REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

Podobne dokumenty
OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

STANDARDOWE FUNKCJE PRZYNALEŻNOŚCI. METODY HEURYSTYCZNE wykład 6. (alternatywa dla s) (zdef. poprzez klasę s) GAUSSOWSKA F.

Notacja. - operator implikacji, - operator koniunkcji v operator alternatywy - operator równoważności ~ operator negacji Duża litera (np.

Analiza SWOT dla akcji scentralizowanych realizowanych w Polsce

Warsztat 2 Analiza uwarunkowań rozwoju innowacji w Województwie Mazowieckim dla regionu warszawskiego stołecznego

SZTUCZNA INTELIGENCJA

OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

Np. Olsztyn leży nad Łyną - zdanie prawdziwe, wartość logiczna 1 4 jest większe od 5 - zdanie fałszywe, wartość logiczna 0

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

VII Warszawskie Forum Rodziców i Rad Rodziców. Czy chcemy demokracji w szkole?

Biuro Urbanistyczne arch. Maria Czerniak

OWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE

KOMPUTEROWE WSPOMAGANIE PODEJMOWANIA DECYZJI KREDYTOWYCH ZA POMOCĄ SYSTEMÓW EKSPERTOWYCH RMSE DLA WNIOSKOWANIA PRZYBLIśONEGO

Przestrzenne bazy danych Podstawy języka SQL

5. OKREŚLANIE WARTOŚCI LOGICZNEJ ZDAŃ ZŁOŻONYCH

Rachunek zdao i logika matematyczna

II CYKL SPOTKAŃ KONSULTACYJNYCH ROZWÓJ LOKALNY KIEROWANY PRZEZ SPOŁECZNOŚĆ

6. Zagadnienie parkowania ciężarówki.

I. Podstawowe pojęcia i oznaczenia logiczne i mnogościowe. Elementy teorii liczb rzeczywistych.

PODSTAWY SZTUCZNEJ INTELIGENCJI

Elementy logiki matematycznej

Wprowadzenie do Prologa

Elementy logiki. Zdania proste i złożone

Programowanie deklaratywne

Wstęp do logiki. Klasyczny Rachunek Zdań II

JAVAScript w dokumentach HTML (1) JavaScript jest to interpretowany, zorientowany obiektowo, skryptowy język programowania.

Elementy logiki. Wojciech Buszkowski Wydział Matematyki i Informatyki UAM Zakład Teorii Obliczeń

7. Zagadnienie parkowania ciężarówki.

Cel projektu: Wymogi dotyczące sprawozdania:

Modelowanie wybranych pojęć matematycznych. semestr letni, 2016/2017 Wykład 10 Własności funkcji cd.

Efektywne zarządzanie Salonem kosmetycznym

Charakterystyki liczbowe (estymatory i parametry), które pozwalają opisać właściwości rozkładu badanej cechy (zmiennej)

EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2017/2018 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ

Czynniki rozwoju systemu publicznego transportu zbiorowego w gminach województwa śląskiego analiza badań ankietowych Wstęp

EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2016/2017 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ

Myślenie w celu zdobycia wiedzy = poznawanie. Myślenie z udziałem rozumu = myślenie racjonalne. Myślenie racjonalne logiczne statystyczne

Cw.12 JAVAScript w dokumentach HTML

> (gospodarstwadomoweszczecin1900 <- read.csv("gospdom_szczecin_1900.csv")) liczbaosob liczbagospodarstw

WYKŁAD 9 METODY ZMIENNEJ METRYKI

Jeśli X jest przestrzenią o nieskończonej liczbie elementów:

0.1. Logika podstawowe pojęcia: zdania i funktory, reguły wnioskowania, zmienne zdaniowe, rachunek zdań.

Dane liczbowe programu Rodzina na swoim

Logika intuicjonistyczna

Statystyka matematyczna i ekonometria

Jest to zasadniczo powtórka ze szkoły średniej, być może z niektórymi rzeczami nowymi.

