkty wielościanu wypukłego, a następnie porównując wartości funkcji celu w tych
Bardziej szczegółowoReprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów
Wykład 2. Reprezentacja komputerowa grafów 1 / 69 Macierz incydencji Niech graf G będzie grafem nieskierowanym bez pętli o n wierzchołkach (x 1, x 2,..., x n) i m krawędziach (e 1, e 2,..., e m). 2 / 69
Bardziej szczegółowoZAMAWIAJĄCY. CONCEPTO Sp. z o.o.
Grodzisk Wielkopolski, dnia 11.02.2013r. ZAMAWIAJĄCY z siedzibą w Grodzisku Wielkopolskim (62-065) przy ul. Szerokiej 10 realizując zamówienie w ramach projektu dofinansowanego z Programu Operacyjnego
Bardziej szczegółowoAnaliza skupień. Analiza Skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania
Analiza skupień W sztucznej inteligencji istotną rolę ogrywają algorytmy grupowania Analiza Skupień Elementy składowe procesu grupowania obiekt Ekstrakcja cech Sprzężenie zwrotne Grupowanie klastry Reprezentacja
Bardziej szczegółowoMATRYCA EFEKTÓW KSZTAŁCENIA
ZAŁĄCZNIK NR 2 MATRYCA EFEKTÓW KSZTAŁCENIA Studia podyplomowe ZARZĄDZANIE FINANSAMI I MARKETING Przedmioty OPIS EFEKTÓW KSZTAŁCENIA Absolwent studiów podyplomowych - ZARZĄDZANIE FINANSAMI I MARKETING:
Bardziej szczegółowoOdniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - pierwszy Profil studiów - ogólnoakademicki Projekt v1.0 z 18.02.2015 Odniesienie do
Bardziej szczegółowoSummary in Polish. Fatimah Mohammed Furaiji. Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling
Summary in Polish Fatimah Mohammed Furaiji Application of Multi-Agent Based Simulation in Consumer Behaviour Modeling Zastosowanie symulacji wieloagentowej w modelowaniu zachowania konsumentów Streszczenie
Bardziej szczegółowoPROPONOWANE MODUŁY SZKOLENIOWE - TEMATYKA. przedstawienie się;
I DZIEŃ COACHING ZESPOŁU PROPONOWANE MODUŁY SZKOLENIOWE - TEMATYKA MODUŁ TEMATYKA ZAJĘĆ przedstawienie się; SESJA WSTĘPNA przedstawienie celów i programu szkoleniowego; analiza SWOT moja rola w organizacji
Bardziej szczegółowo2/4. informatyka" studia I stopnia. Nazwa kierunku studiów i kod. Informatyka WM-I-N-1 programu wg USOS. Tytuł zawodowy uzyskiwany przez
Załącznik Nr 5 do Uchwały Nr 67/2015 Senatu UKSW z dnia 22 maja 2015 r. Dokumentacja dotycząca opisu efektów kształcenia dla programu kształcenia na kierunku informatyka" studia I stopnia Nazwa kierunku
Bardziej szczegółowoOpracowanie systemu monitorowania zmian cen na rynku nieruchomości
Opracowanie systemu monitorowania zmian cen na rynku nieruchomości Ogólne założenia planowanego projektu Firma planuje realizację projektu związanego z uruchomieniem usługi, która będzie polegała na monitorowaniu
Bardziej szczegółowo