Model FSM w zastosowaniu do klasyfikacji.

Wielkość: px
Rozpocząć pokaz od strony:

Download "Model FSM w zastosowaniu do klasyfikacji."

Transkrypt

1 Model FSM w zastosowaniu do klasyfikacji. 5DIDá$GDPF]DN:áRG]LVáDZ'XFK.DWHGUD0HWRG.RPSXWHURZ\FK8QLZHUV\WHW0LNRáDMD.RSHUQLND XO*UXG]LG]ND7RUXHPDLO^UDDGGXFK`#SK\VXQLWRUXQSO Streszczenie 6LHFL )60 PDM SURVW VWUXNWXU SRGREQ GR VLHFL 5%) MHGQDN G]LNL X*\FLX VHSDUo- ZDOQ\FK IXQNFML WUDQVIHUX ]DPLDVW UDGLDOQ\FK PDM V]HUV]H ]DVWRVRZDQLH 2PyZLRQR Dr- FKLWHNWXU LQLFMDOL]DFM NRQVWUXNW\ZLVW\F]Q\ DOJRU\WP XF]HQLD RSW\PDOL]DFM VLHFL Rbroty zlokalizowanych funkcji transferu, rozpoznawanie wektorów w czasie klasyfikacji RUD] PR*OLZRFL ]DVWoVRZD GR HNVWUDNFML UHJXá 1. Wprowadzenie :G*HQLXGR]UR]XPLHQLDOXG]NLHMLQWHOLJHQFMLLXP\VáXZ\Uy*QLüPR*QDGZDSDUDG\JPDW\ 3LHUZV]\] QLFK V]WXF]QD LQWHOLJHQFMD ED]XMH QD SU]HWZDU]DQLX V\PEROLF]Q\P D ZLF (Uó- GáHP V WX SURFHV\ SR]QDZF]H Z\VRNLHJR SR]LRPX GUXJL VLHFL QHXURQRZH Z\ZRG]VL] QHXURG\QDPLNLLLQVSLURZDQHVSU]H]VWUXNWXUQHXURQRZPy]JX6LHFLQHXURQRZHSRSU]H] VZRMRGPLHQQRüZSRGHMFLXGRSUREOHPXLQWHOLJHQFMLLXP\VáXZQRV]QRZHPR*OLZRFL GRG]LHG]LQ\V]WXF]QHMLQWHOLJHQFML'RW\FKF]DVVLHFLQHXURQRZHZ\GDMVLE\üQDMOHSV]\P UR]ZL]DQLHPGOD]DGDSR]QDZF]\FKQLVNLHJRSR]LRPXWDNLFKMDNSUREOHP\ZLG]HQLDF]\ UR]SR]QDZDQLDPRZ\OXEWH*GODSURVW\FK]DGDNODV\ILNDF\MQ\FKSU]H]FRVRQHZSHZLHQ VSRVyE RJUDQLF]RQH Z LFK PR*OLZRFLDFK UHDOL]DFML SUHGHILQLRZDQ\FK VWUXNWXU ZLHG]\ L Z X*\FLXW\FKVWUXNWXUZVHNZHQF\MQ\PSURFHVLHSU]\F]\QRZ\P1LHPDZWSOLZRFL*HZ\*- V]H IXQNFMH SR]QDZF]H V UH]XOWDWHP DNW\ZQRFL Py]JX D ZLF SRZLQQR E\ü PR*OLZH LFK odtworzenie przez sieci neuronowe [2], [4], [15]-DVQ\PMHVW*HREHFQ\UR]ZyMVLHFLQHXUo- QRZ\FKMHVWSRZL]DQ\]EUDNLHPPRGXODUQRFLLUDF]HMQLHZLHON]áR*RQRFLPRGHOXQL*] LFK ZHZQWU]Q\P RJUDQLF]HQLHP MDNR PRGHOX 'X*R MX* ZLDGRPR R V]F]HJyáDFK SURFHVyZ QHXURQRZ\FKRGSRZLHG]LDOQ\FK]DG]LDáDQLHPy]JXLQHXURG\QDPLN2EHFQLHQDZHWQLHNWó- UHG]LDá\SVyFKRORJLLNRU]\VWDM]RVLJQLüneurodynamiki [16]. &]\MHVWPR*OLZH]UR]XPLHQLHSURFHVyZP\ORZ\FKEH]SRUHGQLR]SURFHVyZQHXURQRZ\FK ZPy]JX":\GDMH VL*H QLH 1DZHW Z FKHPLL L IL]\FH NRQFHSFMH IHQRPHQRORJLF]QH NWyUH QLHVáDWZRUHGXNRZDOQHGRIXQGDPHQWDOQ\FKRGG]LDá\ZDZFL*VZX*\FLX7HRULHPDNUo- VNRSRZHZ]DVDG]LHVUHGXNRZDOQHGRPLNURVNRSRZ\FKZSUDNW\FHMHGQDNEDUG]LHMRZRFQH MHVWSU]\EOL*HQLHIHQRPHQRORJLF]QHGR]áR*RQ\FKV\VWHPyZ-]\NLQHXURORJLLLSV\FKRORJLL V]XSHáQLHUy*QH:\GDMHVLMHGQDN*HPXVL LVWQLHü WHRULD SR]ZDODMFD X]\VNDü NRQFHSFMH SV\FKRORJLF]QHMDNRDSURNV\PDFMHQHXURG\QDPLF]QHJRSRGHMFLDGRG]LDáDQLDPy]JX*áyw- Q\PLFHODPLWDNLHMWHRULLV

2 1. :SURZDG]HQLH DSURNV\PDFML GR QHXURG\QDPLNL SU]\ VSHáQLHQLX IDNWyZ QHXURELRORJLFz- Q\FK SURZDG]FHM GR QRZHM PDWHPDW\F]QHM NRQFHSFML EH]SRUHGQLR RSLVXMFHM VWDQ\ poznawcze. 2. 8*\FLHW\FKNRQFHSFMLMDNRM]\NDGR]EXGRZDQLDWHRULLV\VWHPXSR]QDZF]HJR 3. =DVWRVRZDQLHWHMWHRULLGRZ\MDQLHQLD FHFK SURFHVX SR]QDZF]HJR F]áRZLHND WDNLFK MDN LGHQW\ILNDFMDDVRFMDFMDJHQHUDOL]DFMDUy*QHVWDQ\XP\VáX 4..RQVWUXNFMD V\VWHPX DGDSWDF\MQHJR RGSRZLDGDMFHJR VSHF\ILNDFMRP V\VWHPX NWyU\ E- G]LHXF]\áVL] SU]\NáDGyZ L RJyOQ\FK SUDZ ZQLRVNRZDá X*\ZDá QDWXUDOQHJR M]\ND L NWyU\EG]LHVSHáQLDáLQQHIXQNFMHSR]QDZF]H =JRGQLH]GXFKHP$OODQD1HZHOOD8QLILHGWKHRULHVRIFRJQLWLRQWHRULDSRZLQQDE\üZVSo- PDJDQD SU]H] RSURJUDPRZDQLH SR]ZDODMFH ]ZHU\ILNRZDü SU]HVáDQNL L PRGHOH SU]H] QL XWZRU]RQH6\VWHP62$5VWZRU]RQ\SU]H]1HZHOODLMHJRZVSyáSUDFRZQLNyZED]XMHQDWZo- U]HQLXUHJXáDOHQLHPDQLFZVSyOQHJR]QHXURELRORJL0R*HE\üX*\WHF]Q\ZPRGHORZDQLX SHZQ\FKIXQNFMLSR]QDZF]\FKDOHQLHSRPR*HQDP]UR]XPLHüSRZL]DQLDW\FKSURFHVyZ] G\QDPLN]DFKRG]FZPy]JX6\VWHP)60[1]MHVWLQVSLURZDQ\QDG]LDáDQLXPy]JXLGo- VWDUF]DPR*OLZRFLQLHW\ONRPRGHORZDQLDDOHUyZQLH*UR]XPLHQLDSURFHVyZSR]QDZF]\FKL LFKUHODFML]G\QDPLNPy]JX 0RGHOHIXQNFMLPy]JXZ\PDJDMV]HUHJXDSURNV\PDFML:SLHUZV]\PNURNXZSURZDG]DVL PRGHO QHXURQX MDNR XU]G]HQLD HOHNWU\F]QHJR [15] SU]H] FR GRNRQXMH VL GUDVW\F]QHJR uproszczenia z punktu widzenia procesów biochemicznych i bioelektrycznych. Ta aproksy- PDFMD SR]ZDOD X*\ü Z PRGHOX W\ONR NLONX SDUDPHWUyZ WDNLFK MDN SUyJ Z]EXG]HQLD L ZDJL V\QDSW\F]QH -HVW UyZQLH* NRQLHF]QD GR ]UR]XPLHQLD SURFHVyZ SR]QDZF]\FK Z\*V]HJR So- ]LRPX3URFHV\SR]QDZF]HQLVNLHJRSR]LRPXUHDOL]RZDQHQDMF]FLHM SU]H] Uy*QH PDS\ Wo- SRJUDILF]QH GHILQLXM FHFK\ ZHZQWU]QHM UHSUH]HQWDFML 7H FHFK\ UHSUH]HQWXM ZLHOH W\SyZ GDQ\FK DQDORJRZH V\JQDá\ VHQVRURZH ]PLHQQH OLQJZLVW\F]QH OLF]E\ REUD]\ 3UDZG]LZH RELHNW\XP\VáXVNáDGDMVLJáyZQLH]SU]HWZRU]RQ\FKZVWSQLHGDQ\FKVHQVRURZ\FKUHSUe- ]HQWDFML REUD]NRZHM G]LDáDQLD SHUFHSF\MQHJR 2ELHNW\ XP\VáX ]QDMGXMVLZSU]HVWU]HQL XP\VáXNWyUDMHVWGODQLFK]ELRUQLNLHP1DWXUDOQSUDNW\F]QUHDOL]DFMWHMLGHLMHVWPRGXODr- QDVLHüQHXURQRZD]Z]áDPLVSHFMDOL]XMF\PLVLZRSLVLHJUXSRELHNWyZZSU]HVWU]HQLXPy- VáX:]á\WDNLHMVLHFLQLHUHSUH]HQWXMSRMHG\QF]\FKQHXURQyZDOHUDF]HMXUHGQLRQDNW\w- QRü]ELRUXNRPyUHNQHXURQRZ\FK7HJRW\SXVLHüPR*HE\üWUDNWRZDQDMDNRVLHüQHXURQRZD ED]XMFDQD]ORNDOL]RZDQ\PSU]HWZDU]DQLXOXEWH*MDNRUR]P\W\V\VWHPHNVSHUWRZ\NWyUHJR wiedza zapisana jest w postaci zbiorów rozmytych. 2. FSM 0RGHO)60)HDWXUH6SDFH0DSSLQJRSDUW\MHVWQDHVW\PDFMLJVWRFLUR]NáDGXSUDZGRSo- GRELHVWZDSUH]HQWRZDQ\FKGDQ\FK3DWU]F]Uy*Q\FKSHUVSHNW\ZPR*QDJRXZD*Dü]DVLHü QHXURQRZSRGREQGRVLHFL]UDGLDOQ\PLIXQNFMDPLED]RZ\PLFKRFLD*IXQNFMHQLHPXV]D E\üUDGLDOQHW\ONRVHSDURZDOQHV\VWHPQHXURUR]P\W\DNW\ZQRüZ]áyZVLHFL]VHSDURZDl- Q\PL IXQNFMDPL WUDQVIHUX PR*QD SU]HDQDOL]RZDü X*\ZDMF NRQFHSFML ]ELRUyZ UR]P\W\FK URG]DMV\VWHPXRSDUWHJRQDODGDFKSDPLFLPHPRU\EDVHGV\VWHPV\VWHPVDPRRUJDQL]XM- F\VLDQDZHWMGURV\VWHPXHNVSHUFNLHJRZ\NRU]\VWXMFHJRZLHG]UR]P\WOXERIHUXMFHJR SU]\GDWQHKHXU\VW\NLZSURFHVLHV]XNDQLDUR]ZL]D6NáDGRZHZHNWRUDZHMFLRZHJRLZ\j- FLRZHJRGHILQLXMUD]HPSU]HVWU]HFHFK1DSRGVWDZLHGDQ\FKWUHQLQJRZ\FKVWDQRZLF\FK SURWRW\S\ZSU]HVWU]HQLFHFKWZRU]\VLUR]P\WHRELHNW\UHSUH]HQWXMFHáF]Q\UR]NáDGSUDw- GRSRGRELHVWZDGODZHNWRUyZZHMFLRZ\FKLZ\MFLRZ\FK5R]NáDGWHQPR*HE\üX*\W\GR DSURNV\PDFMLQLH]QDQ\FK]DOH*QRFLOXEGRNODV\ILNDFML

3 Zastosowanie funkcji separowalnych pozwala na przeszukiwanie przestrzeni cech pomimo Z\VWSRZDQLDZDUWRFL EUDNXMF\FK 8PR*OLZLD WR Z\V]XNDQLH Z]áD QDMEDUG]LHM RGSRZLa- GDMFHJRDNWXDOQ\PGDQ\PZHMFLRZ\PMDNUyZQLH*GRSHáQLHQLHEUDNXMFHMZDUWRFLSRSU]H] X]XSHáQLHQLHIDNWXQDSRGVWDZLHWHRULLRSLV\ZDQHMSU]H]Z\V]XNDQ\Z]Há:LHG]D]DSLVDQD ZSU]HVWU]HQLFHFKMHVWZLFX*\ZDQDZSURFHVLHSU]HV]XNLZDQLDZWDNLVDPVSRVyEMDNZLe- G]DKHXU\VW\F]QDX*\ZDQDMHVWSU]H]HNVSHUWDGR]PQLHMV]HQLDSU]HVWU]HQLSRV]XNiZD 0RGHO)60PR*HE\üUyZQLH*]DVWRVRZDQ\GRRGNU\ZDQLDZLHG]\SUDZNWyUHPRJ]RVWDü Z\GHGXNRZDQH]SU]\NáDGyZ3UDZDWHPRJE\üUHSUH]HQWRZDQHSU]H]IXQNFMHJDXVVRZVNLH ZyZF]DVUR]P\FLHIXQNFMLJDXVVRZVNLHMRGSRZLDGDMFHMGDQHPXIDNWRZLMHVWPLDU]DXIDQLD GRWHJRIDNWXJG]LH]DXIDQLHED]XMHQDOLF]ELH]DSUH]HQWRZDQ\FKSU]\NáDGyZ 7RSRJUDILF]QDVWUXNWXUDSU]HVWU]HQLFHFKPR*HSRGOHJDüRJUDQLF]HQLRP]ZL]DQ\P]V\PEo- OLF]QZLHG]DSULRU\F]Q]DOH*QRFLSRPLG]\HOHPHQWDPLZHNWRUDZHMFLRZHJR6]NLHOHW WHMVWUXNWXU\WZRU]\VLNRU]\VWDMF]PHWRGLQLFMDOL]DFMLRSDUW\FKQDNODVWHU\]DFMLDV]F]HJyá\ XVWDODMVLZZ\QLNXSURFHVXXF]HQLD :SHZQ\PVHQVLH MHVW WR ZLF PHWDPRGHO JG\* PR*OLZDMHVWUy*QDVSHF\ILNDFMDMHJRPDWHPDW\F]Q\FKDVSHNWyZ3LHUZRWQLQVSLUDFMGRMHJR VWZRU]HQLD E\áD SUyED ZSURZDG]HQLD SRUHGQLHJR SR]LRPX RSLVX IXQNFML SR]QDZF]\FK MDNR SU]\EOL*HQLDGRneurodynamiki [2]Z\VRNDDNW\ZQRüQHXURQyZZ\V\áDMF\FKLPSXOV\RSi- V\ZDQD MHVW SU]H] GX* JVWRü SUDZGRSRGRELHVWZD Z W\P REV]DU]H SU]HVWU]HQL NWyU\ Rd- SRZLDGD NRPELQDFML FHFK NRQLHF]Q\FK GR Z\ZRáDQLD WDNLHM DNW\ZQRFL 3UREDELOLVW\F]Q\ punkt widzenia jest bardzo przydatny do opisu sieci neuronowych [3]. : WHM SUDF\ RJUDQLF]\P\ VL W\ONR GR]DVWRVRZDQLD PRGHOX)60 GR]DJDGQLH NODV\ILNDFML SRGQDG]RUHP3U]H]SRMFLHNODV\ILNDFMLUR]XPLHVLG]LHOHQLHGRZROQHJR]ELRUXHOHPHQWyZ QDJUXS\GRNWyU\FK]DOLF]DVLHOHPHQW\Uy*QLFHVLDOHSRGREQHWMPDMFHZáDVQRFLZy- Uy*QLDMFH GDQ JUXS =ELyU HOHPHQWyZ QDOH*F\FK GR MHGQHM JUXS\ QD]\ZDQ\ MHVW NODV D ND*G\HOHPHQWNODV\±RELHNWHP:NODV\ILNDFMLSRGQDG]RUHPVWUXNWXUDNDWHJRULLMHVW]QDQD F]\OLG\VSRQXMHVLFKDUDNWHU\VW\NNODV]NWyU\FKSRFKRG]RELHNW\.ODV\ILNDWRU\RSDUWHQD sieciach neuronowych na podstawie zadanego zbioru N SU]\SDGNyZ]ZDQHJRFLJLHPWUHQLngowym (X i, C i ), i= 1..N, gdzie X jest m-z\pldurz\p ZHNWRUHP FHFK RSLVXMF\P GDQ\ obiekt, natomiast C i MHVWRGSRZLHGQLR]DNRGRZDQHW\NLHWNODV\GRSDVRZXMSDUDPHWU\Ddaptacyjne W (SURFHVWHQQD]\ZDVLXPRZQLHÄXF]HQLHP ZWDNLVSRVyEE\GRNRQDüSRQL*- V]HJRSU]\EOL*RQHJRPDSRZania f( Xi; W) = Ci gdzie fmhvwixqnfmnwyuuhdol]xmhvlhü-hvwwrrgz]rurzdqlhsu]\eol*rqhjg\*qlhz\pa- JDP\]Z\NOHE\VLHüGDZDáDQDZ\MFLXGRNáDGQLHZDUWRüC i DMHG\QLHZDUWRüSR]ZDODMFD Z\UD(QLHRGUy*QLüC i od C j,orüsdudphwuyzdgdswdf\mq\fkmdnldojru\wpxf]hqld]doh*rg architektury sieci. 3. Architektura sieci FSM. 3RZD*Q\P SUREOHPHP ZLHOX DOJRU\WPyZ UHDOL]XMF\FK PRGHOH VLHFL QHXURQRZ\FK MHVW WDNL GREyUDUFKLWHNWXU\VLHFLOLF]E\XNU\W\FKQHXURQyZOLF]E\ZDUVWZXNU\W\FKWRSRORJLLSRá- F]HDE\X]\VNDüMDNQDMOHSV]JHQHUDOL]DFM,VWQLHMHZLHOHWHFKQLNRSW\PDOL]DFMLDUFKLWHNWu- U\SURZDG]F\FKGRWHJRFHOX2EV]HUQDNODVDPHWRGRSDUWDMHVWQDDOJRU\WPDFKNRQVWUXNWy- ZLVW\F]Q\FK SUyEXMF\FK ZEXGRZDü RSW\PDOL]DFM DUFKLWHNWXU\ VLHFL Z DOJRU\WP XF]HQLD 6WRVXMHVLWU]\WHFKQLNLNRQVWUuowania sieci:

4 1. 5R]SRF]\QD VL]VLHFL SRVLDGDMFGX* QDGPLDURZ OLF]EZ]áyZ NWyUH Z PLDU PR*OLZRFLVXVXZDQHSRGF]DVXF]HQLD 2. 7ZRU]\ VL VLHü RG ]HUD W]Q QD SRF]WNX LVWQLHMH W\ONR ZDUVWZD ZHMFLRZD L Z\MFLRZD QDWRPLDVWZDUVWZ\XNU\WHMQLHPDZFDOHOXEWH*MHVWDOH]QLHZLHONOLF]EZ]áyZ: WUDNFLH XF]HQLD VWRSQLRZR GRVWDZLDQH V NROHMQH QHXURQ\ RUD] HZHQWXDOQLH NROHMQH ZDr- VWZ\XNU\WH'RWHMNDWHJRULL]DOLF]\üPR*QDWDNLHPRGHOHVLHFLMDNNRUHODFMDNDVNDGRZD VLHü5$1MDNLZHUVMPRGHOX)60MHOLQLHVWRVXMHP\ZVWSQHMLQLFMDOL]DFML 3. 6LHü GRSDVRZXMH VZRM VWUXNWXU GR QDSá\ZDMF\FK GDQ\FK ]PLHQLDMF ]ár*rqrü SU]H] GRGDZDQLHXVXZDQLHLáF]HQLHQHXURQyZ6LHü)60QDOH*\GRWHMNDWHJorii. :VLHFL)60Z\VWSXMW\ONRWU]\ZDUVWZ\QHXURQyZZHMFLRZDXNU\WDLZ\MFLRZD/LF]ED Z]áyZZZDUVWZLHZHMFLRZHMMHVWXVWDORQDQDSRF]WNXSURFHVXXF]HQLDLMHVWUyZQDZ\PLa- URZLZHNWRUyZZHMFLRZ\FK:ZDUVWZLHZ\MFLRZHMZ\VWDUF]\W\ONRMHGHQZ]HáPR*QDWH* X*\ZDüMHGQHJRZ]áDQDMHGQNODVNWyUHJR]DGDQLHPMHVWRNUHOHQLHQDSRGVWDZLHZ]Eu- G]HQHXURQyZZZDUVWZLHXNU\WHMGRNWyUHMNODV\QDOH*\ZHNWRUZHMFLRZ\X:]á\ZDr- VWZ\XNU\WHMSRáF]RQHV]HZV]\VWNLPLQHXURQDPLZDUVWZ\ZHMFLRZHMRUD]]Z]áHPZ\j- FLRZ\P6LHü)60PR*HPLHüVWUXNWXUPRGXáRZVNáDGDMFVL]NLONXSRGVLHFLVSHFMDOi- ]XMF\FK VL Z NODV\ILNDFML GDQ\FK ZHMFLRZ\FK RNUHORQ\FK SU]H] FHFK\ MHGQHJR W\SX [4], ale dla celów tutaj przedstawionych nie jest ona wykorzystywana. x 1 x 2 s(x) 1 s 2 W 1 W 2 Informacje dodatkowe :VSyáF]\QQLN zaufania Σ FSM(x) x 3 x 4 s s 3 4 W 3 W 4 W 5 s 5 Architektura sieci FSM :V]\VWNLHZ]á\ZZDUVWZLHXNU\WHMUHDOL]XMGRZROQIXQNFMIDNWRU\]RZDOQ *;'σ. :DUXQHNIDNWRU\]RZDOQRFLSR]ZDODWUDNWRZDüND*G\]Z\PLDUyZMDNRQLH]DOH*Q\RGSR]o- VWDá\FK)DNWRU\]RZDOQHIXQNFMHWUDQVIHUXPDMDSRVWDü = G( XR ;, σ) G ( X ; R, σ ) i i i i i JG]LH ND*G\ ]H VNáDGQLNyZ VSDUDPHWU\]RZDQ\ MHVW SU]H] SRáR*HQLH L GRGDWNRZ\ SDUDPHWU NWyU\ GOD IXQNFML]ORNDOL]RZDQ\FK SHáQL URO G\VSHUVML&HFK FKDUDNWHU\VW\F]Q IXQNFML]Oo- NDOL]RZDQ\FKMHVWWR*HZDUWRüPDNV\PDOQRVLJDMRQHZVZRLPFHQWUXPZPLDURGGa- ODQLDVLRGFHQWUXPZDUWRüWDPDOHMHGR]HUD1DMEDUG]LHM]QDQ\PSU]\NáDGHPWHJRURG]DMX IXQNFML MHVW IXQNFMD JDXVVRZVND&KRFLD* WHRUHW\F]QLH QLH PD LQQ\FK RJUDQLF]H QD IXQNFMH

5 DNW\ZDFMLZ)60ZSUDNW\FHMHGQDNQDUD]LHVWRVRZDQHE\á\W\ONRIXQNFMH]ORNDOL]RZDQHR ODQLDVLRGFHQWUXPPR*HE\üUyZQLH*VNRNRZDFRPDPLHMVFHZSU]\SDGNXX*\FLDIXQNFML SURVWRNWQHM'RW\FKF]DVZ)60VWRVRZDQHE\á\QDVWSXMFHIXQNFMHDNW\ZDFMLJDXVVRZVNLH trapezoidalne, bicentralne [5]SURVWRNWQHLWUyjNWQH 1DMOHSV]HUH]XOWDW\]DUyZQRSRGZ]JOGHPOLF]E\SRZVWDá\FKZ]áyZMDNLJHQHUDOL]DFMLX]y- VNLZDQHE\á\GODIXQNFMLJDXVVRZVNLHM:\EyUIXQNFMLDNW\ZDFML]DOH*Q\MHVWRGFHOXNWyU\ FKFHP\X]\VNDüQSGRVWZRU]HQLDNODV\ILNDWRUDNWyUHJRG]LDáDQLHPR*HP\ZSURVW\VSRVyE SU]HOHG]LüQDMOHSLHMQDGDMVLUHJXá\ORJLF]QHNWyUHZ)60PR*QDX]\VNDüVWRVXMFIXQNFMH SURVWRNWQH8*\ZDMFQDWRPLDVWIXQNFMLJDXVVRZVNLHMPR*QDUyZQLH* X]\VNDü UHJXá\ V WR MHGQDN UHJXá\ UR]P\WH NWyU\FK LQWHUSUHWDFMD MHVW ]QDF]QLH WUXGQLHMV]D RG NODV\F]Q\FK UHJXá ORJLF]Q\FK.D*G\Z]HáXNU\W\FKDUDNWHU\]RZDQ\MHVWSU]H]SRáR*HQLHR, i rozmycie σ, które SRWU]HEQHVGRZ\OLF]HQLDIXQNFMLDNW\ZDFML3R]DW\PZ\VWSXMMHV]F]HZLHONRFLNWyUHQLH PDMZSá\ZXQDZDUWRüZ]EXG]HQLDDOHVSRWU]HEQHZWUDNFLHXF]HQLDGRRNUHOHQLDZLHl- NRFL]PLDQSR]RVWDá\FKSDUDPHWUyZ6WRPDVDm RNUHODMFDOLF]EZHNWRUyZNODV\ILNo- ZDQ\FKSU]H]GDQ\ Z]Há L F]DV SRZVWDQLD τ n, czyli numer epoki, w którejgdq\z]há So- ZVWDá 4. Inicjalizacja 3RQLHZD*DOJRU\WPXF]HQLDZ )60MHVWDOJRU\WPHPNRQVWUXNW\ZLVW\F]Q\P WR PR*QD SU]y- VSLHV]\üSURFHVXF]HQLDSRSU]H]ZVWSQHRV]DFRZDQLHOLF]E\Z]áyZXNU\W\FKLRGSRZLHGQLH ich zainicjowanie [6]2V]DFRZDQLHWRSRZLQQRE\üUDF]HMRSW\PLVW\F]QHW]QOLF]EDZ]áyZ XWZRU]RQD SRGF]DV LQLFMDOL]DFML SRZLQQD E\ü ]DQL*RQD : SU]HFLZQ\P Z\SDGNX ZVWSQD LQLFMDOL]DFMDSURZDG]LGR]E\WQLHJRUR]GUREQLHQLDLQDZHWSRX*\FLXRSW\PDOL]DFMLQLHX]\VND VLGREU\FKUH]Xltatów. ']LNL VWRVRZDQLX IXQNFML ]ORNDOL]RZDQ\FK GR XVWDOHQLD OLF]E\ Z]áyZ XNU\W\FK MDN L LFK ]DLQLFMRZDQLDPR*QDX*\üPHWRGRSDUW\FKQDJUXSRZDQLX:Z\QLNXNODVWHU\]DFMLRWU]\Pu- MHP\]ELyUVNXSLVNSURWRW\SyZZURGNXNWyU\FKXVWDZLDQHVZ]á\VLHFL3RáR*HQLHND*Ge- JR] WDN SRZVWDá\FK QHXURQyZ REOLF]DQH MHVW MDNR UHGQLD] SRáR*H GOD ND*GHJR Z\PLDUX RVREQR ZV]\VWNLFK ZHNWRUyZ ZSDGDMF\FK GR GDQHJR VNXSLVND NODVWUD 5R]P\FLD W\FK SURWRW\SyZXVWDODQHVQDSRGVWDZLHZLHONRFLRGSRZLDGDMF\FKLPNODVWUyZ*G\NWyUH] UR]P\üPDZDUWRü]HURZV]\VWNLHZHNWRU\PDMWVDPZDUWRüMHGQHM]FHFKSU]\MPRZa- QDMHVWPLQLPDOQDZDUWRüQLH]HURZD=XZDJLQDWR*HIXQNFMDDNW\ZDFMLMHVWLORF]\QHPSR SRV]F]HJyOQ\FKZ\PLDUDFKMHOLFKRüMHGQD]HVNáDGRZ\FKPDZDUWRüWRFDáDIXQNFMDDk- W\ZDFMLMHVW]HURZD7DNXVWDORQHUR]P\FLD]RVWDMQDVWSQLHSURSRUFMRQDOQLH]ZLNV]RQHSR WRDE\VLHüZSRF]WNRZHMID]LHXF]HQLDRGUD]XNODV\ILNRZDáDEH]Z]JOGXQDSRSUDZQRü ZV]\VWNLHZHNWRU\] FLJX WUHQLQJRZHJR']LNL WHPX XQLND VL SU]\SDGNRZHJR ZVWDZLDQLD Z]áyZQDSoF]WNXXF]HQLD Jednym z algorytmów stosowanych w FSM do inicjalizacji sieci jest drzewo decyzyjne budo- ZDQHQDSRGVWDZLHKLVWRJUDPXXWZRU]RQHJRGODND*GHJRZ\PLDUXRVREQR

6 Dany wymiar dzielony jest na ksu]hg]ldáyzr;qdu\vxqnx:nd*g\psu]hg]ldoh]olf]a- QDMHVWOLF]EDZHNWRUyZNWyUDGRQLHJRZSDGDR<QDU\VXQNX.D*G\]SU]HG]LDáyZPR*H E\ü áf]rq\] VVLHGQLPL SU]HG]LDáDPL WZRU]F Z WHQ VSRVyE VNXSLVNR Z SU]HVWU]HQL MHGQo- Z\PLDURZHM-H*HOLZGDQ\PZ\PLDU]HZ\VWSXMHZLHOHVNXSLVNWREGRQHRGG]LHORQHSu- VW\PL SU]HG]LDáDPL OXE WH* PLG]\ NROHMQ\PL SU]HG]LDáDPL Z\VWSL EDUG]R GX*D Uy*QLFD Z ]DZDUWRFLZHNWRUyZSU]HGVWDZLRQRWR QD SRZ\*V]\P U\VXQNX JG]LH PR*QD Z\Uy*QLü VNXSLVND=Dáy*P\*HNODVWHUUR]SRF]\QDVLRGiWHJRSU]HG]LDáXL]DMPXMHl SU]HG]LDáyZ ND*G\RV]HURNRFLs. Wówczas pozycja oraz rozmiar skupiska w oryginalnej przestrzeni mo- *H]RVWDüSU]HGVWDZLRQDZQDVWSXMF\VSRVyE C x = X min 1 σ x = ls 2 X max s = + s( i + X k min 1 ) 2 x1 = a1 b1 a1 b1 x2 x2 = a2 b2 a2 c2 a2 b2 c2 x2 x3 = a3 a3 b3 b3 V1= f(a1 ;a 2 ;a 3)g V2= f(a1 ;b 2 ;a 3)g V3= f(b1 ;a 2 ;b 3)g V4= f(b1 ;c 2 ;b 3)g a3 b3 x3 Drzewo decyzyjne.d*gh ] W\FK MHGQRZ\PLDURZ\FK VNXSLVN PR*H ]RVWDü QDVWSQLH ]U]XWRZDQH QD ZLHOH URzseparowanych N-Z\PLDURZ\FKVNXSLVN3RGF]DVLQLFMDOL]DFMLZHNWRU\DQDOL]RZDQHVZND*- G\PZ\PLDU]HQLH]DOH*QLHWDNZLFZSLHUZV]\PZ\PLDU]HGDQ\ZHNWRUPR*HQDOH*HüQSGR

7 i j l skupiska C 1, w drugim wymiarze do skupiska C 2 D*ZUHV]FLHZN-tym wymiarze CN.D*G\ taki N-Z\PLDURZ\NODVWHUPR*HE\üSU]HGVWDZLRQ\MDNRáDFXFKQL*HMZ\PLDURZ\FKVNXSLVN i j l C 1 > C2 >... > CN VWGWHJRW\SXSURFHGXUDWZRU]\GU]HZRGHF\]\MQH:OLFLDFKGU]HZD ]OLF]DQH V ZHNWRU\ NWyUH QDOH* GR GDQHJR N-wymiarowego skupiska. Gdy w przypadku NWyUHJRNROZLHN]Z\PLDUyZOLF]EDNODVWUyZMHVW]E\WGX*D]PQLHMV]RQD]RVWDMHUR]G]LHOF]Rü kfrsrzrgxmh]pqlhmv]hqlholf]e\nodvwuyzgodgdqhjrz\pldux*g\zv]\vwnlhnodvwu\v MX*XWZRU]RQHREOLF]DQDMHVWRGOHJáRüPLG]\QLPL7HVNXSLVNDPLG]\NWyU\PLRGOHJáRü jest mniejv]drg]dgdqhjrsurjxváf]rqhzmhghq : SRZ\*V]\P GU]HZLH GHF\]\MQ\P UR]G]LHOF]Rü KLVWRJUDPyZ MHVW VWRSQLRZR ]ZLNV]DQD,QQ\P UR]ZL]DQLHP RSDUW\P QD PHWRG]LH GHQGURJUDPyZ NWyUH F]DVHP SURZDG]L GR OHp- V]\FKUH]XOWDWyZMHVWVWRSQLRZH]PQLHMV]DQLHUR]G]LHOF]RFL3RF]WNRZRND*G\ZHNWRUFL- JXWUHQLQJRZHJRMHVWRGG]LHOQ\PVNXSLVNLHP:\]QDF]RQD]RVWDMHPDFLHU]RGOHJáRFLPLG]\ SRV]F]HJyOQ\PLVNXSLVNDPLLQDMHMSRGVWDZLHQDMEOL*V]HVNXSLVNDV]HVREáF]RQH&DáD SURFHGXUDWUZDWDNGáXJRD*OLF]EDVNXSLVNMHVWZ\VWDUF]DMFRPDáDOXEWH*D*RGOHJáRüPL- G]\VNXSLVNDPLMHVWZLNV]DRG]DGDQHMSURJRZHM3RQL*V]\U\VXQHNSU]HGVWDZLDVFKHPDW\Fz- QLHLGHGHQGURJUDPyZ d(c i ;c j ) c 1 c 2 c 3 c 4 c 5 c 6 c 7 c 8 Clusters Dendrogram :DGPHWRG\GHQGURJUDPyZMHVWNRQLHF]QRüWZRU]HQLDPDFLHU]\RGOHJáRFLFRZSU]\SDGNX GX*HMOLF]E\ZHNWRUyZWUHQLQJRZ\FKSURZDG]LGR]QDF]QHJRVSRZROQLHQLDSURFHVXJUXSRZa- QLD RUD] GX*HJR ]DSRWU]HERZDQLD QD SDPLü : WDNLHM V\WXDFML GREU\P UR]ZL]DQLHP MHVW zmniejszeqlhur]g]lhof]rflgdq\fk 2EOLF]HQLD ]UHJXá\ Z\NRQ\ZDQH V GOD OLF]E ]PLHQQRSU]HFLQNRZ\FK PDMF\FK EDMWRZ UHSUH]HQWDFM FR GOD GDQ\FK SU]HQRUPDOL]RZDQ\FK GR SU]HG]LDáX >@ GDMH UR]G]LHOF]Rü r = 10 7 'ODUR]G]LHOF]RFL r ZV]\VWNLHGDQH]SU]HG]LDáX [ a, a + r] PDMWVDPZDUWRü 3U]HGGRNRQDQLHPREFLFLDGRNáDGQRFL ZV]\VWNLH GDQH] FLJX WUHQLQJRZHJR SU]HVNDORZy- ZDQHVGRPDNV\PDOQHJR]DNUHVX [0,2 32 ] 32 2 X r = C( X r X min ); C = X X max min