Matematyka dla studentów ekonomii : wykłady z ćwiczeniami/ Ryszard Antoniewicz, Andrzej Misztal. Wyd. 4 popr., 6 dodr. Warszawa, 2012.

Ziemia obraca się wokół Księżyca, bo posiadając odpowiednią wiedzę można stwierdzić, czy są prawdziwe, czy fałszywe. Zdaniami nie są wypowiedzi:

Statystyka matematyczna i ekonometria

Akademia Młodego Ekonomisty

Planowanie i pisanie projektów. Prowadzący: Mirosława Tomasik Robert Tomasik

LOGIKA Dedukcja Naturalna

Systemy ekspertowe. Krzysztof Patan

INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Systemy ekspertowe - wiedza niepewna

Porównywanie populacji

EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2017/2018 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ

SZTUCZNA INTELIGENCJA

LOGIKA I TEORIA ZBIORÓW

Logika binarna. Prawo łączności mówimy, że operator binarny * na zbiorze S jest łączny gdy (x * y) * z = x * (y * z) dla każdego x, y, z S.

SYSTEMY INŻYNIERII WIEDZY

Całkowanie numeryczne

Wykład nr 1 Techniki Mikroprocesorowe. dr inż. Artur Cichowski

TO SĄ ZAGADNIENIA O CHARAKTERZE RACZEJ TEORETYCZNYM PRZYKŁADOWE ZADANIA MACIE PAŃSTWO W MATERIAŁACH ĆWICZENIOWYCH. CIĄGI

Bazy Danych. Bazy Danych i SQL Podstawowe informacje o bazach danych. Krzysztof Regulski WIMiIP, KISiM,

Instrukcje warunkowe i skoku. Spotkanie 2. Wyrażenia i operatory logiczne. Instrukcje warunkowe: if else, switch.

Języki i paradygmaty programowania

Funkcja jest to złożona gotowa do użytku formuła np. zamiast żmudnie sumować komórki od B1 do B32, można zastosować funkcję =SUMA(B1:32).

W naukach technicznych większość rozpatrywanych wielkości możemy zapisać w jednej z trzech postaci: skalara, wektora oraz tensora.

Funkcje bazy danych. Funkcje bazodanowe są specyficzną kategorią

RBD Relacyjne Bazy Danych

Operatory AND, OR, NOT, XOR Opracował: Andrzej Nowak Bibliografia:

EGZAMIN W KLASIE TRZECIEJ GIMNAZJUM W ROKU SZKOLNYM 2016/2017 CZĘŚĆ 2. ZASADY OCENIANIA ROZWIĄZAŃ ZADAŃ

Wykład 4. Decyzje menedżerskie

Teoretyczne podstawy informatyki

LABORATORIUM Z FIZYKI

Granice ciągów liczbowych

Elementy logiki. Algebra Boole a. Analiza i synteza układów logicznych

Wnioskowanie rozmyte. Krzysztof Patan

mgr inż. Magdalena Deckert Poznań, r. Metody przyrostowego uczenia się ze strumieni danych.

Temat: Systemy Ekspertowe i ich zastosowania

znajdowały się różne instrukcje) to tak naprawdę definicja funkcji main.

Róża Połeć Scenariusz zajęć dla grupy studentów. Kreowanie wysokiej jakości przestrzeni publicznych. Czas trwania zajęć: 3 spotkania x 90 minut

Analiza strategiczna jest etapem procesu formułowania strategii działania. To na jej podstawie dokonuje się wyboru wariantu strategicznego, określa

Wykład 5: Statystyki opisowe (część 2)

CLP Programowanie logiczne z ograniczeniami.

Model odpowiedzi i schemat oceniania do arkusza I

VI WYKŁAD STATYSTYKA. 9/04/2014 B8 sala 0.10B Godz. 15:15

Dydaktyka matematyki III-IV etap edukacyjny (wykłady) Wykład nr 11: Funkcje w matematyce szkolnej Semestr zimowy 2018/2019

Optymalizacja konstrukcji

Ciągi liczbowe wykład 3

Czym jest ciąg? a 1, a 2, lub. (a n ), n = 1,2,

ZBIORY ROZMYTE I WNIOSKOWANIE PRZYBLIŻONE

Technologie baz danych

Wniosek 2: należy ograniczyć ilość wiedzy, np. ograniczając działanie systemu do pewnej dziedziny wiedzy!

