Modelowanie ekspertowych systemów logistycznych opartych na relacyjnych mapach kognitywnych

Podobne dokumenty
INTELIGENTNY SYSTEM EKSPERTOWY OPARTY NA MAPACH KOGNITYWNYCH INTELLIGENT EXPERT SYSTEM BASED ON COGNITIVE MAPS

Kier. MTR Programowanie w MATLABie Laboratorium

WYBRANE ASPEKTY HARMONOGRAMOWANIA PROCESU MAGAZYNOWEGO

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Wykład 2: Uczenie nadzorowane sieci neuronowych - I

Hipotezy o istotności oszacowao parametrów zmiennych objaśniających ˆ ) ˆ

ANALIZA BIPOLARNEGO DYNAMICZNEGO MODELU DIAGNOSTYCZNEGO MONITOROWANIA WYPOSAśENIA ELEKTRYCZNEGO SAMOCHODU

Wielokryterialna optymalizacja dostaw w sieci logistycznej z uwzględnieniem aspektów logistyki zwrotnej

n liczba zmiennych decyzyjnych c współczynniki funkcji celu a współczynniki przy zmienych decyzyjnych w warunkach

XXXV Konferencja Statystyka Matematyczna

PROBLEM ODWROTNY DLA RÓWNANIA PARABOLICZNEGO W PRZESTRZENI NIESKOŃCZENIE WYMIAROWEJ THE INVERSE PARABOLIC PROBLEM IN THE INFINITE DIMENSIONAL SPACE

Przygotowanie narzędzi skrawających do zadania obróbkowego

MODELOWANIE I PROGNOZOWANIE ZAPOTRZEBOWANIA NA ENERGIĘ ELEKTRYCZNĄ W WYBRANYM REGIONIE

WYKORZYSTANIE METODY MNOŻNIKÓW LAGRANGE A DO OCENY EFEKTYWNOŚCI PRODUKCJI NA PRZYKŁADZIE WYBRANYCH GRUP GOSPODARSTW ROLNYCH

Plan wykładu. Sztuczne sieci neuronowe. Neuronu dyskretny. Neuron dyskretny (perceptron prosty)

Katarzyna Osiecka Politechnika Warszawska Józef Stawicki Uniwersytet Mikołaja Kopernika w Toruniu

XI Konferencja Naukowa WZEE Rzeszów - Czarna, wrzesień 2013 r.

SYSTEM MONITOROWANIA DECYZYJNEGO STANU OBIEKTÓW TECHNICZNYCH

Politechnika Częstochowska Wydział Inżynierii Mechanicznej i Informatyki. Sprawozdanie #2 z przedmiotu: Prognozowanie w systemach multimedialnych

Rozmyte mapy kognitywne w monitorowaniu decyzyjnym obiektów technicznych

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Sławczo DENCZEW. 1. Wprowadzenie. 1. Introduction

Wykład 1 Zagadnienie brzegowe liniowej teorii sprężystości. Metody rozwiązywania, metody wytrzymałości materiałów. Zestawienie wzorów i określeń.

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Sztuczne sieci neuronowe

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania. Podstawy Automatyki

THE PROBLEMS OF PROCESS DISASSEMBLY IN ENVIRONMENTAL INFLUENCE THE MEANS TRANSPORTATION

ANALIZA PREFERENCJI SŁUCHACZY UNIWERSYTETU TRZECIEGO WIEKU Z WYKORZYSTANIEM WYBRANYCH METOD NIESYMETRYCZNEGO SKALOWANIA WIELOWYMIAROWEGO

Automatyzacja Statku

SZTUCZNA INTELIGENCJA

Rozwiązywanie zadań optymalizacji w środowisku programu MATLAB

Autoreferat. 3. Informacje o dotychczasowym zatrudnieniu w jednostkach naukowych

Podstawy teorii falek (Wavelets)

Modelowanie równowagi cenowej na Giełdzie Papierów Wartościowych w Warszawie w okresach przed i po wejściu Polski do Unii Europejskiej

MODELOWANIE SŁABOSTRUKTURALNYCH SYSTEMÓW LOGISTYCZNYCH OPARTE NA ROZMYTYCH RELACYJNYCH MAPACH KOGNITYWNYCH

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

Regulamin. udzielania pomocy materialnej o charakterze socjalnym dla uczniów zamieszkaùych na terenie Gminy Wolbórz