8 1 $E\ X]\VNDü UR]G]LHOF]Rü r = PXVLP\ ]RVWDZLü k ]QDF]F\FK ELWyZ Z X k r 0R*QD WR 2 Z\NRQDüSU]H]SU]HVXQLFLHELWyZ 1 X r 33 k X ( k) = X min + Round k C 33 * 2 2 Dla k = 1wszystkie dane X V PDSRZDQH GR GZyFK NODVWUyZ GOD N RWU]\PXMHP\ GDQH RU\JLQDOQH/LF]ED]QDF]F\FKELWyZMHVW]ZLNV]DQDWDNGáXJRD*RVLJQLWD]RVWDQLHGRSXVzczalna liczba skupisk. :ID]LHJUXSRZDQLDG*\VLGRWHJRDE\SRZVWDáHNODVWU\RSLV\ZDá\MHG\QLHRGG]LHOQHZy- UD(QHVNXSLVNDGODGDQHMNODV\DQLHLFK]áR*RQVWUXNWXUZHZQWU]Q=DSHZQLDWR*HVWo- VRZDQHRV]DFRZDQLHEG]LHÄRSW\PLVW\F]QH $OJRU\WPLQLFMDOL]DFMLDXWRPDW\F]QLHZ\]QDF]D OLF]EVNXSLVNGODGDQHJRSUREOHPX3URFHVJUXSRZDQLDPR*HE\üSU]HSURZDG]RQ\GODND*GHM NODV\ RVREQR FR SR]ZDOD]QDOH(ü VNXSLVND FKDUDNWHU\VW\F]QH GOD WHM NODV\ RUD]]DLQLFMRZDü VLHüZWDNLVSRVyE DE\ ND*GD ] NODV E\áD UHSUH]HQWRZDQD SU]H] FR QDMPQLHM MHGHQ Z]Há 0R*QDWH*SURFHVJUXSRZDQLDSU]HSURZDG]LüGODZV]\VWNLFKNODVMHGQRF]HQLH:W\PSU]y- SDGNXSRGF]DVJUXSRZDQLDZ\NRU]\VWXMHVLGRGDWNRZLQIRUPDFMSU]\QDOH*QRüGRNODV\L EXGXMFVNXSLVNRDQDOL]XMHVLMHJRGRNáDGQRüW]QOLF]EZHNWRUyZ]LQWHUHVXMFHMQDVNODV\ ZVWRVXQNXGRZV]\VWNLFKZHNWRUyZQDOH*F\FKGRWHJRVNXSLVND:PRPHQFLHJG\MDNRü VNXSLVND]QDF]QLH VL SRJDUV]D SU]HU\ZD VL áf]hqlh JUXS GR WHJR VNXSLVND-HVW WR EDUG]R wygodny punkt stopu dla metody dendrogramów. 7DNZLFSURFHVXF]HQLDNWyU\QDVWSXMHSRLQLFMDOL]DFMLRGE\ZDVL]DZV]HGODVLHFLNWyUD SRVLDGDMX*MDNLHZ]á\XNU\WH 5. Algorytm Uczenia 1DZHMFLHVLHFLSRGDZDQ\MHVWZHNWRU Z\ELHUDQ\ ORVRZR] FLJX WUHQLQJRZHJR:\EyU Go- NRQ\ZDQ\MHVWZWDNLVSRVyEDE\ND*G\]ZHNWRUyZZGDQHMVHULLSRMDZLáVLGRNáDGQLH raz. *G\FDá\FLJWUHQLQJRZ\]RVWDQLH MX* SRND]DQ\ SURFHGXUD]RVWDMH SRZWyU]RQD.D*GD WDND VHULD QD]\ZDQD MHVW HSRN 3URFHV XF]HQLD WUZD WDN GáXJR D* VSHáQLRQH ]RVWDQLH NU\WHULXP zakoczenia opisane poni*ej&dá\surfhvxf]hqldsrg]lholüpr*qdqdgzlhid]\ )D]D0RG\ILNDFMDSDUDPHWUyZLVWQLHMF\FKSURWRW\SyZWMSRáR*HQHXURQyZLFKUR]P\ü mas i czasów powstania. Faza 2: Dostawianie nowych neuronów Faza I -HOLZHNWRUZHMFLRZ\ MHVW GRVWDWHF]QLH SRGREQ\ GR LVWQLHMFHJR Z]áD Z\VWDUF]\]PRG\Ii- NRZDüSDUDPHWU\RSLVXMFHWHQZ]Há3RGRELHVWZRZ\]QDF]DQHMHVWQDSRGVWDZLHRGOHJáo- FLHXNOLGHVRZHMPLG]\ZHNWRUHPZHMFLRZ\PDSRV]F]HJyOQ\PLQHXURQDPLZVLHFLOXEWH* QDSRGVWDZLHSREXG]HQLDZ]áyZ:SU]\SDGNXJG\GZD Z]á\ UHSUH]HQWXMFH Uy*QH NODV\ PDMWVDPZDUWRüIXQNFMLDNW\ZDFMLZSU]\SDGNXIXQNFMLJDXVVRZVNLFKPR*HVLWR]Ga- U]Dü U]DGNR MHGQDN Z SU]\SDGNX IXQNFML SURVWRNWQ\FK EDUG]R F]VWR Z\ELHUDQ\ MHVW WHQ NWyU\QDOH*\GRLQQHMNODV\QL*ZHNWRUZHMFLRZ\SU]H]FRZREOLF]DQLXNRFRZHMNODV\ILNa- FMLPDP\GODWDNLHJRZHNWRUDZHMFLRZHJREáG=DQDMEDUG]LHMSRGREQ\X]QDZDQ\MHVWWHQ Z]HáNWyU\MHVWQDMEOL*V]\ZVHQVLHHXNOLGHVRZ\PF]\OL min k( X R k ) ) do wektora wej- FLRZHJRX-H*HOLQDMEOL*V]\MHVWZ]Há]WHMVDPHMNODV\FRZHNWRUZHMFLRZ\GRNRQXMHP\ RSW\PDOL]DFMLMHJRSDUDPHWUyZ -H*HOL MHVW WR QHXURQ UHSUH]HQWXMF\ LQQ NODVQL*ZHNWRU

9 ZHMFLRZ\SRV]XNXMHP\Z]áDNWyU\XOHJDQDMZLNV]HPXZ]EXG]HQLX-HOLWHQZ]HáQDOH*\ GRNODV\ZHNWRUDZHMFLRZHJR WR SU]HSURZDG]DP\ MHJR RSW\PDOL]DFM Z SU]HFLZQ\P UD]LH UR]SRF]\QDVLGUXJDID]DXF]HQLDF]\OLGostawianie nowego neuronu. :REOLF]DQLXIXQNFMLDNW\ZDFMLVNDORZDQLHGDQ\FKQLHPDZSá\ZXQDZDUWRüWHMIXQNFMLSo- QLHZD*ND*G\]Z\PLDUyZUR]SDWU\ZDQ\MHVWQLH]DOH*QLH']LNLWHPXZNáDGND*GHJR]Zy- PLDUyZGRIXQNFMLDNW\ZDFML]DZV]HQDOH*\GRSU]HG]LDáX>@3RQLHZD*MHGQDNGRRNUHOenia podoelhvwzd PLG]\ Z]áHP D ZHNWRUHP ZHMFLRZ\P X*\ZDQD MHVW RGOHJáRü HXNOide- VRZDWRSU]HVNDORZDQLHGDQ\FKPR*HPLHüZSá\ZQDSURFHVXF]HQLDJG\*QRZHZ]á\PRJ E\üZVWDZLDQHZLQQ\PPLHMVFXQL*SU]HGSU]HVNDORZDQLHP'ODWHJRWH*SU]HGUR]SRF]FLHP XF]HQLDGRNRQXMHVLVWDQGDUyzacji danych. $GDSWDFMDSDUDPHWUyZSROHJDQDWDNLPLFKGRSDVRZDQLXE\]ZLNV]\üZDUWRüZ]EXG]HQLD Z]áD 'RNRQXMHP\ WHJR SRSU]H] ]PLDQ SRáR*HQLD Z]áDWDNDE\ZND*G\P Z\PLDU]H ] RVREQD]PQLHMV]\üRGOHJáRüPLG]\QLPDZHNWRUHPZHMFLRZ\P κ Ri = Ri + ( Xi Ri) m -HGQRF]HQLH ]ZLNV]DP\ UR]P\FLH Z]áD SURSRUFMRQDOQLH GR RGOHJáRFL ] ZHNWRUHP ZHj- FLRZ\PSRGREQLHMDNSRáR*HQLHGODND*GHJRZ\PLDUXRVREQRRUD]GRDNWXDOQHJRZ]Eu- G]HQLDWHJRZ]áDLRGZURWQLHSURSRUFMRQDOQLHGRF]DVXMHJR*\FLDτ τ n : (1 GXR ( ;, σ)) Xi Ri σi = σi + γ 1 + / Λ ( τ τ ) &]DV*\FLDMHVWWRUy*QLFDDNWXDOQHJRQXPHUXHSRNLτLF]DVXSRZVWDQLDZ]áDτ n (czyli nume- UXHSRNLZNWyUHMZ]HáSRZVWDá,PVWDUV]\Z]HáW\PWUXGQLHMMHVW]PLHQLDüMHJRSDUDPHWU\ DGDSWDF\MQH2F]\ZLFLHZWUDNFLHXF]HQLDQXPHUHSRNLτ XOHJDFLJáHPX]ZLNV]HQLXWDN ZLFUy*QLFDτ τ n MHVW]DZV]HGRGDWQLDOXEMHOLZ]HáSRZVWDáZDNWXDOQHMHSRFHUyZQDMHVW 0. Parametry uczenia κ, γ GRSDVRZ\ZDQH V Z VSRVyE DXWRPDW\F]Q\ LQG\ZLGXDOQLH GOD ND*- dego w]ád γ = Γ 1 + τ / ; Λ ( τ ) n n κ = Κ 1 + τ / Λ ( τ ) Parametr ΛRNUHODV]\ENRü]PQLHMV]DQLDVLSDUDPHWUyZXF]HQLDSDUDPHWUWHQXVWDORQ\MHVW QDSRF]WNXXF]HQLDLZáDFLZLHZHZV]\VWNLFKGRW\FKF]DVRZ\FK]DVWRVRZDQLDFKPLDá]Dw- V]H WDNVDP ZDUWRü QDWRPLDVW Γ i ΚV SRF]WNRZ\PL ZDUWRFLDPL SDUDPHWUyZ XF]HQLDNWyUHWU]HEDXVWDOLüSU]HGURzSRF]FLHPXF]HQLD 3RQLHZD*]PLDQD UR]P\FLD MHVW SURSRUFMRQDOQD GR G), QDWRPLDVW ZDUWRü PDNV\PDOQHJR Z]EXG]HQLDZ\QRVLWRLPZLNV]DZDUWRüZ]EXG]HQLDW\PPQLHMV]H]ZLNV]HQLHUR]Py- FLD 6WG UyZQLH* RJUDQLF]HQLH FR GR IXQNFML DNW\ZDFML DE\ MHM ZDUWRFL E\á\ ] SU]HG]LDáX >@-HOLZ]HáNODV\ILNXMHSRSUDZQLHQRZ\ZHNWRUWRMHJRPDVD]RVWDMH]ZLNV]RQDRMeden: m=m1dsrf]wnxqrzhmhsrnlpdvdzv]\vwnlfkz]áyzmhvwxvwdodqdqdzduwrü :FHOXXQLNQLFLD]E\WVLOQHJRQDNáDGDQLDVLZ]áyZUHSUH]HQWXMF\FKUy*QHNODV\QDVLHELH ZF]DVLHRSW\PDOL]DFMLSRGHMPRZDQDMHVWUyZQLH*SUyED]PQLHMV]HQLDSRGRELHVWZDGRZ]áD EGFHJR QDMZLNV]\P]DJUR*HQLHP:]Há NWyU\ E\á RSW\PDOL]RZDQ\ F]\OL Z]Há QDMEDU G]LHMSRGREQ\GRZHNWRUDZHMFLRZHJR ]RVWDMH Z\áF]RQ\ ] REOLF]H L SRV]XNLZDQ\ MHVW n

10 Z]HáQDMEDUG]LHMZ]EXG]DMF\VL-H*HOLMHVWRQ]LQQHMNODV\QL* ZHNWRU ZHMFLRZ\ QDOH*\ ]PQLHMV]\üMHJRSRGRELHVWZRSoprzez zmniejszenie przypisanego mu rozmycia: i i ( ;, ) σ = σ υ G X R σ Xi Ri 1 + / Λ ( τ τ ) :DUWRüSDUDPHWUXυ GODGX*\FKZEXG]H*!Z\QRVLGODPDá\FKZSU]\SDGNXJG\ UR]P\FLHSU]\MPXMHXMHPQZDUWRüEUDQDMHVWZDUWRüEH]Z]JOGQD &]DVDPLPR*HVL]GDU]\ü*HUR]P\FLHXOHJDJZDáWRZQHPX]PQLHMV]HQLXGODWHJRWH*ZFHOX XáDWZLHQLD SRQRZQHJR Sy(QLHMV]HJR GRSDVRZDQLD SDUDPHWUyZ RGPáDG]DP\ GDQ\ QHXURQ F]\OL]ZLNV]DP\MHJRF]DVSRZVWDQLD τ = τ + ( τ τ )/2 n n n -H*HOLMHVWRQ]WHMVDPHMNODV\WRQLHWU]HEDGRNRQ\ZDüGDOV]\FK]PLDQ-HVWWRUyZQR]QDF]QH ]H]JRG QD WR E\ Z]á\ UHSUH]HQWXMFH W VDP NODV QDNáDGDá\ VL QD VLHELH 0R*QD ZLF VWZLHUG]Lü*HSRGF]DVWHMID]\XF]HQLDQDVWSXMHVDPRRUJDQL]DFMD[6],[7] z nadzorem czyli z XZ]JOGQLeniem informacji o klasach. n 5.2. Faza II 1RZ\Z]HáZVWDZLDQ\MHVWGRVLHFLZWHG\JG\GODLVWQLHMFHJRZHNWRUDZHMFLRZHJR]DUyw- QRQDMEOL*V]\ZVHQVLHHXNOLGHVRZ\PMDNLQDMEDUG]LHMZ]EXG]DMF\VLZ]HáV]LQQHMNODV\ QL*ZHNWRUQDZHMFLXVLHFL:VSyáU]GQHSRáR*HQLDQRZHJRZ]áDVWDNLHVDPHMDNZHNWRUD ZHMFLRZHJR 1DWRPLDVW MHJR UR]P\FLH XVWDZLDQH MHVW QD SRGVWDZLH SRáR*HQLD QDMEOL*V]HJR QHXURQX7DNZLFSRdVWDZRZHSDUDPHWU\QRZRSRZVWDáHJRZ]áDPDMSRVWDü R = X m= 1 τ = τ i i n /LF]EDWZRU]RQ\FKZ]áyZZMHGQHMHSRFHMHVWograniczona i równa jest liczbie klas znajduj- F\FKVLZ]ELRU]HWHUQLQJRZ\P7DNLHRJUDQLF]HQLHXPR*OLZLDPDNV\PDOQ\UR]URVWZ]áRP LVWQLHMF\P-DNSRND]XMHGRZLDGF]HQLHEH]RJUDQLF]HQLDSRZVWDMHZLNV]DOLF]EDZ]áyZ DFR]DW\PLG]LHMDNRüJHQHUDOL]DFMLMHVWPQLHMV]DRUD]Z\GáX*DVLF]DVXF]HQLD 3RND*GHMHSRFHVSUDZG]DQDMHVWMDNRüNODV\ILNDFMLQ ND*GHJR]LVWQLHMF\FKZ]áyZRNUe- ORQD SU]H] VWRVXQHN OLF]E\ SRSUDZQLH VNODV\ILNRZDQ\FK ZHNWRUyZ GR OLF]E\ ZV]\VWNLFK ZHNWRUyZ NWyUH ÄZSDGDM Z GDQ\ Z]Há 6SUDZG]HQLH NODV\ILNDFML SROHJD QD Z\V]XNDQLX ZUyGLVWQLHMF\FKZ]áyZWDNLHJRNWyUHJRZ]EXG]HQLHMHVWQDMZLNV]HDMHGQRF]HQLHMHVW ZLNV]H RG ]DGDQHM ZDUWRFL PLQLPDOQHM SURJX -H*HOL Z]EXG]HQLD ZV]\VWNLFK Z]áyZ V SRQL*HM]DGDQHJRSURJXWRGDQ\ZHNWRUZHMFLRZ\QLHMHVWNODV\ILNRZDQ\3DUDPHWUZDUWRFL PLQLPDOQHM MHVW QD SRF]WNX XF]HQLD GX*\ SU]H] FR W\ONR ZHNWRU\ EOLVNR FHQWUXP QHXURQX EUDQHVSRGXZDJ:WUDNFLHWUZDQLDXF]HQLDSDUDPHWUWHQMHVWDXWRPatycznie zmniejszany. -H*HOLGDQ\ QHXURQ NODV\ILNXMH SRQL*HM Z\PDJDQHM GRNáDGQRFL ZyZF]DV QDVWSXMH ]PQLHj- V]HQLHMHJRUR]P\FLDSURSRUFMRQDOQLHGRSURFHQWRZHMZDUWRFLEádu. σ = σ λ 4σ