Podstawy Automatyki. Wykład 9 - Podstawy matematyczne automatyki procesów dyskretnych. dr inż. Jakub Możaryn. Instytut Automatyki i Robotyki

Podstawowe Pojęcia. Semantyczne KRZ

KLUCZ PUNKTOWANIA ODPOWIEDZI

Układy logiki rozmytej. Co to jest?

Transkrypt:

REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 3: Systemy elementarne i rozwinięte z ocenami Antoni Niederliński Uniwersytet Ekonomiczny w Katowicach antoni.niederlinski@ue.katowice. pl

Koniec pewnego rozdziału... Wszystkie systemy ekspertowe dotychczas omawiane korzystały z baz wiedzy wywodzących się z dokumentów logicznie i arytmetycznie deterministycznych (LAD) Dokument papierowy jest typu LAD, jeżeli wynik procedowania tego dokumentu, niezależnie od osoby procedującej, daje dla tych samych danych takie same wnioski i takie same wyniki.

Ukryty niedeterminizm (1) Dokument papierowy typu LDA może jednak zawierać ukryty niedeterminizm, którego źródłem są: warunki dopytywalne, np. "aktywny w kole naukowym" wnioski modeli relacyjnych, np. "średnia ocena z przedmiotów A, B i C >= 4.2"

Ukryty niedeterminizm (2) Istota ukrytego niedeterminizmu: Niektóre warunki dopytywalne, np.. "aktywny w kole naukowym" i niektóre wnioski modeli relacyjnych, np. "średnia ocena z przedmiotów A, B i C >= 4.2 mogą być prawdą na szereg różnych sposobów.

Ukryty niedeterminizm (3) Ukryty niedeterminizm warunków dopytywalnych i wniosków modeli relacyjnych jest (siłą rzeczy) propagowany na niedeterminizm wniosków reguł uzależnionych od tych warunków dopytywalnych i wniosków modeli relacyjnych.

Ukryty niedeterminizm (4)

Co z tego wynika? Ukryty niedeterminizm może - w pewnych przypadkach uniemożliwić realistyczne modelowanie za pomocą baz wiedzy niektórych bardzo istotnych właściwości problemu decyzyjnego. Dlatego postaramy się uwzględnić ukryty niedeterminizm wprowadzając oceny dla wymagających tego warunków dopytywalnych, wniosków modeli relacyjnych i wniosków reguł.

Ocena warunków dopytywalnych (1) Dla warunku dopytywalnego, np.: "aktywny w kole naukowym" chcemy zadeklarować ocenę tego warunku. W tym celu posługujemy sie modelem żądającym deklaracji tej oceny i zawierającym wyrażenie: "Ocena_aktywny w kole naukowym"

Ocena warunków dopytywalnych (2) Uwzględnienie ukrytego niedeterminizmu przez deklarowanie ocen dla warunków dopytywalnych: Ocena_aktywny w kole naukowym Ocena_ jest słowem kluczowym generującym pytanie o wartość warunku dopytywalnego "aktywny w kole naukowym" Pytanie ma postać: Określ wartość argumentu: aktywny w kole naukowym

Ocena wniosków modeli relacyjnych (1) Uwzględnienie ukrytego niedeterminizmu przez deklarowanie ocen dla wniosków modeli relacyjnych, np. dla modelu relacyjnego: model(122,"bez warunku", "średnia ocena z przedmiotów A, B i C >= 4.2", "średnia ocena z przedmiotów A, B i C", ">=","4.2",1) chcemy zadeklarować ocenę wniosku: "średnia ocena z przedmiotów A, B i C >= 4.2" W tym celu posługujemy się modelem żądającym deklaracji tej oceny i zawierającym wyrażenie: "Ocena_średnia ocena z przedmiotów A, B i C >= 4.2"