Piotr Fiszeder Uniwersytet Mikołaja Kopernika w Toruniu Juliusz Preś Politechnika Szczecińska

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Podstawowe algorytmy indeksów giełdowych

Różnica bilansowa dla Operatorów Systemów Dystrybucyjnych na lata (którzy dokonali z dniem 1 lipca 2007 r. rozdzielenia działalności)

13. DWA MODELE POTOKU RUCHU (TEORIOKOLEJKOWE)(wg Wocha,1998)

Procedura normalizacji

BADANIE DRGAŃ WŁASNYCH NAPĘDU ROBOTA KUCHENNEGO Z SILNIKIEM SRM

Stanisław Cichocki Natalia Nehrebecka. Wykład 2

Ekonometryczne modele nieliniowe

SZTUCZNA INTELIGENCJA

BADANIA CHARAKTERYSTYK HYDRAULICZNYCH KSZTAŁTEK WENTYLACYJNYCH

Model logistycznego wsparcia systemu eksploatacji środków transportu

Sztuczne sieci neuronowe. Krzysztof A. Cyran POLITECHNIKA ŚLĄSKA Instytut Informatyki, p. 311

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Neural networks. Krótka historia rozpoznawanie znaków alfanumerycznych.

Monika Kośko Wyższa Szkoła Informatyki i Ekonomii TWP w Olsztynie Michał Pietrzak Uniwersytet Mikołaja Kopernika w Toruniu

STEROWANIE GOTOWOŒCI W SYSTEMACH EKSPLOATACJI ŒRODKÓW TRANSPORTU

ROZMYTE WARTOŚCI WIELKOŚCI PRODUKCJI I INTERWAŁOWE WARTOŚCI KOSZTÓW W ANALIZIE WEJŚCIA WYJŚCIA.

Badanie współzaleŝności dwóch cech ilościowych X i Y. Analiza korelacji prostej. Badanie zaleŝności dwóch cech ilościowych. Analiza regresji prostej

MIKROPROCESOROWY MODEL OBIEKTU TERMICZNEGO DO TESTÓW REGULATORÓW TEMPERATURY

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD A

Ocena efektywności restrukturyzacji wybranego sektora gospodarki w Polsce z wykorzystaniem taksonomicznego miernika rozwoju społeczno-gospodarczego

Struktura testu matematycznego OBUT 2012 z zasadami punktowania zadań

Jerzy Czesław Ossowski Katedra Ekonomii i Zarzdzania Przedsibiorstwem Wydział Zarzdzania i Ekonomii Politechnika Gdaska

WYZNACZANIE WSPÓŁCZYNNIKA LEPKOŚCI CIECZY METODĄ STOKESA

Prognozowanie cen detalicznych żywności w Polsce

PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W PILE INSTYTUT POLITECHNICZNY. Zakład Budowy i Eksploatacji Maszyn PRACOWNIA TERMODYNAMIKI TECHNICZNEJ INSTRUKCJA

Optymalizacja belki wspornikowej

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

DYNAMIKA KONSTRUKCJI

Dr inż. Robert Smusz Politechnika Rzeszowska im. I. Łukasiewicza Wydział Budowy Maszyn i Lotnictwa Katedra Termodynamiki


Poziomy płynnoêci i opóênienia w rozrachunku w systemie SORBNET podejêcie symulacyjne przy u yciu symulatora systemów płatnoêci BoF-PSS2*

ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 1999 Seria: BUDOWNICTWO z.

SYMULACJA KOMPUTEROWA NAPRĘŻEŃ DYNAMICZNYCH WE WRĘGACH MASOWCA NA FALI NIEREGULARNEJ

Funkcje niezawodnościowe przyłączy elektroenergetycznych nn

Laboratorium komputerowe oraz Ćwiczenia rachunkowe z przedmiotu Metody obliczeniowe Prowadzący: L. Bieniasz

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Modele deformowalne do ilościowej analizy i rozpoznawania obiektów w obrazach cyfrowych

Uchwała Senatu Uniwersytetu Kazimierza Wielkiego. Nr 110/2016/2017. z dnia 27 czerwca 2017 r.