11 :DUWRüSDUDPHWUXλMHVWPDáDGODQRZ\FKZ]áyZJG\*WHGRSLHURDGDSWXMVLQDWo- PLDVWZSU]\SDGNXVWDUV]\FKZ]áyZSDUDPHWUWHQPDGX*ZDUWRü =XZDJLQDWR*HSRZVWDZDQLHQRZ\FKZ]áyZMDNUyZQLH*RSW\PDOL]DFMDZ]áyZLVWQLHM- F\FK]DOH*QH V RG NROHMQRFL SRGDZDQLD ZHNWRUyZ WUHQLQJRZ\FK QD ZHMFLH VLHFL]D ND*- G\PUD]HPJG\VLHüXF]RQDMHVWQDW\FKVDP\FKGDQ\FKRWU]\PXMHVLNRQILJXUDFMVLHFLNWó- UHUy*QLVLRGVLHELH:ZLNV]RFLSU]\SDGNyZWHUy*QLFHVQLHZLHONLHFRáDWZR]DXZD*\ü QD]ELRU]HWHVWRZ\PJG\*Z\QLNZSRV]F]HJyOQ\FKSUyEDFKQD]ELRU]HWHVWRZ\PMHVWEDUG]R SRGREQ\*G\]ELyUWUHQLQJRZ\MHVW MHGQDN QLHZLHONL ZDULDQFMD PRGHOX PR*H E\ü GX*D FR SU]HMDZLDVLGX*Uy*QLFZNODV\ILNDFMLQD]ELRU]HWHVWRZ\PGODSRV]F]HJyOQ\FKSUyE 3URVW\PVSRVREHPQDUR]ZL]DQLHWHJRSUREOHPXMHVW]DVWRVRZDQLHW]ZNRPLWHWXVLHFL0e- WRGDWDSROHJDQDW\P*HQDGDQ\P]ELRU]HWUHQLQJRZ\PXF]\VLVLHüZLHORNURWQLH0DMFM PRGHOLVLHFLNODV\ILNDFMLZHNWRUyZ]H]ELRUXWHVWRZHJRGRNRQXMHVLSU]H]JáRVRZDQLHZLk- V]RFLRZHZ\ELHUDMFNODVNWyUDQDMF]FLHMZ\VWSXMHOXESU]H]ZD*RQNRPELQDFMURz- ZL]D]SRV]F]HJyOQ\FKVLHFL[9]. Metoda ta powoduje znaczne zmniejszenie wariancji mo- GHOXLMDNSRND]XMHGRZLDGF]HQLHGRVNRQDOHQDGDMHVLGRVLHFL) Obroty :FHOXOHSV]HJRGRSDVRZDQLDZ]áyZVLHFLGRGDQ\FKZ)60VWRVXMHVLQHXURQ\NWyU\FK funkcje transferu w n Z\PLDURZHMSU]HVWU]HQLGDMPR*OLZRüREURWXUHDOL]RZDQ\FKSU]H]QLH KLSHUSRZLHU]FKQLVWDá\FKZDUWRFLF]\OLJUDQLFGHF\]MLZ\]QDF]RQ\FKSU]H]QHXURQ:\No- QDQLHSHáQHJRREURWXMHVWREOLF]HQLRZREDUG]RNRV]WRZQHLSRZRGXMHJZDáWRZQH]PQLHMV]e- QLH VL V]\ENRFL XF]HQLD'ODWHJR WH*]DVWRVRZDQR REURW\ EGFH]áR*HQLHP REURWyZ GZu- Z\PLDURZ\FK 'OD SU]\NáDGX SU]HGVWDZLRQ\ ]RVWDQLH REUyW Z SU]HVWU]HQL WUyMZ\PLDURZHM 1DMSLHUZGRNRQXMHP\REURWXXNáDGXZVSyáU]GQ\FKGODSLHUZV]\FKGZyFKZ\PLDUyZRNW α, w wyniku czego z wektora (X,Y) otrzymujemy wektor (X,Y ): ; FRVα = < VLQα VLQα ; FRVα < :QDVWSQ\PNURNX ; = ; ;< = < LSRZWDU]DP\RSHUDFMHW\PUD]HPXZ]JOGQLDMFNWβSRáR*HQLDGDQHJRZ]áDPLG]\WU]e- FLPZ\PLDUHPLSáDV]F]\]QX,Y:RJyOQ\PSU]\SDGNXFDáDSURFHGXUDSRZWDU]DQDMHVWGOD ZV]\VWNLFK NROHMQ\FK Z\PLDUyZ.W\ REURWX GOD SRV]F]HJyOQ\FK Z]áyZ XVWDODQH VSRd- F]DVXF]HQLDGODND*GHJRZ]áDQLH]DOH*QLH =PLDQDNWyZQDFK\OHQLDQHXURQXGRRGSRZLHGQLFKRVLQDVWSXMH]DND*G\PUD]HPJG\Zy- NRQ\ZDQDMHVWDGDSWDFMDSRáR*HQLDLLQQ\FKSDUDPHWUyZWHJRZ]áD1DMSLHUZZ\]QDF]DQHV SRV]F]HJyOQHNW\QDFK\OHQLDθZHNWRUDPDMFHJRVZyMSRF]WHNZURGNXZ]áDDZLFMHVW WRSRáo*HQLHWHJRZ]áDDNRQLHFZPLHMVFXJG]LH]QDMGXMHVLDNWXDOQ\SXQNWZHMFLRZ\Z

12 3U]\NáDGREUyFRQ\FKGZyFKQHXURQyZ ZLHORZ\PLDURZHMSU]HVWU]HQLZHNWRUZHMFLRZ\PR*HE\üWUDNWRZDQ\MDNRSXQNW1DVWSQLH DNWXDOQHNW\QHXURQXφ VSU]HVXZDQHZNLHUXQNXZ\]QDF]oQ\FKZDUWRFL φ = φ + γ(θ φ) parametr γ MHVWWRWHQVDPSDUDPHWUNWyU\Z\VWSLáSRGF]DVXF]HQLDUR]P\ü -H*HOL Z GDQ\FK Z\VWSXM Z\UD(QLH QDFK\ORQH VNXSLVND WR ZLNV]Rü NWyZ Z\]QDF]RQ\FK GODSRV]F]HJyOQ\FKZHNWRUyZZSDGDMF\FKGRWHJRZ]áDEG]LHGRVLHELHSRGREQ\FKSU]H] FRáDWZRMHVWX]\VNDüRSW\PDOQ\NW-HGQDNJG\QLHPDZ\Uy*QLRQHJRNLHUXQNXGODVNXSLVND WRQDVWSXMHFLJáD]PLDQDZDUWRFLNWDφFRPR*HSRZRGRZDüWUXGQRFLZXF]HQLXVL'OD VNXSLVN Z\]QDF]RQ\FK SRGF]DV LQLFMDOL]DFML VLHFL NW\ ]QDMGRZDQH V ]D SRPRF SURVWHM ; = D ; GRSDVRZDQHMQDSRGVWDZLHZV]\VWNLFKZHNWRUyZQDOH*F\FKGRWHJRZ]áDVWG L L poszczególne parametry a i = k k :VSyáF]\QQLNLWHUyZQHVWDQJHQVRZLNWDSRPLG]\JáyZQRVLVNXSLVNDDRVLX 1. Tak ZLFSoV]F]HJyOQHNW\PR*QDZ\]QDF]\ü]HZ]RUX X X k 1 k i X X k i k i φ k = arctan(a k ) 1RZ\ Z]Há NWyU\ SRZVWDMH SRGF]DV XF]HQLD PD SRF]WNRZR NW\ ]HURZH SRQLHZD*W\ONR MHGHQ ZHNWRU QDOH*\ GR WHJR Z]áD L MHVW RQ MHJR URGNLHP,QLFMDOL]DFMD ] XZ]JOGQLHQLHP QLH]DOH*Q\FKREURWyZGODSRV]F]HJyOQ\FKZ]áyZ MHVW EDUG]LHM SUHF\]\MQD QL*]DVWRVRZDQLH DQDOL]\F]\QQLNyZJáyZQ\FK3&$OXELQQ\FKJOREDOQLHRNUHORQ\FKWUDQVIRUPDFMLGDQ\FK 1DZHWMHOLZF]DVLHXF]HQLDSDUDPHWU\REURWXQLHSRGOHJDMDGDSWDFMLZDUWRZSURZDG]LüPa- FLHU]HREURWXZRSLVDQ\SRZ\*HMVSRVyE,QQHPHWRG\WZRU]HQLDREUyFRQ\FKNRQWXUyZGHFyzji opisano w pracy [5].

13 5.4. Optymalizacja :NRFRZ\PHWDSLHXF]HQLDW]QJG\RVLJQLWDMDNRüNODV\ILNDFML]JRGQDMHVW]SR*GDQ QDVWSXMHRSW\PDOL]DFMDSROHJDMFDQDRGU]XFHQLXZ]áyZNWyUHPDMEDUG]RPDáHUR]PLDU\ W]QGRNWyU\FKZSDGDQLHZLHONDOLF]EDQS OXE ZHNWRUyZ ] FLJX WUHQLQJRZHJR 3o- ZVWDMRQHQDVNXWHN*GDQLD]E\WZ\VRNLHMGRNáDGQRFLNODV\ILNDFMLOXEWH*QLHZ\VWDUF]DMFe- JRUR]P\FLDGX*\FKZ]áyZLVWQLHMF\FKZVLHFL-H*HOLSU]\F]\QWZRU]HQLDPDá\FKZ]áyZ MHVW ]E\W V]\ENLH LFK WZRU]HQLH WR SR LFK RGU]XFHQLX SUyED GRXF]HQLD LVWQLHMF\FK Z]áyZ VSRZRGXMH]ZLNV]HQLHLFKUR]P\ü:SU]HFLZQ\PSU]\SDGNXSRQRZQLH]RVWDQXWZRU]RQH PDáHZ]á\3UyEDRGU]XFDQLDLGRXF]DQLDSRZWDU]DQDMHVWNLONDNURWQLHSRF]\PHWDSXF]HQLD MHVW]DNRF]RQ\-DNRüNODV\ILNDFMLSRW\PHWDSLHPR*HE\üPQLHMV]DRG*GDQHMSRQLHZD* F]üZ]áyZ]RVWDáDRdrzucona. (WDSNROHMQ\WRNRFRZDRSW\PDOL]DFMDVLHFLSRNWyUHMQLHQDVWSXMHMX*GRXF]DQLH2GU]XFa- QH VZ]á\ NWyU\FK OLNZLGDFMD QLH SRZRGXMH ]PLDQ\ SR]LRPX DNWXDOQHM NODV\ILNDFML $E\ XQLNQüVSUDZG]DQLDND*GHJRZ]áD]RVREQDW]QRGU]XFDQLDJRLVSUDZG]DQLDNODV\ILNDFML QDFDá\P]ELRU]HWUHQLQJRZ\PFRE\áRE\EDUG]RNRV]WRZQHGODND*GHJRZHNWRUDWUHQLQJo- ZHJRREOLF]DQDMHVWDNW\ZDFMDZV]\VWNLFKZ]áyZL]DSDPLW\ZDQDZDUWRüDNW\ZDFMLZ]áD QDMEDUG]LHMZ]EXG]DMFHJRVL7HQZ]Há]RVWDMHZ\áF]RQ\:\V]XNLZDQ\MHVWNROHMQ\Z- ]HáQDMEDUG]LHMZ]EXG]DMF\VLL]DSDPLW\ZDQDMHVWZDUWRüMHJRZ]EXG]HQLD0DP\ZLF PDFLHU] ] OLF]E HOHPHQWyZ GZD UD]\ ZLNV] QL* OLF]ED ZHNWRUyZ Z FLJX WUHQLQJRZ\P QDWRPLDVWZDUWRFLW\FKHOHPHQWyZUyZQHVPDNV\PDOQ\PZ]EXG]HQLRPGODRGSRZLHGQLFK ZHNWRUyZWUHQLQJRZ\FK:PDFLHU]\WHMXVXZDP\MHGHQZ]Há'ODZHNWRUDGODNWyUHJRZ- ]HáWHQPLDáQDMZLNV]ZDUWRüDNW\ZDFMLZVWDZLDQDMHVWGRPDFLHU]\ZDUWRü]HUR1DVWp- QLHQDSRGVWDZLHSR]RVWDá\FKZDUWRFLZ\OLF]DQDMHVWMDNRüNODV\ILNDFML-H*HOLMDNRüNODVy- ILNDFML QLH SRJRUV]\áD VL WR DQDOL]RZDQ\ Z]Há MHVW XVXZDQ\ Z SU]HFLZQ\P SU]\SDGNX ZVWDZLDQHVGRPDFLHU]\SoSU]HGQLHZDUWRFL 5.5. Selekcja cech 'OD ND*GHJR]Z]áyZ XNU\W\FK PR*QD UyZQLH* ]DVWRVRZDü HOLPLQDFM FHFK. W tym celu Z\ELHUDP\NROHMQRZ]á\LGODND*GHJR]QLFKRGU]XFDP\]FLJXWUHQLQJRZHJRZHNWRU\NWó- UHGRGDQHJRZ]áDZSDGDMF]\OLNWyUHVSU]H]QLHJRNODV\ILNRZDQH0R*HP\WRXF]\QLü JG\* Z\áF]HQLH FHFK\ Z GDQ\P Z(OH ] XZDJL QD WR *H VWRVXMHP\ IXQNFMH VHSDURZDOQH PR*HE\üWUDNWRZDQHMDN ZVWDZLHQLH GR LORF]\QX ZDUWRFL D ZLF PDNV\PDOQHM ZDUWRFL DNW\ZDFMLGODGDQHJRZ\PLDUX0R*HWRVSRZRGRZDüW\ONR]ZLNV]HQLHDNW\ZDFMLZ]áDGOD ZV]\VWNLFKZHNWRUyZWUHQLQJRZ\FK1LHPR*HVLZLF]PLHQLüNODV\ILNDFMDZHNWRUyZNWyUH E\á\SRSUDZQLHNODV\ILNRZDQHERGODW\FKZHNWRUyZWHQZ]HáLWDNPLDáQDMZLNV]HZ]Eu- G]HQLH'ODWHJRREOLF]DP\PDFLHU]Z]EXG]HW\ONRGODSR]RVWDá\FKZHNWRUyZWUHQLQJRZ\FK.D*GD]FHFKGODGDQHJRZ]áD]RVWDMHNROHMQRRGU]XFDQD3RZRGXMHWRZ]URVWIXQNFMLDNWy- ZDFMLWHJRZ]áD-HOLDNW\ZDFMDWDGODZHNWRUyZ]LQQHMNODV\QL*RSW\PDOL]RZDQ\Z]HáQLH SU]HNUDF]D DNW\ZDFML Z]áyZ SRSUDZQLH MH NODV\ILNXMF\FK]DSLVDQ\FK Z WDEOLF\ DNW\ZDFML to taka cecha nie jest potrzebna. 3URFHGXU\ RGU]XFDQLD Z]áyZ RUD] HOLPLQDFML FHFK SRZWDU]DQH V WDN GáXJR D**DGHQ Z]Há QLHPR*HMX*]RVWDüRGU]XFRQ\$OWHUQDW\ZQDPHWRGDVHOHNFMLFHFKSROHJDMFDQDPRG\ILNDFML IXQNFMLEáGXRSLVDQD]RVWDáDZSUDF\[13].

14 5.6. Rozpoznawanie 7HVWRZDQLHVLHFL)60SROHJDQDZ\V]XNLZDQLXGODGDQHJRZHNWRUDZHMFLRZHJRZ]áDNWyU\ XOHJD QDMZLNV]HPX Z]EXG]HQLX :HNWRU ZHMFLRZ\ MHVW SU]\SLVDQ\ GR NODV\ NWyU UHSUe- ]HQWXMH QDMOHSV]\ QHXURQ -H*HOL MHGQDN *DGHQ ] Z]áyZ QLH XOHJD Z]EXG]HQLX ZyZF]DV wektor wejflrz\qlh]rvwdmhvnodv\ilnrzdq\ 'RRV]DFRZDQLD MDNRFL NODV\ILNDFML VáX* GZD SDUDPHWU\ ZDUWRü Z]EXG]HQLD RUD] ZVSyá- F]\QQLN ]DXIDQLD :DUWRü Z]EXG]DQLH G MHVW ] ]DNUHVX >@ LP MHVW ZLNV]D W\P ZHNWRU ZHMFLRZ\EOL*V]\MHVWLVWQLHMFHPXSUoWRW\SRZLNWyU\SRZVWDáSRGF]DVXF]HQLD :VSyáF]\QQLN ]DXIDQLD QDWRPLDVW PR*QD WUDNWRZDü MDNR SUDZGRSRGRELHVWZR SRSUDZQHJR zaklasyfikowania wektora wejflrzhjrx do danej klasy S N = & L & * ; ' σ &L N &L & ; S N * ; ' σ N & N & & L L L = :OLF]QLNXVXPRZDQLHSU]HELHJDSRZV]\VWNLFKZ]áDFKUHSUH]HQWXMF\FKNODV]Z\FL]F\Z PLDQRZQLNXVXPDELHJQLHSRZV]\VWNLFKZ]áDFKXNU\W\FK Z VLHFL :]á\ SU]HFKRZ\ZDü PRJUyZQLH*LQIRUPDFMHV\PEROLF]QHNWyUHPRJE\üSU]HGVWDZLDQHQDZ\MFLX 6. 3U]\NáDGRZHUH]XOWDW\ 'RWHVWRZDQLDVLHFL)60X*\WRVWDQGDUGRZ\FK]DJDGQLHNODV\ILNDF\MQ\FKZ]LW\FK]UHSozytorium baz danych Uniwersytetu Kalifornijskiego w Irvine [8] JG]LH ]QDOH(ü PR*QD Go- NáDGQLHMV]\RSLVGDQ\FK:V]\VWNLHSRQL*V]HSU]\NáDG\SU]HGVWDZLDMZ\QLNLNWyUHSRZVWDá\ ZZ\QLNXXUHGQLHQLDNLONXUH]XOWDWyZGODGDQHMED]\ :V]\VWNLH GDQH ]RVWDá\ QDMSLHUZ ]HVWDQGDU\]RZDQH : SRQL*V]\FK WDEHODFK SRGDQD ]RVWDáD SURFHQWRZDSRSUDZQRüNODV\ILNDFMLQD]ELRU]HWHVWRZ\POXEWH*MHOL]ELyUWHVWRZ\QLHZy- VWSRZDáSU]HGVWDZLRQ\MHVWZ\QLN]NURWQHMNURVZDOLGDFML:SU]\SDGNXJG\LVWQLDá\]e- EUDQHZ\QLNLUy*Q\FKNODV\ILNDWRUyZGODGDQHJR]ELRUX)60]RVWDáSRUyZQDQ\]QDMOHSV]y- PL]QLFK-HOLWDNLHZ\QLNLQLHLVWQLDá\GRNRQDOLP\SRUyZQDQLD)60]QDMOHSV]\PPRGe- OHP0/3MDNLXGDáRVL]QDOH(üZOLWHUDWXU]HE\áDWR]Z\NáDZVWHF]QDSURSDJD]FMD5SURS Quickprop lub dla danych hypothyroid genetyczna optymalizacja parametrów), metody QDMEOL*V]\FKVVLDGyZk-NN [9] oraz drzewa decyzji C4.5 [10]. We wszystkich tabelach re- ]XOWDW RWU]\PDQ\ ] VLHFL )60 SU]HGVWDZLRQ\ MHVW Z RVWDWQLHM NROXPQLH ZV]\VWNLH SR]RVWDáH UH]XOWDW\ V Z NROHMQRFL PDOHMFHM GRNáDGQRFL NODV\ILNDFML :H ZV]\VWNLFK SU]\SDGNDFK Z\QLNLRVLJQLWH]DSRPRF)60V]EOL*RQHGRQDMOHSV]\FK:LFHMZ\QLNyZ]QDOH(üPR*- na na stronie internetowej: 'DQH'1$]DZLHUDMZHNWRUyZZ]ELRU]HWUHQLQJRZ\PLZHNWRUyZZ]ELRU]H WHVWRZ\P :\VWSXMH ELQDUQ\FK DWU\EXWyZ L WU]\ NODV\ R QDVWSXMF\P UR]NáDG]LH procentowym: w zbiorze treningowym 23.2%, 24.3%, 52.5%, w zbiorze testowym 25.6%, 23.6%, 50.8%.