Ocena wniosków modeli relacyjnych (2) "Ocena_średnia ocena z przedmiotów A, B i C >= 4.2 " Ocena_ jest słowem kluczowym generującym pytanie o wartość wniosku modelu relacyjnego "średnia ocena z przedmiotów A, B i C >= 4.2" Pytanie ma postać: Określ ocenę spełnienia wniosku na skali 1-10: "średnia ocena z przedmiotów A, B i C >= 4.2"

Oceny (1) wartości liczbowe Oceny zmiennych logicznych (warunków dopytywalnych, wniosków modeli relacyjnych i wniosków reguł) są liczbami rzeczywistymi z przedziału [1,...,10] Ocena = 10 jest ocena bardzo dobrą, Ocena = 1 jest oceną dostateczną. Oceny są ortogonalne względem logiki.

Oceny (2) - ortogonalność względem logiki Dedukcja logiczna dokonywana przez system wnioskujący nie zniekształca przebiegu tworzenie ocen przez tenże system wnioskujący. Tworzenie ocen przez system wnioskujący nie zniekształca przebiegu dedukcji logicznej dokonywanej przez tenże system wnioskujący.

Oceny dla zmiennych logicznych: warunków dopytywalnych, wniosków modeli relacyjnych i wniosków reguł Zachowane wszystkie prawa algebry logiki Zmienna logiczna bez oceny Zmienna logiczna z oceną Zmienna logiczna swobodna Zmienna logiczna prawdziwa Zmienna logiczna nieprawdziwa 1 10 Ocena zmiennej logicznej

Oceny dla wniosków modeli relacyjnych Wniosek jest prawdą jeżeli A <= Zmienna arytmetyczna <= B Prawda Wniosek Nieprawda A B Zmienna arytmetyczna 1 10 Dwie definicje skali ocen dla wniosku modelu relacyjnego 10 1 Wniosek

Oceny (5) wybór skali ocen Wniosek określa jakość zabezpieczenia kredytu Zabezpieczenie jest dobre jeżeli A <= Wartość zabezpieczenia <= B Dobra Jakość zabezpieczenia kredytu Zła A B Wartość zabezpieczenia 1 10 Im bliżej górnego kresu tym lepsze zabezpieczenie

Oceny (6) wybór skali ocen Wniosek określa jakość transmisji bezprzewodowej Transmisja jest dobra jeżeli A <= Odległość <= B Dobra Jakość transmisji Zła A B Odległość od routera 10 1 Im bliżej dolnego kresu tym lepsza transmisja

Co zrobić jeżeli : Wniosek jest prawdą jeżeli A <= Zmienna arytmetyczna Wniosek jest prawdą jeżeli Zmienna arytmetyczna <= B Żadna zmienna arytmetyczna opisująca rzeczywistość nie jest nigdy nieograniczenie duża lub nieograniczenie mała. A więc relacje: Wniosek jest prawdą jeżeli A <= Zmienna arytmetyczna Wniosek jest prawdą jeżeli Zmienna arytmetyczna <= B należy zastąpić relacją: Wniosek jest prawdą jeżeli A <= Zmienna arytmetyczna <= B

Zmienna arytmetyczna jest ograniczona od dołu Jej ocena wymaga uzupełnienia zmiennej arytmetycznej domyślnym kresem górnym B. Wniosek jest prawdą jeżeli A <= Zmienna arytmetyczna Prawda Wniosek Nieprawda A B Zmienna arytmetyczna 1 10 Dwie definicje skali ocen dla zmiennej logicznej Wniosek 10 1

Zmienna arytmetyczna jest ograniczona od góry Jej ocena wymaga uzupełnienia zmiennej arytmetycznej domyślnym kresem dolnym A. Wniosek jest prawdą jeżeli Zmienna arytmetyczna <= B Prawda Wniosek Nieprawda A B Zmienna arytmetyczna 1 10 Dwie definicje skali ocen dla zmiennej logicznej Wniosek 10 1

Oceny a zasada wyłączonego środka Stosowanie ocen nie wymaga rezygnacji z zasady wyłączonego środka ( tertium non datur ), zgodnie z którą każde zdanie jest albo prawdą, albo nieprawdą. Mowa o zdaniach sensownych. Stosowanie ocen nie narusza tej zasady: warunki dopytywalne i wnioski pozostają albo prawdziwe, albo nieprawdziwe, lecz zyskują dodatkowy (nie-arystotelesowy) atrybut, którym jest ich ocena.