Wykład z Podstaw matematyki dla studentów Inżynierii Środowiska. Wykład 8. CAŁKI NIEOZNACZONE. ( x) 2 cos2x

NAPRAWY POGWARANCYJNE CIĄGNIKÓW ROLNICZYCH JAKO ELEMENT AUTORYZOWANEGO SYSTEMU DYSTRYBUCJI

STATECZNOŚĆ SKARP. α - kąt nachylenia skarpy [ o ], φ - kąt tarcia wewnętrznego gruntu [ o ],

Sławomir JUŚCIŃSKI Małgorzata SZCZEPANIK. 1. Introduction. 1. Wprowadzenie

MODELOWANIE KOGNITYWNE SYSTEMÓW I MASZYN ALEKSANDER JASTRIEBOW, GRZEGORZ SŁO

Zorientowane usługowo rozproszone systemy dostarczania informacji decyzyjnych rozwój wybranych serwisów

11/22/2014. Jeśli stała c jest równa zero to takie gry nazywamy grami o sumie zerowej.

ZASTOSOWANIE KLASYCZNEGO ALGORYTMU GENETYCZNEGO DO ROZWIĄZANIA ZBILANSOWANEGO ZAGADNIENIA TRANSPORTOWEGO

POZYCJONOWANIE I NADĄŻANIE MINIROBOTA MOBILNEGO M.R.K

ANALIZA HARMONOGRAMÓW POWYKONAWCZYCH W BUDOWNICTWIE

Kierunkowe Efekty Kształcenia dla kierunku studiów: Stosunki międzynarodowe. Poziom studiów: studia pierwszego stopnia. Profil: ogólnoakademicki

Wykład IX Optymalizacja i minimalizacja funkcji

WPŁYW PARAMETRÓW DYSKRETYZACJI NA NIEPEWNOŚĆ WYNIKÓW POMIARU OBIEKTÓW OBRAZU CYFROWEGO

Seria: PREPRINTY nr 34/2006. Marek Skowron. Promotor: Dr hab. inŝ. Krystyn Styczeń, prof. PWr. Instytut Informatyki, Automatyki i Robotyki

ZESTAW VI. ε, są składnikami losowymi. Oba modele są nieliniowe. Model (1) Y X Y = = Y X NIELINIOWE MODELE EKONOMETRYCZNE, FUNKCJA PRODUKCJI

EVPI - maksymalna kwota, jaka podejmujacemu decyzje oplaca sie wydac, aby uzyskac doskonala informacje

Prognozowanie średniego miesięcznego kursu kupna USD

ZARZĄDZANIE KOSZTAMI UTRZYMANIA GOTÓWKI W ODDZIAŁACH BANKU KOMERCYJNEGO

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. Strona 1

Wielokategorialne systemy uczące się i ich zastosowanie w bioinformatyce. Rafał Grodzicki

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Ewa Dziawgo Uniwersytet Mikołaja Kopernika w Toruniu. Analiza wrażliwości modelu wyceny opcji złożonych

Transkrypt:

JASTRIEBOW Aleksander 2 PIOTROWSKA Kaarzyna 3 Modelowane eksperowych sysemów logsycznych oparych na relacynych mapach kognywnych Eksperowy sysem logsyczny relacyna mapa kognywna welokrokowy algorym uczena charakerysyk sysemowe Sreszczene Praca pośwęcona es modelowanu eksperowych sysemów logsycznych oparych na relacynych mapach kognywnych. Opsano zasadę dzałana relacyne mapy kognywne oraz e zasosowane w sysemach eksperowych. Opracowano model logsycznego sysemu eksperowego oparego na mape kognywne wspomagaącego planowane konrolę funkconowana przedsęborswa logsycznego. Przedsawono wybrane wynk dzałana sysemu. MODELING OF LOGISTICS EPERT SYSTEMS BASED ON RELATIONAL COGNITIVE MAPS Absrac Ths work s devoed o modelng of logscs exper sysems based on relaonal cognve maps. Prncple of workng of relaonal cognve map and s applcaon n exper sysems was descrbed. The model of logscs exper sysem based on cognve map supporng plannng and conrol of he logscs company funconng was developed. Seleced resuls of sysem workng were presened.. WSTĘP Praca pośwęcona es zasosowanu relacynych map kognywnych w modelowanu eksperowych sysemów logsycznych. Mapa kognywna o unwersalne narzędze wykorzysuące wedzę oraz dośwadczene do analzy rozwązywana złoŝonych problemów. Sysemy eksperowe opare na mapach kognywnych znaduą zasosowane w numeryczne predykc szeregów czasowych [2] w sysemach monorowana decyzynego [3] a akŝe w złoŝonych sysemach konrol procesów [8]. Mapa kognywna o równeŝ efekywne narzędze do modelowana sysemów wspomagana podemowana decyz m.n. w dzedzne bezpeczeńswa sec [] w ransporce drogowym [9] oraz w rozwązywanu społeczno ekonomcznych problemów [6]. W pracy opracowano model eksperowego sysemu logsycznego oparego na osre mape kognywne. Rozdzał 2 zawera ops oraz zasadę dzałana eksperowego sysemu oparego na mapach kognywnych. W rozdzale 3 opsano logsyczne sysemy eksperowe oraz przedsawono wybrane wynk dzałana sysemu oparego na mape kognywne. 2. EKSPERTOWE SYSTEMY OPARTE NA RELACYJNYCH MAPACH KOGNITYWNYCH Bazowym elemenem analzowanego sysemu eksperowego es relacyna mapa kognywna kórą przedsawono ponŝe. Dale podobne srukury eksperowe będą nazywane kognywnym sysemam eksperowym KSE. 2. Relacyna mapa kognywna Relacyna mapa kognywna o wydane narzędze obrazuące czynnk sone dla badanego zawska oraz relace mędzy nm. Podsawę budowy mapy kognywne sanow graf skerowany posac [59]: R gdze: [ n ] T warośc czynnków mapy; R{r } macerz relac pomędzy czynnkam; r lczba z przedzału [-]; n; n lczba czynnków. Dymanka mapy kognywne moŝe być wybrana w posac nelnowe: Polechnka Radomska Wydzał Nauczycelsk; 26-6 Radom; ul. Malczewskego 29. Tel: 48 48 36-78-49 36-78-5 E-mal: aleksander.asrebow@pr.radom.pl 2 Polechnka Śwęokrzyska Wydzał Elekroechnk Auomayk Informayk; 25-34 Kelce; al. Tysącleca Pańswa Polskego 7. Tel: 48 4 342-42-39 E-mal: a.asrebow@u.kelce.pl 3 Polechnka Śwęokrzyska Wydzał Elekroechnk Auomayk Informayk; 25-34 Kelce; al. Tysącleca Pańswa Polskego 7. Tel: 48 4 342-42-6 E-mal: k.porowska@u.kelce.pl 87

872 n r F 2 gdze: T; dyskreny czas; F sgmodalna funkca sablzacyna. Mapy kognywne ako sysemy nelgenne posadaą zdolność uczena macerzy relac. W pracy zasosowano welokrokowy algorym uczena nadzorowanego kóry modyfkue elemeny macerzy relac w kerunku nawększego spadku funkc błędu opsane zaleŝnoścą [34]: n Z J 2 2 3 gdze: warość -ego czynnka; Z zadana warość -ego czynnka. Uczene macerzy relac odbywa sę według nasępuące zaleŝnośc: y Z y Z r r η β η β 4 gdze: β η β η współczynnk uczena mapy; - Z Z - y y - warośc zadane w szczególnośc mogą być zerowe. Współczynnk uczena muszą spełnać nasępuące warunk: λ η 5 λ η 6 > β β 7 gdze: λ λ sałe doberane dośwadczalne. Funkca czułośc y opsana es równanem: ' n r F y y 8 gdze: F'x pochodna sgmodalne funkc sablzacyne. Kryerum sopu dla welokrokowego algorymu uczena nadzorowanego opsue zaleŝność: e J 9 gdze: e zadany pozom oleranc błędu. 2.2 Kognywny sysem eksperowy Sysem eksperowy składa sę z rzech podsawowych bloków: bazy wedzy maszyny wnoskuące oraz nerfesu z uŝykownkem. Schema blokowy sysemu eksperowego przedsawa rys. [7].