15 'RNáDGQRüQD zbiorze testowym Radial Dipol92 Alloc80 QuaDisc Discrim FSM 95.9% 95.2% 94.3% 94.1% 94.1% 94.3% 'DQHÄMRQRVIHUD ]DZLHUDM ZHNWRUyZ] F]HJR SLHUZV]\FK X*\ZD VL GR WUHQo- ZDQLDQDWRPLDVWSR]RVWDáHGRWHVWRZDQLD'DQHWHUHSUH]HQWXMV\JQDáUDGDURZ\RGELW\RG MRQRVIHU\.D*G\]ZHNWRUyZ]DZLHUDDWU\EXW\RZDUWRFLDFKFLJá\FK:\VWSXMGZLH NODV\ SLHUZV]D ZLDGF]FD R Z\VWSRZDQLX Z MRQRVIHU]H SHZQ\FK VWUXNWXU L GUXJD ZLDGF]FDREUDNX W\FK VWUXNWXU 2ELH NODV\ Z ]ELRU]H WUHQLQJRZ\P VSUDZLHUyZQoliczne. 'RNáDGQRüQD]ELRU]H testowym k-nn MLP C4.5 FSM 98.7% 96.0% 94.9% 97.7% 'DQH ÄK\SRWK\URLG ]DZLHUDM ZHNWRU\ Z ]ELRU]H WUHQLQJRZ\P L Z ]ELRU]H WHVWRZ\P6WRGDQH]GZyFKNROHMQ\FKODWEDGDSU]HVLHZRZ\FK]DZLHUDMFHLQIRUPa- FMHRQLHGRF]\QQRFLQDGF]\QQRFLOXEQRUPDOQLHG]LDáDMFHM WDUF]\F\ 3URFHQWRZ\ URz- NáDGW\FKWU]HFKNODVMHVWQDVWSXMF\ZSOLNXWUHQLQJRZ\PWHVWRZ\P :\VWSXMHDWU\EXWyZELQDUQ\FKLFLJá\FK 'RNáDGQRüQD]ELRU]H testowym C4.5 C-MLP2LN CART FSM 99.5% 99.36% 99.36% 99.1% 'DQHÄVDWLPDJH VNáDGDMVL]LQWHQV\ZQRFLSLNVHOL]QDMGXMF\FKVLZVVLHG]WZLH[ RWU]\PDQ\FK]F]WHUHFK]GMüVDWHOLWDUQ\FKZUy*Q\FK]DNUHVDFKVSHNWUDOQ\FKVWGZ\VW- SXMH DWU\EXWyZ PDMF\FK ZDUWRFL ] SU]HG]LDáX : ED]LH MHVW ZHNWRUyZ WUHQLQJRZ\FKLWHVWRZ\FK 'DQHSRG]LHORQHVQDV]Hü NODV FKRG]L R Uy*QH So- ZLHU]FKQLH RGELMDMFH PDMF\FK QDVWSXMF SURFHQWRZ OLF]HEQRü Z SRV]F]HJyOQ\FK zbiorach: zbiór treningowy 24.2%, 10.8%, 21.6%, 9.4%, 10,6%, 23.4%, testowym 23.1%, 11.2%, 19.9%, 10.5%, 11.8%, 23.5%. 'RNáDGQRüQD]ELRU]H testowym k-nn LVQ Dipol92 Radial FSM 90.6% 89.5% 88.9% 87.9% 89.8% 'DQHÄVRQDU ]DZLHUDMZHNWRUyZNWyUHSRG]LHORQHUyZQRQD]ELyUWUHQLQJRZ\LWe- VWRZ\:\VWSXMGZLHNODV\.D*G\]ZHNWRUyZSRVLDGDFLJá\FKDWU\EXWyZ&HOHP jest oduy*qlhqlhv\jqdáxvrqduxrgelwhjrrgphwdoxrgv\jqdáxrgelwhjrrgvndá\ 'RNáDGQRüQD]ELRU]H testowym MLP+BP k-nn C4.5 FSM 90.4% % 'DQHÄVKXWWOH ]DZLHUDMZHNWRUyZZ]ELRU]HWUHQLQJRZ\PLZ]ELRU]HWe- VWRZ\P:\VWSXMHVLHGHP NODV PDMF\FK QDVWSXMF\ XG]LDá SURFHQWRZ\ Z SRV]F]HJyl-

16 nych zbiorach: zbiór treningowy 78.41%, 0.09%, 0.3%, 15.51%, 5.65%, 0.01%, 0.03%, WHVWRZ\P'DQHSRVLDGDMFL- Já\FKDWU\EXWyZ 'RNáDGQRüQD]ELRU]H testowym NewId BayTree Cn2 Cal5 FSM 99.99% 99.98% 99.97% 99.97% 99.97% 'DQHÄOHWWHUV ]DZLHUDMZHNWRU\RSLVXMFHGX*\FKOLWHU]DOIDEHWXM]\NDDQJLHOVNLHJR :\VWSXMHZHNWRUyZ]F]HJRSU]H]QDF]RQ\FK]RVWDáRGRWUHQRZDQLDVLHFLD SR]RVWDáHGRWHVWRZDQLD'DQHWHXWZRU]RQH]RVWDá\]Uy*Q\FKIRQWyZ'RND*GHM OLWHU\ VSRUyG W\FK IRQWyZ GRGDQ\ ]RVWDá V]XP 8WZRU]RQR F]DUQR ELDáH SURVWRNWQH REUD]\NWyUHQDVWSQLHSU]HGVWDZLRQRZSRVWDFLZHNWRUDVNáDGDMFHJRVL] FHFK Qu- PHU\F]Q\FK :V]\VWNLH FHFK\ ]RVWDá\ SU]HVNDORZDQH WDN DE\ ZDUWRFL W\FK FHFK\ E\á\ FDáNRZLWHZ]DNUesie od 0 do 15. 'RNáDGQRüQD]ELRU]H testowym Alloc80 k-nn LVQ QuaDisc FSM 93.6% 93.2% 92.1% 88.7% 92.2% 'DQHÄJDOD[LHV ]DZLHUDMRSLVJDODNW\N]NDWDORJX(62/9[12]. Celem jest wykonanie automatycznej klasyfikacji, która porównywalna jest do klasyfikacji eksperta. Zbiór ten ]DZLHUD SRQDG ZHNWRUyZ 6LHü WUHQRZDQD MHVW QD ]ELRU]H ]DZLHUDMF\P HOe- PHQWyZLWHVWRZDQDQD]ELRU]HZHNWRUyZ.D*G\ZHNWRUVNáDGDVL]FHFKLPo- *HQDOH*HüGRMHGQHM]GZyFKNODVJDODNW\NLZF]HVQHJRW\SXOXEWH*JDODNW\NLSy(QHJR typu. 'RNáDGQRüQD]ELRU]HWHVWowym k-nn C4.5 MLP+BP FSM 92.82% 92.4% 89.6% 93% 'DQHÄKHSDWLWLV GRW\F]FKRUyEZWURE\RWU]\PDQH]7RNLMVNLHJRXQLZHUV\WHWXPHG\Fznego [13]'DQH WH]ZLHUDM SU]\SDGNyZ Z W\P X*\WH]RVWDá\ GR WHVWRZDQLD D SR]RVWDáHGRWUHQRZDQLDVLHFL.D*G\SU]\SDGHNRSLVDQ\]RVWDáSU]H]FHFK:\VWSXM klasy. 'RNáDGQRüQD]ELRU]HWHVWowym k-nn C4.5 MLP FSM 82.8% 75.5% 68% 82.2% Dane VHJPHQWDWLRQ ]DZLHUDMZHNWRUyZZ]ELRU]HWUHQLQJRZ\PLZ]ELRU]H WHVWRZ\P:\VWSXMHNODVND*GD]NODVZ]ELRU]HWUHQLQJRZ\PSRVLDGDZHNWRUyZD Z]ELRU]HWHVWRZ\P:V]\VWNLHZHNWRU\RSLVDQHVSU]H]FHFKRZDUWRFLDFKFL- Já\FK

17 'RNáDGQRüQD]ELRU]HWHVWowym k-nn C4.5 MLP FSM 90.33% 89.8% 88.33% 91.2% 'DQHÄEUHDVWFDQFHUZLVFRQVLQ ]DZLHUDMSU]\SDGNyZZUyGNWyU\FKZ\VWSXMH FKRU\FK RUD] ]GURZ\FK SU]\SDGNyZ.D*G\ SU]\SDGHN RSLV\ZDQ\ MHVW SU]H] FHFK PDMF\FKZDUWRüZ]DNUHVLHRG'ODSU]\SDGNyZMHGQDZDUWRüMHVWEUDNXMFD: miejvfdzduwrfleudnxmfhmzvwdzlrqd]rvwdádzduwrüuhgqldgodgdqhmfhfk\ 'RNáDGQRüREOLF]RQD] krotnej kroswalidacji IncNet k-nn FDA FSM 97.1% 97.1% 96.8% 96.5% Dane appendictis [14]]DZLHUDMSU]\SDGNyZRSLVDQ\FK]DSRPRFFHFK:\VW- SXMGZLHNODV\PDMFHQDVWSXMF\XG]LDáSURFHQWRZ\ 'RNáDGQRüREOLF]RQD] krotnej kroswalidacji k-nn MLP C4.5 FSM 89.3% 83.9% 83.5% 84.2% 7. Podsumowanie &KRFLD*RSLVDQ\WXDOJRU\WPZ\GDZDüVLPR*HSRF]WNRZRVNRPSOLNRZDQ\LWUXGQ\ZX*y- FLXZU]HF]\ZLVWRFLZ\NRQXMHVLQLHPDODXWRPDW\F]QLHQLHZ\PDJDMFLQJHUHQFMLX*\WNRw- QLNDZSURFHVXF]HQLDVLOXEZ\ELHUDQLDDUFKLWHNWXU\ 6LHüVWDUWXMH]SURWRW\SyZXWZRU]RQ\FKSRGF]DVJUXSRZDQLDDQDVWSQLHGRGDMHMHOLMHVWWR NRQLHF]QHQRZHQHXURQ\'RGDQLHQRZ\FKQHXURQyZX]DOH*QLRQHMHVWRGRGOHJáRFLPLG]\ ZHNWRUHP]QDMGXMF\PVLQDZHMFLXVLHFLLDNWXDOQ\PLSURWRW\SDPLXWZRU]RQ\PLSU]H]VLHü RUD]RGUHDNFMLVLHFLQDWHQZHNWRUZ]EXG]HQLDLVWQLHMF\FKZ]áyZ3RF]WNRZHSURWRW\S\ ]QDMGRZDQHV]DSRPRFZVWSQHMLQLFMDOL]DFMLRSDUWHMQDJUXSRZDQLX,QLFMDOL]DFMDWDNDSo- ]ZDOD Z\VWDUWRZDü ] RSW\PDOQ\FK SURWRW\SyZ FR SRZRGXMH F]VWR SU]\VSLHV]HQLH SURFHVX XF]HQLDRUD]XWZRU]HQLHVLHFL R QLHZLHONLHM OLF]ELH Z]áyZ 7DN ZLF FDáD DUFKLWHNWXUD VLHFL ]DOH*\W\ONRLZ\áF]QLHRGGDQ\FKNWyUH]RVWDMX*\WHGRMHMXF]HQLD 3R]DDUFKLWHNWXUDLVWRWQ\PF]\QQLNLHP ZSá\ZDMF\P QD MDNRü NODV\ILNDFML MHVW ]GROQRü Z\WZDU]DQLD SU]H] PRGHO Uy*QRURGQ\FK REV]DUyZ GHF\]\MQ\FK SU]\ XWU]\PDQHM VHQVRZQHM ]ár*rqrflwhjrprghox:ádvqrüwdxpr*olzldohsv]hgrsdvrzdqlhvlnodv\ilndwrudgrga- Q\FKDFR]DW\PLG]LHRVLJQLFLHOHSV]HMJHQHUDOL]DFML :VLHFL)60]PLDQNV]WDáWXREV]DUyZGHF\]\MQ\FKPR*QDX]\VNDüSRSU]H]VWRVRZDQLHUy*- Q\FKIXQNFMLDNW\ZDFMLRUD]PR*OLZRüZ\NRQDQLDREURWyZZZLHORZ\PLDURZHMSU]HVWU]HQL 6WRVRZDQLHUy*Q\FKIXQNFMLDNW\ZDFMLRWZLHUDUyZQLH*Uy*QHGURJLDQDOL]\GDQ\FKQSLQWHr- SUHWDFM]DSRPRFUHJXáORJLF]Q\FKZ\VWDUF]\ZW\PFHOX]DVWRVRZDüIXQNFMHSURVWRNWQH SU]HFKRG]F VWRSQLRZR RG IXQNFML ELFHQWUDOQ\FK OXE JDXVVRZVNLFK F]\ WH* LQWHUSUHWDFM RSDUWRORJLNUR]P\WIXQNFMDWUyMNWQDJDXVVRZVND7D JLWNRü WZRU]HQLD Uy*Q\FK Rb- V]DUyZGHF\]\MQ\FKXPR*OLZLD]DVWRVRZDQLHVLHFL)60ZZLHOXG]LHG]LQDFKFRSRWZLHUG]DM przedstawione wyniki.

18 =DVWRVRZDQLDWHJRPRGHOXGRDSURNV\PDFMLMDNRSDPLFLDVRFMDF\MQHMRUD]MDNRIXQNFMLKHu- U\VW\F]QHM Z SUREOHPDFK RSW\PDOQHJR VSHáQLDQLD ZLHOX RJUDQLF]H [1] QLH ]RVWDá\ MHV]F]H SRGMWH 3RG]LNRZDQLD =D ZVSDUFLH ILQDQVRZH Z UDPDFK JUDQWX QU 7) MHVWHP\ ZG]LF]QL.RPLWHWRZL%DGD1DXNowych. Literatura [1] Duch W., Diercksen G. H. F. (1995): Feature Space Mapping as a universal adaptive system. -- Computer Physics Communications, Vol 87, pp [2] Duch W. (1997): Platonic model of mind as an approximation to neurodynamics. [w:] Brainlike computing and intelligent information systems (S-i. Amari, N. Kasabov, Ed.). Singapore Springer, rozdz. 20, s [3] Bishop C. (1995): Neural network for pattern recognition. Oxford: Clarendon Press. [4] Duch W. (1996): From cognitive models to neurofuzzy systems - the mind space approach. -- Systems Analysis-Modeling-Simulation, Vol. 24, pp [5] Duch W., Jankowski N. (1999): Survey of neural transfer functions -- Neural Computing Surveys, Vol. 2, pp [6] Duch W., Adamczak R., Jankowski N. (1997): Initialization of adaptive parameters in density networks -- Third Conference on Neural Networks and Their Applications, Kule, SD(G]LHUQLN 1997, s [7] Kohonen T. (1995): Self-organizing maps. -- Heidelberg Berlin: Springer-Verlag. [8] Blake C. L. and Merz C. J. (1999), UCI repository of machine learning databases [9] 'XFK : *UXG]LVNL. The weighted k-nn method with selection of features and its neural realization th Conference on Neural Networks and Their Applications, Zakopane, Maj 1999, s [10] Quinlan J. R. (1993): C4.5: Programs for machine learning.-- Morgan Kaufmann, San Mateo, CA. [11] 'XFK : $GDPF]DN 5 *UEF]HZVNL. Methodology of extraction, optimization and application of crisp and fuzzy logical rules. -- IEEE Transactions on Neural Networks special issue on Data Mining. [12] Lahav O., Naim A., Sodre L. Jr. and Storne-Lombardi M. C. (1995): Neural Comptutation as a tool for galaxy classification: methods and examples. -- Institute od Astronomy, Cambridge, Technical report CB3 OHA. [13] Duch W., Adamczak R., Grbczewski K., )DO * +D\DVKL < Fuzzy and crisp logical rule extraction methods in application to medical data. -- Computational Intelligence and Applications (P.S. Szczepaniak. Ed.) Springer, Studies in Fuzziness and Soft Computing, Vol. 23. [14] Weiss S.M., Kapouleas I. (1990): An empirical comparison of pattern recognition, neural nets and machine learning classification methods. [w:] Readings in Machine Learning (Shavlik J.W. and Dietterich T.G. Ed.). -- Morgan Kauffman Publ, CA. [15] Churchland P.S., Sejnowski T.J. (1992): The computational brain. -- MIT, Bradford Book. [16] Thelen E., Smith L.B. (1994): A Dynamic Systems Approach to the Development of Cognition and Action. -- MIT Press. [17] Breiman L. (1998): Bias-variance, regularization, instability and stabilization. -- Neural Networks and Machine Learning (Bishop C. M. Ed.), s Springer-Verlag.