Deklarowanie ocen dla warunków dopytywalnych Tym celu należy utworzyć model arytmetyczny: model(nr,"warunek Startowy","Wartość warunek dopytywalny", "Ocena_ warunek dopytywalny ", "=","0",1) dla operacji: "Ocena_ warunek dopytywalny " Model generuje pytanie o wartość argumentu ocena warunek dopytywalny i przyrównuje odpowiedź do wartości zmiennej Wartość warunek dopytywalny: Wartość warunek dopytywalny = ocena zadeklarowana dla warunku dopytywalnego.

Deklarowanie ocen dla wniosków Dla wniosku modelu relacyjnego: modeli relacyjnych model (100,_,"Wniosek","Argument",">=","Kres_dolny",1) można deklarować ocenę prawdziwego wniosku "Wniosek" za pomocą modelu arytmetycznego podstawowego o postaci: model(101,"wniosek","wartość Wniosek", "Ocena_Wniosek","=","0",1) Model ten generuje zapytanie o ocenę zmiennej logicznej "Wniosek" i przyrównuje odpowiedź do wartości zmiennej arytmetycznej "Wartość Wniosek": Wartość Wniosek = ocena zadeklarowana dla wniosku

Propagacja ocen Oceny zadeklarowane dla: 1) warunków dopytywalnych 2) wniosków modeli relacyjnych mogą (powinny) być propagowane na oceny wniosków reguł w których występują.

Propagacja ocen warunków dopytywalnych i wniosków modeli relacyjnych na na oceny wniosków reguł Szereg różnych sposobów: 1. Wartość wniosku reguły jest średnią arytmetyczną wartości jej warunków. 2. Wartość wniosku reguły to minimum wartości jej warunków. 3. Wartość wniosku reguły to maksimum wartości jej warunków. 4. Wartość wniosku reguły to suma wartości jej warunków (ocenianie absolutne).

Wartość wniosku jako średnia arytmetyczna wartości warunków (1) Użyteczny model: model(nr,"warunek Startowy","Liczba", "Nr_reguły","liczba_warunków_reguły","0",1) "liczba_warunków_reguły" - operacja arytmetyczna wyznaczająca wartość zmiennej "Liczba" jako liczbę warunków reguły "Nr_reguły" Obliczanie liczby warunków reguły na piechotę może czasem być kłopotliwym zródłem pomyłek.

Wartość wniosku jako średnia arytmetyczna wartości warunków (2) Dane jest reguła: reguła(15, "Wniosek", ["Warunek_1","Warunek_2"],1) gdzie: model(101,"bez warunku", "Warunek_1","War_1", ">=", "W1",1) model(102,"bez warunku", "Warunek_2","War_2", ">=", "W2",1) Należy wyznaczyć ocenę wartości wniosku reguły "Wniosek" jako średnią arytmetyczną wartości jej warunków..

Wartość wniosku jako średnia arytmetyczna wartości warunków (3) Tym celu należy regułę: reguła(15, "Wniosek", ["Warunek_1","Warunek_2"],1) przedstawić w postaci dwóch reguł: reguła(15, "Wniosek_1", ["Warunek_1","Warunek_2"],1) reguła(151,"wniosek", ["Wniosek_1", "Wartość finalna Wniosek_1 > 0"],1)

Wartość wniosku jako średnia arytmetyczna wartości warunków (4) 1) Wyznaczamy oceny dla "Warunek_1" i "Warunek_2": model(1011,"warunek_1","wartość Warunek_1", "Ocena_Warunek_1","=","0.0",1) model(1021,"warunek_2","wartość Warunek_2", "Ocena_Warunek_2", "=","0.0",1) Modele te pytają się o oceny dla Warunek_1 i Warunek_2 i przyrównują je do wartości tych warunków: Wartość Warunek_1 = Zadeklarowana ocena dla Warunek_1. Wartość Warunek_2 = Zadeklarowana ocena dla Warunek_2.

Wartość wniosku jako średnia arytmetyczna wartości warunków (5) 1) Wyznaczamy sumę ocen warunków dla "Wniosek": model_r(1022,"wniosek", "Suma wartości warunków","+", [" Wartość Warunek_1"," Wartość Warunek_2"],1) 2) Wyznaczamy liczbę warunków reguły o numerze 15: model(1023,"wniosek","liczba warunków Wniosek","15", "liczba_warunków_reguły", "0",1)

Wartość wniosku jako średnia arytmetyczna wartości warunków (5) 3) Wyznaczamy średnią Wartość Wniosek : model(1024,"wniosek", "Wartość Wniosek ", "Suma wartości warunków ", "/","Liczba warunków Wniosek",1) 4) Zaokrąglamy średnią ocenę Wartość Wniosek do dwóch pozycji po przecinku: model(103,"wniosek","wartość finalna Wniosek", "Wartość Wniosek", "zaokrąglenie_do_n","2", 1) 5)Definiujemy model potwierdzający wyznaczenie wartości dla Wniosek : dzięki któremu przy wnioskowaniu w przód lub wstecz dla prawdziwego Wniosek zostanie również wyznaczona Wartość finalna Wniosek : model(104,"wniosek","wartość finalna Wniosek > 0", "Wartość finalna Wniosek", ">","0",1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (1) Dane są dwie reguły o tym samym wniosku i warunkach dopytywalnych: reguła(15, "Wniosek", ["Warunek_11","Warunek_21"],1) reguła(16, "Wniosek", ["Warunek_12","Warunek_22"],1) z których co najwyżej tylko jedna może być spełniona. Należy wyznaczyć ocenę wartości wniosku reguły spełnionej jako średnią arytmetyczną wartości jej warunków.

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (2) Jeżeli chcemy obliczyć wartość wniosku "Wniosek", musimy pierwotne reguły zastąpić regułami : reguła(15, "Wniosek_1", ["Warunek_11","Warunek_21"],1) reguła(16, "Wniosek_2", ["Warunek_12","Warunek_22"],1) reguła(151,"wniosek", ["Wniosek_1","Wartość Wniosek_1 > 0"],1) reguła(152,"wniosek", ["Wniosek_2","Wartość Wniosek_2 > 0"],1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (3) Procedowanie dla reguły 15: Wyznaczamy oceny dla "Warunek_11" i "Warunek_21": model(1011,"warunek_11","wartość Warunek_11", "Ocena_Warunek_11","=","0.0",1) model(1021,"warunek_21","wartość Warunek_21", "Ocena_Warunek_21", "=","0.0",1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (4) Procedowanie dla reguły 15: 1) Wyznaczamy sumę ocen warunków dla Wniosek_1 : model_r(101,"wniosek_1"," Wartość Wniosek_1","+", ["Wartość Warunek _11", "Wartość Warunek _21"],1) 2) Wyznaczamy liczbę warunków reguły o numerze 15: model(102,"wniosek_1","liczba warunków Wniosek_1","15", "liczba_warunków_reguły", "0",1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (5) Procedowanie dla reguły 15: 3) Wyznaczamy średnią ocenę dla Wniosek_1 : model(103,"wniosek_1", "Średnia ocena Wniosek_1", "Wartość Wniosek_1","/", "Liczba warunków Wniosek_1",1) 4) Zaokrąglamy średnią ocenę do dwóch pozycji po przecinku: model(104,"wniosek_1","wartość finalna Wniosek_1 ", "Średnia ocena Wniosek_1", "zaokrąglenie_do_n","2", 1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (6) Procedowanie dla reguły 15: 5) Definiujemy model potwierdzający wyznaczenie wartości dla Wniosek_1 : model(105,"wniosek_1","wartość Wniosek_1 > 0", "Wartość finalna Wniosek_1", ">","0",1) dzięki któremu przy wnioskowaniu w przód lub wstecz dla prawdziwego Wniosek_1 zostanie również wyznaczona Wartość finalna Wniosek_1.