Ewolucyjna optymalizacja wielokryterialna

Ewolucyjna optymalizacja wielokryterialna Algorytmy genetyczne (seminarium) SURZDG]F\ GULQ*+DOLQD.ZDQLFND termin: URGD 15 13 00 data: 2000.05.10 autor: 0DUFLQ:FLXELDN nr ind. 82443 informatyka, semestr 6. Ewolucyjna optymalizacja wielokryterialna

Bardziej szczegółowo

Jan Bień. Modelowanie obiektów mostowych w procesie ich eksploatacji

Jan Bień. Modelowanie obiektów mostowych w procesie ich eksploatacji Jan Bień Modelowanie obiektów mostowych w procesie ich eksploatacji Oficyna Wydawnicza Politechniki Wrocławskiej Wrocław 2002 63,675(&, 1. SYSTEMOWE WSPOMAGANIE EKSPLOATACJI OBIEKTÓW MOSTOWYCH... 7 1.1.

Bardziej szczegółowo

1. PARAMETRY TECHNICZNE WAG NAJAZDOWYCH.

1. PARAMETRY TECHNICZNE WAG NAJAZDOWYCH. .ZLHFLH 2 1. PARAMETRY TECHNICZNE WAG NAJAZDOWYCH. Typ wagi 2EFL*HQLH maksymalne Max [kg] WPT/4N 400H WPT/4N 800H WPT/4N 1500H 400 800 1500 2EFL*HQLH PLQLPDOQH Min [kg] 4 10 10 'RNáDGQRü RGF]\WX d [g]

Bardziej szczegółowo

o partnerstwie publiczno-prywatnym.

o partnerstwie publiczno-prywatnym. SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 20 czerwca 2005 r. Druk nr 984 0$56=$à(. 6(-08 RZECZYPOSPOLITEJ POLSKIEJ Pan Longin PASTUSIAK 0$56=$à(. 6(1$78 RZECZYPOSPOLITEJ POLSKIEJ =JRGQLH

Bardziej szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 3 sierpnia 2005 r. Druk nr 1074

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 3 sierpnia 2005 r. Druk nr 1074 SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 3 sierpnia 2005 r. Druk nr 1074 PREZES RADY MINISTRÓW Marek BELKA Pan Longin PASTUSIAK 0$56=$à(. 6(1$78 RZECZYPOSPOLITEJ POLSKIEJ 6]DQRZQ\ 3DQLH

Bardziej szczegółowo

Spis treœci :VWS... 5. Poziom podstawowy... 9. Poziom rozszerzony... 61. 5R]ZL]DQLD... 95 6áRZQLF]HN... 125 Literatura... 127

Spis treœci :VWS... 5. Poziom podstawowy... 9. Poziom rozszerzony... 61. 5R]ZL]DQLD... 95 6áRZQLF]HN... 125 Literatura... 127 Spis treœci Twoja matura Geografia :VWS... 5 Poziom podstawowy... 9 I. 3RGVWDZ\ NRU]\VWDQLD ] Uy*QRURGQ\FK (UyGHá LQIRUPDFML JHRJUaficznej... 9 II. Funkcjonowanie systemu przyrodniczego Ziemi... 16 III.

Bardziej szczegółowo

Piotr 7U\EDáD. Leasing 3RUDGQLN3U]HGVLELRU \

Piotr 7U\EDáD. Leasing 3RUDGQLN3U]HGVLELRU \ Piotr 7U\EDáD Leasing 3RUDGQLN3U]HGVLELRU \ Autor Piotr 7U\EDáD Redakcja i korekta Ewa Skrzypkowska Copyright by 3ROVND $JHQFMD 5R]ZRMX 3U]HGVLELRUF]RFL Projekt serii Tadeusz Korobkow 3URMHNW RNáDGNL Andrzej

Bardziej szczegółowo

0HWRG\HNVSORUDFMLGRVWSQHZ2UDFOHi Data Mining

0HWRG\HNVSORUDFMLGRVWSQHZ2UDFOHi Data Mining Ä,QWHJUDFMDWHFKQLNHNVSORUDFMLGDQ\FK]V\VWHPHP]DU]G]DQLDED]GDQ\FKQDSU]\NáDG]LH2UDFOHL'DWD0LQLQJ 37 Wprowadzenie (NVSORUDFMDGDQ\FK]ZDQDWDN*HRGNU\ZDQLHPZLHG]\ZED]DFKGDQ\FKdata mining, knowledge discovery in

Bardziej szczegółowo

Zapis stenograficzny (1532) 187. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 25 listopada 2004 r.

Zapis stenograficzny (1532) 187. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 25 listopada 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1532) 187. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 25 listopada 2004 r. V kadencja 3RU]GHN REUDG 1. Rozpatrzenie ustawy

Bardziej szczegółowo

: Autor: Ks. Wojciech Cichosz. 2. 7\WXá:\FKRZDQLHFKU]HFLMDVNLHZREHFSRVWPRGHUQLVW\F]QHMSURZRNDFML. 3. 'UyGáR*GDVN

: Autor: Ks. Wojciech Cichosz. 2. 7\WXá:\FKRZDQLHFKU]HFLMDVNLHZREHFSRVWPRGHUQLVW\F]QHMSURZRNDFML. 3. 'UyGáR*GDVN 1. Autor: Ks. Wojciech Cichosz 2. 7\WXá:\FKRZDQLHFKU]HFLMDVNLHZREHFSRVWPRGHUQLVW\F]QHMSURZRNDFML 3. 'UyGáR*GDVN :67 3 =DZV]HWDNLH5]HF]\SRVSROLWHEG MDNLHLFKPáRG]LH*\FKRZDQLH (J. Zamoyski =DPRüU OHG]FRJURPQHG]LHG]LFWZRLERJDFWZRNXOWXU\áDWZRGRVWU]HF*HZFHQWUXP

Bardziej szczegółowo

STACJE ELEKTROENERGETYCZNE

STACJE ELEKTROENERGETYCZNE :$/'(0$5'2à *$ STACJE ELEKTROENERGETYCZNE 2),&

Bardziej szczegółowo

Zapis stenograficzny (1537) 188. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 30 listopada 2004 r.

Zapis stenograficzny (1537) 188. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 30 listopada 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1537) 188. posiedzenie.rplvml3rolw\nl6sráhf]qhml=gurzld w dniu 30 listopada 2004 r. V kadencja 3RU]GHN REUDG,QIRUPDFMD QD WHPDW SUREOHPX

Bardziej szczegółowo

,1)<1,(56.,(%$=<'$1<&+'/$0$à<&+35=('6, %,2567: ENGINEERING DATA BASES FOR SMALL ENTERPRISES

,1)<1,(56.,(%$=<'$1<&+'/$0$à<&+35=('6, %,2567: ENGINEERING DATA BASES FOR SMALL ENTERPRISES 53 M>D J. Wróbel Institute of Machine Design Fundamentals, Warsaw University of Technology, Poland,1)

Bardziej szczegółowo

Spis treœci WSTÊP... 3 KLUCZ ODPOWIEDZI... 138 BIBLIOGRAFIA... 210

Spis treœci WSTÊP... 3 KLUCZ ODPOWIEDZI... 138 BIBLIOGRAFIA... 210 Spis treœci WSTÊP... 3 I. 8NáDG NU*HQLD L XNáDG RGSRUQRFLRZ\ F]áRZLHND poziom podstawowy... 9 II. 8NáDG NU*HQLD L XNáDG RGSRUQRFLRZ\ F]áRZLeka poziom rozszerzony... 14 III. 8NáDG QHUZRZ\ F]áRZLHND poziom

Bardziej szczegółowo

Zapis stenograficzny (1530) 162. posiedzenie.rplvml6dpru]gx7hu\wruldoqhjr i AdmiQLVWUDFML3DVWZRZHM w dniu 25 listopada 2004 r.

Zapis stenograficzny (1530) 162. posiedzenie.rplvml6dpru]gx7hu\wruldoqhjr i AdmiQLVWUDFML3DVWZRZHM w dniu 25 listopada 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1530) 162. posiedzenie.rplvml6dpru]gx7hu\wruldoqhjr i AdmiQLVWUDFML3DVWZRZHM w dniu 25 listopada 2004 r. V kadencja 3RU]GHN REUDG 5R]SDWU]HQLH

Bardziej szczegółowo

SYSTEM OCENIANIA NAUCZYCIELI BIOLOGII

SYSTEM OCENIANIA NAUCZYCIELI BIOLOGII MARIA PEDRYC-WRONA ELWIRA SAMONEK-MICIUK Pracownia Metodyki Nauczania Biologii, UMCS Lublin SYSTEM OCENIANIA NAUCZYCIELI BIOLOGII :VWS 8PLHMWQRü SRPLDUX RVLJQLü XF]QLyZ L LFK RFHQLDQLH WR WUXGQ\LRGSowiedzialny

Bardziej szczegółowo

Irena Zubel..V]WDáWRZDQLHVWUXNWXUSU]HVWU]HQQ\FK w krzemie PHWRGWUDZLHQLDDQL]RWURSRZHJR GR]DVWRVRZDZPLNURHOHNWUonice

Irena Zubel..V]WDáWRZDQLHVWUXNWXUSU]HVWU]HQQ\FK w krzemie PHWRGWUDZLHQLDDQL]RWURSRZHJR GR]DVWRVRZDZPLNURHOHNWUonice Irena Zubel.V]WDáWRZDQLHVWUXNWXUSU]HVWU]HQQ\FK w krzemie PHWRGWUDZLHQLDDQL]RWURSRZHJR GR]DVWRVRZDZPLNURHOHNWUonice Oficyna Wydawnicza Politechniki WURFáDZVNLHM WURFáDZ 2004 Recenzenci Keshra Sangwal Jerzy

Bardziej szczegółowo

KWIT WYWOZOWY/PODWOZOWY (KW)

KWIT WYWOZOWY/PODWOZOWY (KW) KWIT WYWOZOWY/PODWOZOWY (KW).ZLW Z\ZR]RZ\SRGZR]RZ\ MHVW GRNXPHQWHP VWDQRZLF\P SRGVWDZ SU]HPLHV]F]HQLD Z\URELRQ\FKLRGHEUDQ\FKPDWHULDáyZGU]HZQ\FKSU]\X*\FLXNRQQ\FKLPHFKDQLF]Q\FKURGNyw WUDQVSRUWRZ\FKDSRSRGSLVDQLXSU]H]RGELRUFVWDQRZLGRZyGGRVWDZ\RNUHORQHMZQLPPDV\

Bardziej szczegółowo

NA TROPACH NAUCZYCIELSKICH SYSTEMÓW.6=7$à&(1,$&=</,2&ENIANIE WIELOKRYTERIALNE NA PODSTAWIE ANALIZY WYNIKÓW SPRAWDZIANÓW Z MATEMATYKI

NA TROPACH NAUCZYCIELSKICH SYSTEMÓW.6=7$à&(1,$&=</,2&ENIANIE WIELOKRYTERIALNE NA PODSTAWIE ANALIZY WYNIKÓW SPRAWDZIANÓW Z MATEMATYKI E/)%,(7$JAWORSKA E/)%,(7$OSTAFIZUK Doradcy metodyczni m. st. Warszawy NA TROAH NAUZYIELSKIH SYSTEMÓW.6=7$à&(1,$&=

Bardziej szczegółowo

Zapis stenograficzny (1653) 27. posiedzenie Komisji Spraw Unii Europejskiej w dniu 25 lutego 2005 r.

Zapis stenograficzny (1653) 27. posiedzenie Komisji Spraw Unii Europejskiej w dniu 25 lutego 2005 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1653) 27. posiedzenie Komisji Spraw Unii Europejskiej w dniu 25 lutego 2005 r. V kadencja Zapis stenograficzny jest tekstem nieautoryzowanym.

Bardziej szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA SPRAWOZDANIE. KOMISJI 867$:2'$:67:$,35$:25='12&, oraz KOMISJI SPRAW ZAGRANICZNYCH

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA SPRAWOZDANIE. KOMISJI 867$:2'$:67:$,35$:25='12&, oraz KOMISJI SPRAW ZAGRANICZNYCH SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 19 maja 2004 r. Druk nr 675 S SPRAWOZDANIE KOMISJI 867$:2'$:67:$,35$:25='12&, oraz KOMISJI SPRAW ZAGRANICZNYCH RSURMHNFLHXVWDZ\R]PLDQLHXVWDZ\RZVSyáSUDF\5DG\0LQLVWUyZ]6HMPHPL6HQDWHP

Bardziej szczegółowo

KLASYCZNA I PROBABILISTYCZNA TEORIA TESTU ANALIZA PORÓWNAWCZA

KLASYCZNA I PROBABILISTYCZNA TEORIA TESTU ANALIZA PORÓWNAWCZA BARBARA C,).2:,&= Instytut Pedagogiki, Akademia Bydgoska, Bydgoszcz KLASYCZNA I PROBABILISTYCZNA TEORIA TESTU ANALIZA PORÓWNAWCZA (J]DPLQ\]HZQWU]QHNWyUHRGNLONXODWVWDá\VLWUZDá\PHOHPHQWHPSRl- VNLHJRV\VWHPXNV]WDáFHQLDVSRZRGRZDá\]QDF]Q\Z]Uost

Bardziej szczegółowo

NOWY EGZAMIN MATURALNY W REPUBLICE CZESKIEJ

NOWY EGZAMIN MATURALNY W REPUBLICE CZESKIEJ IVANA R#ä.29È, JANA KOLÍNSKÁ, URŠULA DRAHNÁ ÚIV CERMAT Praga NOWY EGZAMIN MATURALNY W REPUBLICE CZESKIEJ 3UDFH QDG UHIRUP HJ]DPLQX PDWXUDOQHJR Z &]HFKDFK WUZDM RG U kiedy to po raz pierwszy przeprowadzono

Bardziej szczegółowo

Ã1XPHUÃ,GHQW\ILNDFMLÃ3RGDWNRZHMÃVNáDGDM FHJRÃLQIRUPDFM ÃÃ. Ã5RG]DMÃSRGPLRWXÃRSRGDWNRZDQLDÃÃ]D]QDF]\üÃZáD FLZ\ÃNZDGUDWÃ

Ã1XPHUÃ,GHQW\ILNDFMLÃ3RGDWNRZHMÃVNáDGDM FHJRÃLQIRUPDFM ÃÃ. Ã5RG]DMÃSRGPLRWXÃRSRGDWNRZDQLDÃÃ]D]QDF]\üÃZáD FLZ\ÃNZDGUDWà 1XPHU,GHQW\ILNDFML3RGDWNRZHMVNáDGDM FHJRLQIRUPDFM BBBBBBBBBB 3RGVWDZDSUDZQD8VWDZD]GQLDVW\F]QLDURSRGDWNDFKLRSáDWDFKOR 6NáDGDM F\)RUPXODU]SU]H]QDF]RQ\GODRVyEIL]\F]Q\FKE G F\FKZ EXGRZODQ\FKSRVLDGDF]DPLVDPRLVWQ\PLQLHUXFKRPR

Bardziej szczegółowo

Modelowanie od ogólnego do szczególnego i modelowanie zgodne w PcGets

Modelowanie od ogólnego do szczególnego i modelowanie zgodne w PcGets DYNAMICZNE MODELE EKONOMETRYCZNE 9,,, 2JyOQRSROVNLH 6HPLQDULXP 1DXNRZH ZU]HQLD Z 7RUXQLX.DWHGUD (NRQRPHWULL L 6WDW\VW\NL 8QLZHUV\WHW 0LNRãDMD.RSHUQLND Z 7RUXQLX 8QLZHUV\WHW 0LNRáDMD.RSHUQLND Z 7RUXQLX

Bardziej szczegółowo

KORELACJA WYNIKÓW POMIARÓW

KORELACJA WYNIKÓW POMIARÓW PIOTR MACIEJ S.2583,6., Warszawa KORELACJA WYNIKÓW POMIARÓW W 897 r. ZWRPLHUHQRPRZDQHJRSHULRG\NX]DáR*RQHJRZU Królewskiego Towarzystwa w Londynie (Royal Society of London) Karl Pearson (857 RNUHOLáNRUHODFMQDVWSXMFRPowLDGDVL*HGZDRUJDQ\XWHM

Bardziej szczegółowo

WYKORZYSTANIE MODELU DIALOGICZNEGO OCENIANIA W KOMUNIKOWANIU WYNIKÓW EGZA0,18=(:1 75=1(*2

WYKORZYSTANIE MODELU DIALOGICZNEGO OCENIANIA W KOMUNIKOWANIU WYNIKÓW EGZA0,18=(:1 75=1(*2 KRZYSZTOF BEDNAREK CEZARY LEMPA 5HJLRQDOQ\2URGHN'RVNRQDOHQLD1DXF]\FLHOLÄ:20 Z.DWRZLFDFK WYKORZYSTANIE MODELU DIALOGICZNEGO OCENIANIA W KOMUNIKOWANIU WYNIKÓW EGZA0,18=(:1 75=1(*2 :5R]SRU]G]HQLX0LQLVWUD(GXNDFML1DURGRZHML

Bardziej szczegółowo

&]HVáDZ'RPDVNL 8QLZHUV\WHW àyg]nl. Zastosowanie testów serii znaków w statystycznej kontroli procesu

&]HVáDZ'RPDVNL 8QLZHUV\WHW àyg]nl. Zastosowanie testów serii znaków w statystycznej kontroli procesu DYNAMICZNE MODELE EKONOMETRYCZNE,,, JyOQRSROVNLH HPLQDULXP DXNRZH ZU]HQLD Z RUXQLX.DWHGUD (NRQRPHWULL L WDW\VW\NL QLZHUV\WHW 0LNRãDMD.RSHUQLND Z RUXQLX &]HVáDZRPDVNL QLZHUV\WHW àyg]nl Zastosowanie testów

Bardziej szczegółowo

UMOWA NR RAP/130/2010

UMOWA NR RAP/130/2010 UMOWA NR RAP/130/2010 Zawarta w dniu.. 2010 r ZH:URFáDZLXSRPLG]\ 8QLZHUV\WHWHP3U]\URGQLF]\PZH:URFáDZLX 50-:URFáDZul. C. K. Norwida 25/27 NIP: 896 000 53 54, Regon: 000001867 reprezentowanym przez: mgr

Bardziej szczegółowo

INSTRUKCJA OBSŁUGI I INSTALOWANIA ZMYWARKI DO NACZYŃ MODEL: STX2C

INSTRUKCJA OBSŁUGI I INSTALOWANIA ZMYWARKI DO NACZYŃ MODEL: STX2C INSTRUKCJA OBSŁUGI I INSTALOWANIA ZMYWARKI DO NACZYŃ MODEL: STX2C Wyłączny Przedstawiciel na Polskę: DOM BANCO Sp. z o.o., al. Krakowska 5, 05-090 Raszyn k/warszawy Tel.: 0 22 720 11 99, fax: 0 22 720

Bardziej szczegółowo

UMOWA NR RAP/103/2010

UMOWA NR RAP/103/2010 UMOWA NR RAP/103/2010 Zawarta w dniu.. 2010 r ZH:URFáDZLXSRPLG]\ 8QLZHUV\WHWHP3U]\URGQLF]\PZH:URFáDZLX 50-:URFáDZul. C. K. Norwida 25/27 NIP: 896 000 53 54, Regon: 000001867 reprezentowanym przez: mgr

Bardziej szczegółowo

NIP TEL. (032) TEL/FAX (032) DATA r. 6RVQRZLHF$O=Z\FLVWZD %5$1)$ PW

NIP TEL. (032) TEL/FAX (032) DATA r. 6RVQRZLHF$O=Z\FLVWZD %5$1)$ PW NIP 629-001-22-49 TEL. (032) 264 27 19 TEL/FAX (032) 264 19 12 e-mail : bpr_inwestprojekt@interia.pl NR UMOWY : WDR.3420-10/06 574/2006 =$0$:,$-&< DATA 05.2006 r. NR PROJEKTU 5776 GMINA SOSNOWIEC 0,$672326,$'$-&(35$:$32:,$78

Bardziej szczegółowo

7. Maszyny wektorów podpierajacych SVMs

7. Maszyny wektorów podpierajacych SVMs Algorytmy rozpoznawania obrazów 7. Maszyny wektorów podpierajacych SVMs dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. Maszyny wektorów podpierajacych - SVMs Maszyny wektorów podpierających (ang.