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (7) Procedowanie dla reguły 16: Wyznaczamy oceny dla "Warunek_12" i "Warunek_22": model(1012,"warunek_12","wartość Warunek_12", "Ocena_Warunek_12","=","0.0",1) model(1022,"warunek_22","wartość Warunek_22", "Ocena_Warunek_22", "=","0.0",1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (8) Procedowanie dla reguły 16: 1) Wyznaczamy sumę ocen warunków dla Wniosek_2 : model_r(106,"wniosek_2","wartość Wniosek_2","+", ["Wartość Warunek_12", "Wartość Warunek_22"],1) 2) Wyznaczamy liczbę warunków reguły o numerze 16: model(107,"wniosek_2","liczba warunków Wniosek_2","16", "liczba_warunków_reguły", "0",1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (9) Procedowanie dla reguły 16: 3) Wyznaczamy średnią ocenę dla Wniosek_2 : model(108,"wniosek_2", "Średnia ocena Wniosek_2", "Wartość Wniosek_2","/", "Liczba warunków Wniosek_2",1) 4) Zaokrąglamy średnią ocenę do dwóch pozycji po przecinku: model(109,"wniosek_2","wartość finalna Wniosek_2", "Średnia ocena Wniosek_2", "zaokrąglenie_do_n","2", 1)

Wartość wniosku jako średnia arytmetyczna wartości warunków dla szeregu reguł (10) Procedowanie dla reguły 16: 5) Definiujemy model potwierdzający wyznaczenie wartości dla Wniosek_2 : model(110,"wniosek_2", "Wartość Wniosek_2 > 0", "Wartość finalna Wniosek_2", ">","0",1) dzięki któremu przy wnioskowaniu w przód lub wstecz dla prawdziwego Wniosek_2 zostanie również wyznaczona Wartość finalna Wniosek_2. Laprawdziwego

Wartość wniosku jako minimum wartości warunków (1) Dana są reguły: reguła(1, "Wniosek", ["Warunek_11","Warunek_21", "Warunek_31"],1) reguła(2, "Wniosek", ["Warunek_12","Warunek_22", "Warunek_32"],1) z których tylko jedna lub żadna może być spełniona.

Wartość wniosku jako minimum wartości warunków (2) Jeżeli chcemy obliczyć wartość wniosku "Wniosek", musimy zastąpić je regułami: reguła(1, "Wniosek_1", ["Warunek_11","Warunek_21", "Warunek_31"],1) reguła(2, "Wniosek_2", ["Warunek_12","Warunek_22", "Warunek_32"],1) reguła(3, "Wniosek", ["Wniosek_1", "Wartość finalna Wniosek_1 > 0"],1) reguła(4, "Wniosek", [" Wniosek_2", "Wartość finalna Wniosek_2 > 0"],1)

Wartość wniosku jako minimum wartości warunków (3) 1) Wyznaczamy minimum ocen warunków: model_r(101,"wniosek_1","wartość Wniosek_1", "min_list", ["Ocena_Warunek_11", "Ocena_Warunek_21", "Ocena_Warunek_31"],1) 2) Zaokrąglamy wartość wniosku Wniosek_1 do 2 pozycji po przecinku: model(102,"wniosek_1","wartość finalna Wniosek_1", "Wartość Wniosek_1","zaokrąglenie_do_N","2", 1)

Wartość wniosku jako minimum wartości warunków (5) 1) Wyznaczamy minimum ocen warunków: model_r(1010,"wniosek_2","wartość Wniosek_2", "min_list", ["Ocena_Warunek_12", "Ocena_Warunek_22", "Ocena_Warunek_32"],1) 2) Zaokrąglamy wartość wniosku Wniosek_2 do 2 pozycji po przecinku: model(1020,"wniosek_2","wartość finalna Wniosek_2", "Wartość Wniosek_2","zaokrąglenie_do_N","2", 1)

Wartość wniosku jako minimum wartości warunków (6) 5) ) Definiujemy model potwierdzający wyznaczenie wartości dla Wniosek_1 : model(1030,"wniosek_1", "Wartość Wniosek_1 > 0", "Wartość finalna Wniosek_1", ">","0",1) dzięki któremu przy wnioskowaniu w przód lub wstecz dla prawdziwego Wniosek_1 zostanie również wyznaczona Wartość finalna Wniosek_1.

Wartość wniosku jako minimum wartości warunków (6) 6) Definiujemy model potwierdzający wyznaczenie wartości dla Wniosek_2 : model(1030,"wniosek_2", "Wartość finalna Wniosek_2 > 0", "Wartość finalna Wniosek_2", ">","0",1) dzięki któremu przy wnioskowaniu w przód lub wstecz dla prawdziwego Wniosek_2 zostanie również wyznaczona Wartość finalna Wniosek_2.

Analiza SWOT (1) Jedna z podstawowych i popularnych heurystycznych technik analitycznych, umożliwiających porządkowanie informacji o szeroko rozumianym stanie obiektu i jego otoczeniu w celu określenia równie szeroko rozumianej strategii zarządzania tym obiektem.

Analiza SWOT (2) Obiektem tym może być np. firma lub projekt. Możemy SWOT również zastosować do siebie (SWOT YOURSELF). Przyjmujemy w dalszym ciągu, że obiektem tym jest firma.

Analiza SWOT (3) Istota SWOT : przyporządkowaniu informacji o stanie firmy i otoczenia firmy czterem grupom czynników strategicznych: S (Strengths) mocne strony firmy (MSF): wszystko to co stanowi atut, przewagę, zaletę analizowanej firmy. W (Weaknesses) słabe strony firmy (SSF): wszystko to co stanowi słabość, barierę, wadę analizowanej firmy. O (Opportunities) możliwości w otoczeniu firmy (MOF): wszystko to co w otoczeniu firmy stwarza dla niej możliwość korzystnej zmiany. T (Threats) zagrożenia w otoczeniu firmy (ZOF): wszystko to co w otoczeniu firmy stwarza dla niej niebezpieczeństwo niekorzystnej zmiany.

Analiza SWOT (4)

Przykład analizy SWOT (1) Firma elektroniczna produkująca systemy alarmowe

Przykład analizy SWOT (2)

Przykład analizy SWOT (3) Baza wiedzy SwotOceny.BED: RESwotOceny.BED MOSwotOceny.BED Brak bazy ograniczeń wynika stąd, że analiza SWOT nie robi użytku z negacji warunków dopytywalnych (np. złe szkolenia, brak dostępu do kredytów ) i negacji warunków niedopytywalnych (np. nieinnowacyjny produkt, słabo wykwalifikowana załoga ), gdyż negacje te nie są prawdą. Przy analizie SWOT interesują nas tylko warunki, które są prawdą dla każdej z czterech grup czynników strategicznych

Przykład analizy SWOT (4) Celem bazy wiedzy SwotOceny.BED jest wyznaczenie - dla rozpatrywanej firmy elektronicznej strategii o najwyższej ocenie.

Przykład analizy SWOT (5) Dla oceny wartości wniosków MSF, SSF, MOF, ZOF zastosowano ocenianie absolutne. Obecnie bowiem mamy do czynienia z przypadkami reguł o bardzo rożnych liczbach warunków i o rożnych atrybutach dla których uśrednianie może fałszować relacje pomiędzy wartościami wniosków: więcej warunków w niektórych regułach to więcej czynników przemawiających za wnioskiem, co przy analizie SWOT ma znaczenie