Bardziej szczegółowo

72)6$02û6=.2à<,.ATECHETY :2%/,&=8:63Ïà&=(61<&+:<=:$.8/7852:<CH 1

72)6$02û6=.2à<,.ATECHETY :2%/,&=8:63Ïà&=(61<&+:<=:$.8/7852:<CH 1 1. Autor: ks. Wojciech Cichosz 2. 7\WXá7R*VDPRüV]NRá\LNDWHFKHW\ZREOLF]XZVSyáF]HVQ\FKZ\]ZDNXOWXURZ\FK 3. 'UyGáRÄ*GDVNLH0aWHULDá\.DWHFKHW\F]QH QUV-93 72)6$02û6=.2à

Bardziej szczegółowo

Informacja techniczna ADAP-KOOL. Wersje oprogramowania systemowego. AKMonitor. AKMimic. AKM wersja 4. AKM wersja 5

Informacja techniczna ADAP-KOOL. Wersje oprogramowania systemowego. AKMonitor. AKMimic. AKM wersja 4. AKM wersja 5 Informacja techniczna ADAP-KOOL Wersje oprogramowania systemowego AKMonitor AKMimic AKM wersja 4 AKM wersja 5 Danfoss Sp.z o.o. - 09.2000 :VWS Oprogramowanie systemowe ADAP-KOOL SR]ZDODQDFHQWUDOQDREVáXJXNáDGyZVWHURZDQLD

Bardziej szczegółowo

3URMHNWRZDQLHVFKHPDWyZ UHODF\MQ\FKED]GDQ\FK± 1RUPDOL]DFMD. =E\V]NR.UyOLNRZVNL ,QVW\WXW,QIRUPDW\NL3ROLWHFKQLNL3R]QDVNLHM 3R]QDXO3LRWURZR

3URMHNWRZDQLHVFKHPDWyZ UHODF\MQ\FKED]GDQ\FK± 1RUPDOL]DFMD. =E\V]NR.UyOLNRZVNL ,QVW\WXW,QIRUPDW\NL3ROLWHFKQLNL3R]QDVNLHM 3R]QDXO3LRWURZR 3URMHNWRZDQLHVFKHPDWyZ UHODF\MQ\FKED]GDQ\FK± 1RUPDOL]DFMD =E\V]NR.UyOLNRZVNL,QVW\WXW,QIRUPDW\NL3ROLWHFKQLNL3R]QDVNLHM 3R]QDXO3LRWURZR HPDLO=E\V]NR.UyOLNRZVNL#FVSXWSR]QDSO 1LHZáDFLZH]DSURMHNWRZDQLHVFKHPDWyZ

Bardziej szczegółowo

WZÓR... OFERTA 25*$1,=$&-,32=$5='2:(-32'0,278-('1267., ORGANIZACYJNEJ* REALIZACJI ZADANIA PUBLICZNEGO.... (rodzaj zadania) w okresie od... do...

WZÓR... OFERTA 25*$1,=$&-,32=$5='2:(-32'0,278-('1267., ORGANIZACYJNEJ* REALIZACJI ZADANIA PUBLICZNEGO.... (rodzaj zadania) w okresie od... do... =DáF]QLNQUGRUR]SRU]G]HQLD0LQLVWUD3UDF\L3ROLW\NL6SRáHF]QHM z dnia 27 grudnia 2005 r. (Dz. U. nr 264, poz.2207) WZÓR...... SLHF]üRUJDQL]DFMLSR]DU]GRZHM /podmiotu*/jednostki organizacyjnej*) OFERTA GDWDLPLHMVFH]áR*HQLDRIHUW\)

Bardziej szczegółowo

ODWODNIENIA BUDOWLI KOMUNIKACYJNYCH

ODWODNIENIA BUDOWLI KOMUNIKACYJNYCH ZBIGNIEW SZLING, EMI/3$&=(1,$ ODWODNIENIA BUDOWLI KOMUNIKACYJNYCH :URFáDZ4 40 SU]HSá\Z PLDURGDMQ\ REOLF]D VL PHWRG SRUHGQL QD SRGVWDZLH QDMZLNV]HJR RSDGX GHV]F]X QDZDOQHJR R RNUHORQ\P F]DVLH MHJR WUZDQLD

Bardziej szczegółowo

DTR- EL100 strona/stron: 2/6

DTR- EL100 strona/stron: 2/6 DTR- EL100 strona/stron: 2/6 :67 3 1LQLHMV]D'75 MHVW GRNXPHQWHP GOD X*\WNRZQLNyZ]DVLODF]\(/ L]DZLHUD GDQH RUD] ZVND]yZNL QLH]EGQHGR]DSR]QDQLDVL]]DVDGDPLIXQNFMRQRZDQLDVSRVREHPLQVWDORZDQLDLREVáXJL 2. FORMULARZ

Bardziej szczegółowo

Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej. Adam Żychowski

Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej. Adam Żychowski Zastosowanie sieci neuronowych w problemie klasyfikacji wielokategorialnej Adam Żychowski Definicja problemu Każdy z obiektów może należeć do więcej niż jednej kategorii. Alternatywna definicja Zastosowania

Bardziej szczegółowo

10. Redukcja wymiaru - metoda PCA

10. Redukcja wymiaru - metoda PCA Algorytmy rozpoznawania obrazów 10. Redukcja wymiaru - metoda PCA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. PCA Analiza składowych głównych: w skrócie nazywana PCA (od ang. Principle Component

Bardziej szczegółowo

KARTA PRZEDMIOTU. 17. Efekty kształcenia:

KARTA PRZEDMIOTU. 17. Efekty kształcenia: Z1-PU7 WYDANIE N1 Strona 1 z 4 (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: CYBERNETYKA 2. Kod przedmiotu: CYB 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma kształcenia:

Bardziej szczegółowo

Kryształowy blask ognia ręcznie zamknięty w wyszukanych szklanych formach idealny dla restauracji domu biura

Kryształowy blask ognia ręcznie zamknięty w wyszukanych szklanych formach idealny dla restauracji domu biura Fireligh Glass przedstawicielstwo w Polsce, Litwie, Łotwie, Estonii i Ukrainie firelightglasspolska firelight glass świece szklane ul. Papieża Jana Pawła II 10 lok. II, 16-400 Suwałki mob: +48 606 413

Bardziej szczegółowo

8&+:$à$15;;;,,, RADY MIASTA TYCHY z dnia 31 marca 2005 r.

8&+:$à$15;;;,,, RADY MIASTA TYCHY z dnia 31 marca 2005 r. 8&+:$à$15;;;,,, RADY MIASTA TYCHY z dnia 31 marca 2005 r. ZVSUDZLHSU]\MFLDUHJXODPLQXXG]LHODQLDSRPRF\PDWHULDOQHMRFKDUDNWHU]H VRFMDOQ\PGODXF]QLyZ]DPLHV]NDá\FKQDWHUHQLH0LDVWD7\FK\ Na postawie art. 18 ust.2

Bardziej szczegółowo

Maszyny wektorów podpierajacych w regresji rangowej

Maszyny wektorów podpierajacych w regresji rangowej Maszyny wektorów podpierajacych w regresji rangowej Uniwersytet Mikołaja Kopernika Z = (X, Y ), Z = (X, Y ) - niezależne wektory losowe o tym samym rozkładzie X X R d, Y R Z = (X, Y ), Z = (X, Y ) - niezależne

Bardziej szczegółowo

Rozmyte drzewa decyzyjne. Łukasz Ryniewicz Metody inteligencji obliczeniowej

Rozmyte drzewa decyzyjne. Łukasz Ryniewicz Metody inteligencji obliczeniowej µ(x) x µ(x) µ(x) x x µ(x) µ(x) x x µ(x) x µ(x) x Rozmyte drzewa decyzyjne Łukasz Ryniewicz Metody inteligencji obliczeniowej 21.05.2007 AGENDA 1 Drzewa decyzyjne kontra rozmyte drzewa decyzyjne, problemy

Bardziej szczegółowo

Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę

Ontogeniczne sieci neuronowe. O sieciach zmieniających swoją strukturę Norbert Jankowski Ontogeniczne sieci neuronowe O sieciach zmieniających swoją strukturę Warszawa 2003 Opracowanie książki było wspierane stypendium Uniwersytetu Mikołaja Kopernika Spis treści Wprowadzenie

Bardziej szczegółowo

8&=(3275$), 2&(1,û6,(%,("-(/, GO TEGO NAUCZYMY!

8&=(3275$), 2&(1,û6,(%,(-(/, GO TEGO NAUCZYMY! S. LEOKADIA EWA WOJCIECHOWSKA FMA )HGHUDFMD6]Nyá6DOH]MDVNLFKZ3ROVFH 8&=(3275$), 2&(1,û6,(%,("-(/, GO TEGO NAUCZYMY! Samoocena to postawa wobec samego siebie, szczególnie wobec swoich PR*OLZRFLDWDN*HZREHFFHFKVZRMHJRFKDUDNWHUXZREHFVZRLFKRVLJQLü

Bardziej szczegółowo

63,6=$:$572&,235$&2:$1,$

63,6=$:$572&,235$&2:$1,$ DT 36/2003 33,Ä'20,12 6&ZàRP*\ str. 1 63,6=$:$572&,235$&2:$1,$ PROJEKT ZAGOSPODAROWANIA TERENU. I. OPIS TECHNICZNY. 1. PODSTAWA OPRACOWANIA... 2 2. INWESTOR... 2 3. PRZEDMIOT OPRACOW$1,$,,671,(-&(=$GOSPODAROWANIE

Bardziej szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 6 marca 2003 r. SPRAWOZDANIE. oraz KOMISJI 6.$5%83$67:$,,1)5$6758.785<

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 6 marca 2003 r. SPRAWOZDANIE. oraz KOMISJI 6.$5%83$67:$,,1)5$6758.785< SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 6 marca 2003 r. Druk nr 340 Z SPRAWOZDANIE KOMISJI 6$025='87(5

Bardziej szczegółowo

:VWS 3UH]HQWRZDQD SUDFD QDOH*\ GR G]LHG]LQ\ SODQRZDQLD SU]HVWU]HQQHJR PLHFL VL Z QXUFLH ]DJDGQLH GRW\F]F\FK PRGHORZDQLD ]MDZLVN ]DFKRG]F\FK Z SU]HVWU]HQL ]DJRVSRGDURZDQHM =QDOD]á\ VL Z QLHM Z\QLNL EDGD

Bardziej szczegółowo

1. PRZEZNACZENIE WAGI.

1. PRZEZNACZENIE WAGI. Marzec 2003 2 1. PRZEZNACZENIE WAGI. Wagi SU]H]QDF]RQH V GR V]\ENLFK L GRNáDGQ\FK SRPLDUyZ PDV ZD*RQ\FK ádgxqnyz 7DURZDQLH Z FDá\P ]DNUHVLH SRPLDrowym pozwala RNUHODü PDV QHWWR ZD*RQ\FK ádgxqnyz :DJL SU]H]QDF]RQH

Bardziej szczegółowo

1RZ\ 6RODULV 6RODULV 7UDPLQR %UDXQVFKZHLJ. .LHUXQHN ļ %OLVNL :VFKöG 6SLV WUHĂFL

1RZ\ 6RODULV 6RODULV 7UDPLQR %UDXQVFKZHLJ. .LHUXQHN ļ %OLVNL :VFKöG 6SLV WUHĂFL ZVWÚSLH HUGHF]QLH LbPRMHJR QDV JïRV\ ĵ ]RUJDQL GURG]HQLD \NOH PLïH DQH QDP P ]DXID P\ QD WHQ VNïDGDP NOLHQWRP VNR ODW NL 6RODULV LbQDV]HM HFKQLF]Q\ FMH 'REU\ NOLHQWöZ SU]HG]D P ZbW\P SUHPLHUD bzu]hăqld

Bardziej szczegółowo

Opinia o senackim projekcie ustawy o zmianie ustawy. (druk senacki nr 805)

Opinia o senackim projekcie ustawy o zmianie ustawy. (druk senacki nr 805) Prof. dr hab. Marek Szewczyk :\G]LDá 3UDZD L $GPLQLVWUDFML Uniwersytetu im. Adama Mickiewicz w Poznaniu Opinie i Ekspertyzy nr 19 OE 19/2004 Opinia o senackim projekcie ustawy o zmianie ustawy o gospodarce

Bardziej szczegółowo

SFC 133. Profesjonalny sterownik silnika krokowego 5-fazowego z mikrokrokiem RZ\GDMQRFLGR$ ,QVWUXNFMDREVáXJLVWHURZQLND

SFC 133. Profesjonalny sterownik silnika krokowego 5-fazowego z mikrokrokiem RZ\GDMQRFLGR$ ,QVWUXNFMDREVáXJLVWHURZQLND ,QVWUXNFMDREVáXJLVWHURZQLND PPH WObitPJULQ*:LWROG2EHU 61R]QDXO*UXV]NRZD tel. 061/8350 620, -621 fax 061/8350 704 e-mail: wobit@wobit.com.pl. http://www.wobit.com.pl SFC 133 Profesjonalny sterownik silnika

Bardziej szczegółowo

MATERIA Y I STUDIA. Zeszyt nr 157. System finansowania zatrudnienia osób niepe nosprawnych w Polsce. Wnioski dla efektywnoêci finansów publicznych

MATERIA Y I STUDIA. Zeszyt nr 157. System finansowania zatrudnienia osób niepe nosprawnych w Polsce. Wnioski dla efektywnoêci finansów publicznych MATERIA Y I STUDIA Zeszyt nr 157 System finansowania zatrudnienia osób niepe nosprawnych w Polsce Wnioski dla efektywnoêci finansów publicznych Dorota Poznaƒska Warszawa, kwiecieƒ 2003 r. Projekt graficzny:

Bardziej szczegółowo

TEMAT : Zastosowanie metod heurystycznych w grach logicznych

TEMAT : Zastosowanie metod heurystycznych w grach logicznych Przedmiot : Wprowadzenie do sztucznej inteligencji (projekt). TEMAT : Zastosowanie metod heurystycznych w grach logicznych :SURMHNFLHFKFLDáE\PSU]HGVWDZLüPHWRG\MDNLH]RVWDá\Z\NRU]\VWDQHSU]\WZRU]HQLX Uy*QHJRURG]DMXJLHUORJLF]Q\FK%GWRPLG]\LQQ\PL

Bardziej szczegółowo

Badania w sieciach złożonych

Badania 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 szczegółowo

Zapis stenograficzny (835) Wspólne posiedzenie Komisji Ustawodawstwa L3UDZRU]GQR L oraz Komisji Emigracji i Polaków za GraQL w dniu 8 lipca 2003 r.

Zapis stenograficzny (835) Wspólne posiedzenie Komisji Ustawodawstwa L3UDZRU]GQR L oraz Komisji Emigracji i Polaków za GraQL w dniu 8 lipca 2003 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (835) Wspólne posiedzenie Komisji Ustawodawstwa L3UDZRU]GQR L oraz Komisji Emigracji i Polaków za GraQL w dniu 8 lipca 2003 r. V kadencja

Bardziej szczegółowo

Nowa deklaracja właściwości użytkowych zawiera poniższe zmiany parametrów technicznych: - zwiększenie wytrzymałości na zginanie z 70 MPa do 75 MPa

Nowa deklaracja właściwości użytkowych zawiera poniższe zmiany parametrów technicznych: - zwiększenie wytrzymałości na zginanie z 70 MPa do 75 MPa Szanowni Państwo! Uprzejmie informujemy, że firma Pollmeier dokonała dalszej optymalizacji belki BauBuche, osiągając przez to jeszcze wyższą wydajność produktu, co z kolei odzwierciedla się w wyższej wytrzymałości

Bardziej szczegółowo

Opis systemu. BillNet S.A. 1

Opis systemu. BillNet S.A. 1 Opis systemu BillNet S.A. 1 6SLVWUHFL 1. OPIS SYSTEMU BILLNET...3 1.1 U)

Bardziej szczegółowo

ANALITYCZNA I HOLISTYCZNA METODA OCENY ZADANIA ROZSZERZONEJ ODPOWIEDZI 1$35=<.à$'=,((*=$0INU MATURALNEGO Z HISTORII I WIE'=<2632à(&=(67:,(

ANALITYCZNA I HOLISTYCZNA METODA OCENY ZADANIA ROZSZERZONEJ ODPOWIEDZI 1$35=<.à$'=,((*=$0INU MATURALNEGO Z HISTORII I WIE'=<2632à(&=(67:,( KRZYSZTOF JUREK 3UDFRZQLD(J]DPLQyZ0DWXUDOQ\FK2.(àyG( ANALITYCZNA I HOLISTYCZNA METODA OCENY ZADANIA ROZSZERZONEJ ODPOWIEDZI 1$35=

Bardziej szczegółowo

O CZYM MÓWI EFEKT STANDARDOWY?

O CZYM MÓWI EFEKT STANDARDOWY? EWA 67)(..(àyG( O CZYM MÓWI EFEKT STANDARDOWY? W prawozdaniu Centralnej Komiji Egzaminacyjnej Sprawdzian 004 zavwrvrzdqrzvnd(qln]zdq\hihnwhpvwdqgdugrz\pgodsruyzqdqldz\qlnyz uzykanych przez uczniów w gminach

Bardziej szczegółowo

TRZY KONCEPCJE ISTNIENIA 1

TRZY KONCEPCJE ISTNIENIA 1 TRZY KONCEPCJE ISTNIENIA 1 Wà$'

Bardziej szczegółowo

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania

Zastosowanie 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 szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 9 stycznia 2004 r. SPRAWOZDANIE KOMISJI GOSPODARKI I FINANSÓW PUBLICZNYCH

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 9 stycznia 2004 r. SPRAWOZDANIE KOMISJI GOSPODARKI I FINANSÓW PUBLICZNYCH SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 9 stycznia 2004 r. Druk nr 565 Z SPRAWOZDANIE KOMISJI GOSPODARKI I FINANSÓW PUBLICZNYCH (wraz z zestawieniem wniosków) Komisja QD SRVLHG]HQLX Z

Bardziej szczegółowo

3U]HNáDG\ I_j_\h^u. .OHPHQV+DQNLHZLF]LMHJRG]LHáR Grundzüge der Slavischen Philosophie. De_f_gkOZgd_\bqb_]hdgb]Z Grundzüge der Slavischen Philosophie

3U]HNáDG\ I_j_\h^u. .OHPHQV+DQNLHZLF]LMHJRG]LHáR Grundzüge der Slavischen Philosophie. De_f_gkOZgd_\bqb_]hdgb]Z Grundzüge der Slavischen Philosophie ISSN 1642-1248 Š NR 2//2002 3U]HNáDG\ I_j_\h^u :LDF]HVáDZ6]DONLHZLF].OHPHQV+DQNLHZLF]LMHJRG]LHáR De_f_gkOZgd_\bqb_]hdgb]Z :;,;ZZ]EXG]LáRVLV]F]HJyOQH]DLQWHUHVRZDQLHKLVWRULLNXOWXUQDUo- GyZVáRZLDVNLFK3RZVWDá\SLHUZV]HSUDFHQDWHQWHPDW:áDQLHZWHG\Zydrukowano

Bardziej szczegółowo

Analiza Gospodarki Odpadami w gminach - Kolbuszowa

Analiza Gospodarki Odpadami w gminach - Kolbuszowa KONRAD KATA Analiza Gospodarki Odpadami w gminach - Kolbuszowa Gmina KolbuszowaMHVWJPLQZLHMVNR-PLHMVN6NáDGDVL]PLDVWD.ROEXV]RZDLVRáHFWZ3RZLHU]FKQLDFDáNo- ZLWDPLDVWDLJPLQ\Z\QRVLNP]F]HJRQDPLDVWRSU]\SDGDNP]DQDJPLQNP/XGQRü*PLQ\

Bardziej szczegółowo

INSTRUKCJA INSTALACJI I PROGRAMOWANIA

INSTRUKCJA INSTALACJI I PROGRAMOWANIA INSTRUKCJA INSTALACJI I PROGRAMOWANIA NIVELCO POLAND Sp. z o. o. 44-100 Gliwice ul. Chorzowska 44b Telefon: (0 32) 270 37 01 Fax: (0 32) 270 38 32 E-mail: nivelco@nivelco.pl http://www.nivelco.pl UNICONT

Bardziej szczegółowo

UWAGA!!! ego erenie Trójmiasta: SABUR Sp. z o.o. ul. Hutnicza 3, budynek 16 81-212 Gdynia tel.: (0-58) 663-74-44 fax: (0-58) 663-72-77

UWAGA!!! ego erenie Trójmiasta: SABUR Sp. z o.o. ul. Hutnicza 3, budynek 16 81-212 Gdynia tel.: (0-58) 663-74-44 fax: (0-58) 663-72-77 UWAGA ego erenie Trójmiasta: SABUR Sp. z o.o. ul. Hutnicza 3, budynek 16 81-212 Gdynia tel.: (0-58) 663-74-44 fax: (0-58) 663-72-77 Zapraszamy do kontaktu. " # $ $ $% & '% wielu czytelników, swoje miejsce

Bardziej szczegółowo

Drzewa decyzyjne. Inteligentne Obliczenia. Wydział Mechatroniki Politechniki Warszawskiej. Anna Sztyber

Drzewa decyzyjne. Inteligentne Obliczenia. Wydział Mechatroniki Politechniki Warszawskiej. Anna Sztyber Drzewa decyzyjne Inteligentne Obliczenia Wydział Mechatroniki Politechniki Warszawskiej Anna Sztyber INO (IAiR PW) Drzewa decyzyjne Anna Sztyber / Drzewa decyzyjne w podstawowej wersji algorytm klasyfikacji

Bardziej szczegółowo

Uwaga wstępna: Kognitywne Systemy Wspomagające Zarządzanie

Uwaga 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 szczegółowo

REGULAMIN PRZYZNAWANIA NAGRÓD DYREKTORA DLA NAUCZYCIELI

REGULAMIN PRZYZNAWANIA NAGRÓD DYREKTORA DLA NAUCZYCIELI REGULAMIN PRZYZNAWANIA NAGRÓD DYREKTORA DLA NAUCZYCIELI 3U]HGV]NROD0LHMVNLHJR1UÄ%DQLRZ\'RP w Gorzowie Wlkp. =DáF]QLN do regulaminu wynagradzania nauczycieli przedszkola Podstawa prawna: Regulamin ustalenia

Bardziej szczegółowo

Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner

Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Problem eliminacji nieprzystających elementów w zadaniu rozpoznania wzorca Marcin Luckner Wydział Matematyki i Nauk Informacyjnych Politechnika Warszawska Elementy nieprzystające Definicja odrzucania Klasyfikacja

Bardziej szczegółowo

DRZEWA REGRESYJNE I LASY LOSOWE JAKO

DRZEWA REGRESYJNE I LASY LOSOWE JAKO DRZEWA REGRESYJNE I LASY LOSOWE JAKO NARZĘDZIA PREDYKCJI SZEREGÓW CZASOWYCH Z WAHANIAMI SEZONOWYMI Grzegorz Dudek Instytut Informatyki Wydział Elektryczny Politechnika Częstochowska www.gdudek.el.pcz.pl

Bardziej szczegółowo

1. PRZEZNACZENIE. %8'2:$, =$6$'$ '=,$à$1,$

1. PRZEZNACZENIE. %8'2:$, =$6$'$ '=,$à$1,$ 6SLV WUHFL 1. PRZEZNACZENIE... 3 %8'2:$, =$6$'$ '=,$à$1,$... 3 3. PARAMETRY TECHNICZNE... 4 4. KLAWIATURA WAGOSUSZARKI... 5 5. ROZPAKOWANIE... 5 6. URUCHOMIENIE... 6 2%6à8*$... 6 8. PRZYGOTOWANIE PRÓBEK

Bardziej szczegółowo

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 21 kwietnia 2004 r. SPRAWOZDANIE. (wraz z zestawieniem wniosków)

SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA. Warszawa, dnia 21 kwietnia 2004 r. SPRAWOZDANIE. (wraz z zestawieniem wniosków) SENAT RZECZYPOSPOLITEJ POLSKIEJ V KADENCJA Warszawa, dnia 21 kwietnia 2004 r. Druk nr 685 Z SPRAWOZDANIE KOMISJI 32/,7

Bardziej szczegółowo

3ROVNL*HQHUDOQ\6RQGD+6SRâHF]Q\

3ROVNL*HQHUDOQ\6RQGD+6SRâHF]Q\ 3ROVNL*HQHUDOQ\6RQGD+6SRâHF]Q\ 1992 1997 wersja edukacyjna dla SPSS Polska Bogdan Cichomski 3DZHâ0RUDZVNL SU]\ZVSyâSUDF\ Marcina =LHOLVNLHJR Tomasza -HU]\VNLHJR,QVW\WXW6WXGLyZ6SRâHF]Q\FK Uniwersytet Warszawski

Bardziej szczegółowo

y Z U R . U ] F]R U ]D N R W R U Q N D D QyZ % RJG *Ã3DZOLND Ã2VWU\V] *Ã6XUJRZD *Ã= EDORZD *Ã.RWR *Ã*RU\OND à\vdã*yud *Ã6\UNyZND *Ã0DJXUD *Ã3DUV]\ZND

y Z U R . U ] F]R U ]D N R W R U Q N D D QyZ % RJG *Ã3DZOLND Ã2VWU\V] *Ã6XUJRZD *Ã= EDORZD *Ã.RWR *Ã*RU\OND à\vdã*yud *Ã6\UNyZND *Ã0DJXUD *Ã3DUV]\ZND P Q S P PQSP *.RWR PQSP **RU\OND PQSP 3 R WR N 5 *3DUV]\ZND PQSP 3 U R V ' ZRU VN L3RWRN = D J PQSP U R G ] N L 3 2VWU\V].RVNRZD*yUD PQSP X VQ ] N R : L FLH 6RáW\VLD*yUD PQSP *6\UNyZND & Z F D Ny y Z 3

Bardziej szczegółowo

Wydanie: IP

Wydanie: IP Wydanie: IP 11-02-01 Aktualizacja: 15.05.2006 pierwsza wydanie (program C11D wersja 2.00) 6SLVWUHFL 1 Wprowadzenie. 1-1 1.1,QIRUPDFMHZVWSQH 1-1 1.2 'HILQLFMHSRMüX*\W\FKZLQVWUXNFML 1-2 1.3 3á\WDF]RáRZDFHQWUDONL

Bardziej szczegółowo

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym, kontynuacja badań Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW

Bardziej szczegółowo

1DSRGVWDZLHQLQLHMV]HJR3URVSHNWXGRSXEOL ]QHJRREURWXZSURZDG]DQ\ KMHVWái ]QLHGRDN ML (PLWHQWDRZDUWR LQRPLQDOQHM]áND GDZW\P

1DSRGVWDZLHQLQLHMV]HJR3URVSHNWXGRSXEOL ]QHJRREURWXZSURZDG]DQ\ KMHVWái ]QLHGRDN ML (PLWHQWDRZDUWR LQRPLQDOQHM]áND GDZW\P 52='=,$à III DANE O EMISJI 1DSRGVWDZLHQLQLHMV]HJR3URVSHNWXGRSXEOL ]QHJRREURWXZSURZDG]DQ\ KMHVWái ]QLHGRDN ML (PLWHQWDRZDUWR LQRPLQDOQHM]áND GDZW\P DN ML]Z\Ná\ KQDRND]L LHODVHULL(RZDUWR LQRPLQDOQHM]áRW\ND

Bardziej szczegółowo

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym

Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Zastosowanie optymalizacji rojem cząstek (PSO) w procesie uczenia wielowarstwowej sieci neuronowej w problemie lokalizacyjnym Jan Karwowski Wydział Matematyki i Nauk Informacyjnych PW 17 XII 2013 Jan Karwowski

Bardziej szczegółowo

.23$/1,$:326'=<±:$)1<(3,=2' GÓRNICTWA SIARKOWEGO W POLSCE

.23$/1,$:326'=<±:$)1<(3,=2' GÓRNICTWA SIARKOWEGO W POLSCE Dzieje górnictwa element europejskiego dziedzictwa kultury, pod red. P.P. =DJR*G*RQD L 0 0DG]LDU]D:URFáDZ Ochrona powierzchni, surowce chemiczne, eksploatacja Wojciech PREIDL 1 Andrzej J. WÓJCIK 2.23$/1,$:326'=

Bardziej szczegółowo

&KFF ZáF]\ü DSDUDW QDOH*\ JR QDMSLHUZ ]UHVHWRZDü 3U]\FLVN Reset znajgxmh VL QD W\OQHM FLDnce aparatu w ]DJáELHQLX RVáRQ\ QD EDWHULH

&KFF ZáF]\ü DSDUDW QDOH*\ JR QDMSLHUZ ]UHVHWRZDü 3U]\FLVN Reset znajgxmh VL QD W\OQHM FLDnce aparatu w ]DJáELHQLX RVáRQ\ QD EDWHULH Terminarz osobisty RF-3/RF-48 Numer zamówienia: 77 18 99 :D*QD XZDJD &KFF ZáF]\ü DSDUDW QDOH*\ JR QDMSLHUZ ]UHVHWRZDü 3U]\FLVN Reset znajgxmh VL QD W\OQHM FLDnce aparatu w ]DJáELHQLX RVáRQ\ QD EDWHULH

Bardziej szczegółowo

: FHOX GRNáDGQHJR ]DSR]QDQLD VL ] XU]G]HQLHP ]DOHFDP\ XZD*QH SU]HF]\WDQLH QLQLHMV]HM LQVWUXNFML REVáXJL

: FHOX GRNáDGQHJR ]DSR]QDQLD VL ] XU]G]HQLHP ]DOHFDP\ XZD*QH SU]HF]\WDQLH QLQLHMV]HM LQVWUXNFML REVáXJL 1. Wprowadzenie +DPD (DV\ 6FULSW WR SUDNW\F]Q\ RG]QDF]DMF\ VL PDá\PL Z\PLDUDPL JHQHUDWRU W\WXáyZ SR]ZDODMF\ QD SURVWH WZRU]HQLH W\WXáyZ L QDJáyZNyZ GOD ILOPyZ ZLGHR 8U]G]HQLH MHVW EDUG]R SURVWH Z REVáXG]H

Bardziej szczegółowo

-]\NPRGHORZDQLDGDQ\FK80/ {ewag@ipipan.waw.pl, ewag@pjwstk.waw.pl} Ewa Stemposz. Instytut Podstaw Informatyki PAN

-]\NPRGHORZDQLDGDQ\FK80/ {ewag@ipipan.waw.pl, ewag@pjwstk.waw.pl} Ewa Stemposz. Instytut Podstaw Informatyki PAN -]\NPRGHORZDQLDGDQ\FK80/ Ewa Stemposz {ewag@ipipan.waw.pl, ewag@pjwstk.waw.pl} Instytut Podstaw Informatyki PAN Polsko--DSRVND:\*V]D6]NRáD7HFKQLN.RPSXWHURZ\FK Zagadnienia Krótka charakterystyka UML Diagramy

Bardziej szczegółowo

Najlepsza Jakość / Najlepsza Cena Obniżka nawet o 15 200,00 pln

Najlepsza Jakość / Najlepsza Cena Obniżka nawet o 15 200,00 pln Najlepsza Jakość / Najlepsza Obniżka nawet o 15 200,00 pln " OFERTA SPECJALNA; LICZBA SAMOCHODÓW OGRANICZONA" Rocznik 2013 WYPRZEDAŻ 2.0 BENZYNA 2.0 DIESEL Low Emission 2.0 DIESEL 58 800,00 zł 71 000,00

Bardziej szczegółowo

1XPHU,GHQW\ILNDFML3RGDWNRZHMVNáDGDM FHJR LQIRUPDFM 3RGVWDZDSUDZQD8VWDZD]GQLDVW\F]QLDURSRGDWNDFKLRSáDWDFKORNDOQ\FK 6NáDGDM F\)RUPXODU]SU]H]QDF]RQ\GODRVyEIL]\F]Q\FKE G F\FKZáD FLFLHOD SRVLDGDF]DPLVDPRLVWQ\PLQLHUXFKRPR

Bardziej szczegółowo

Wprowadzenie do tworzenia aplikacji okienkowych przy pomocy interfejsu Windows API

Wprowadzenie do tworzenia aplikacji okienkowych przy pomocy interfejsu Windows API Wprowadzenie do tworzenia aplikacji okienkowych przy pomocy interfejsu Windows API Zbigniew Koza,QVW\WXW )L]\NL 7HRUHW\F]QHM 8QLZHUV\WHWX :URFáDZVNLHJR (zkoza@ift.uni.wroc.pl) 1DMQRZV]D ZHUVMD WHJR VNU\SWX

Bardziej szczegółowo

Rozwijanie indywidualnych cech u³atwiaj¹cych zdobycie zatrudnienia

Rozwijanie indywidualnych cech u³atwiaj¹cych zdobycie zatrudnienia Rozwijanie indywidualnych cech u³atwiaj¹cych zdobycie zatrudnienia :2-(:Ï'=.,85='35$&< W KRAKOWIE Rozwijanie indywidualnych cech u³atwiaj¹cych zdobycie zatrudnienia Kraków 2002 Wydanie II. Ministerstwo

Bardziej szczegółowo

Zapis stenograficzny (1409) 111. posiedzenie.rplvml2fkurq\urgrzlvnd w dniu 28 lipca 2004 r.

Zapis stenograficzny (1409) 111. posiedzenie.rplvml2fkurq\urgrzlvnd w dniu 28 lipca 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1409) 111. posiedzenie.rplvml2fkurq\urgrzlvnd w dniu 28 lipca 2004 r. V kadencja 3RU]GHNREUDG 5R]SDWU]HQLHZQLRVNyZ ]JáRV]RQ\FKQD SRVLHG]HQLX

Bardziej szczegółowo

Zapis stenograficzny (1094) 129. posiedzenie Komisji Gospodarki i Finansów Publicznych w dniu 7 stycznia 2004 r.

Zapis stenograficzny (1094) 129. posiedzenie Komisji Gospodarki i Finansów Publicznych w dniu 7 stycznia 2004 r. ISSN 1643-2851 SENAT RZECZYPOSPOLITEJ POLSKIEJ Zapis stenograficzny (1094) 129. posiedzenie Komisji Gospodarki i Finansów Publicznych w dniu 7 stycznia 2004 r. V kadencja 3RU]GHNREUDG 2SLQLDZVSUDZLHNDQG\GDWyZQDF]áRQNyZ5DG\3ROLW\NL3LHQL*QHM

Bardziej szczegółowo