Rys.. Schema blokowy sysemu eksperowego Mapa kognywna odgrywa w syseme eksperowym rolę zarówno bazy wedzy ak maszyny wnoskuące przy czym bazę wedzy reprezenue zbór czynnków mapy wraz z macerzą relac a wnoskowane zwązane es z dzałanem mapy. Proces worzena bazy wedzy opary es na określenu czynnków sonych dla badanego zawska na podsawe wedzy ekspercke określenu przyczynowo-skukowych powązań mędzy czynnkam macerz relac oraz wyborze czynnków wyścowych decyduących dla sysemu. Baza wedzy moŝe być edyowana w czase dzałana sysemu przez ekspera lub w procese uczena macerzy relac. Wnoskowane odbywa sę na podsawe analzy dynamk mapy kognywne wzualzac problemu oraz oceny charakerysyk sysemowych. Charakerysyk sysemowe umoŝlwaą analzę srukury mapy kognywne oraz nerakc poszczególnych czynnków. W pracy analzowano konsonans wpływu -ego czynnka na sysem C konsonans wpływu sysemu na -y czynnk C dysonans wpływu -ego czynnka na sysem D dysonans wpływu sysemu na -y czynnk D wpływ -ego czynnka na sysem P oraz wpływ sysemu na -y czynnk P []. Efekywność zasosowana kognywnych sysemów eksperowych wynka z [2]: moŝlwośc rozwązywana złoŝonych problemów moŝlwośc dobre wzualzac analzowanego zawska negralnośc z meodam oceny rezulaów analzy braku konecznośc wsępne specyfkac czynnków powązań mędzy nm. 3. LOGISTYCZNY KSE Nneszy rozdzał zawera ops eksperowych sysemów logsycznych oraz mplemenacę logsycznego kognywnego sysemu eksperowego. 3. Eksperowe sysemy logsyczne Logsyka odpowada za planowane realzacę konrolę przesrzenno-czasowych ransformac produków oraz zapewnene by odborca orzymał od dosawcy odpowedn produk we właścwym czase. Zadanem sysemów logsycznych es za organzaca koordynaca przepływu produków maerałów oraz odpowadaących m nformacom. Do zarządzana sraegcznego procesam logsycznym ne wysarcza uŝ prakyczna wedza wyczuce człoweka. Coraz częśce w logsyce sosue sę sysemy eksperowe kóre na podsawe bazy wedzy wprowadzone przez eksperów oraz maszyny wnoskuące wspomagaą konrolę podemowane decyz w przedsęborswach. Do podsawowych zadań eksperowych sysemów logsycznych naleŝą [3]: przyspeszene procesów logsycznych mnmalzaca koszów zwększene akośc dosaw zwększene zdolnośc produkcyne ukszałowane odpowednego pozomu renownośc przedsęborswa koordynaca dzałana przedsęborswa. PonŜe pokazano przykład eksperowego sysemu logsycznego oparego na relacyne mape kognywne. 3.2 Implemenaca eksperowego sysemu logsycznego oparego na mape kognywne Zamplemenowano logsyczny KSE przy pomocy aplkac ISEMK [8]. Bazę wedzy wprowadzono w posac mapy kognywne o nasępuących czynnkach: Czas realzac 2 Jakość dosaw 3 Kadra 4 Kosz 5 Modernzaca 873

6 Popy 7 Produkca 8 Reklamace 9 Renowność Skueczność Zaporzebowane 2 Zdolność produkcyna. Rys.2. przedsawa schema zamplemenowane mapy kognywne. Rys.2. Schema zamplemenowane mapy Rys.3. przedsawa wprowadzoną do sysemu ISEMK macerz relac. Rys.3. Zancalzowana macerz relac Jako czynnk wyścowe kórych przebeg przeanalzowano w kolenym eape symulac wybrano: Modernzacę Jakość dosawy oraz Kadrę. Rys.4. przedsawa zmany czasowe warośc poszczególnych czynnków wyścowych. 874

Rys.4. Zmany czasowe warośc czynnków: Modernzaca Kadra Jakość dosaw Wzros warośc czynnka Modernzaca ne wpłynął znacząco na pozosałe czynnk wyścowe spadek warośc czynnka Modernzaca w newelkm sopnu spowodował wzros warośc czynnka Kadra oraz spadek warośc czynnka Jakość dosaw. W kolenym kroku symulac ako czynnk wyścowe wybrano: Modernzacę Popy oraz Produkcę. Rys.5. przedsawa zmany czasowe warośc poszczególnych czynnków wyścowych. Rys.5. Zmany czasowe warośc czynnków: Modernzaca Popy Produkca Wzros warośc czynnka Popy spowodował wzros warośc czynnka Modernzaca ego spadek zaskukował spadkem warośc Modernzac. Zmany czynnków Modernzaca Popy ne wpłynęły na Produkcę. Rys.6. przedsawa charakerysyk sysemowe dla zancalzowane mapy kognywne. 875

Rys.6. Charakerysyk sysemowe zancalzowane mapy Z orzymanych charakerysyk wynka Ŝe sysem ne wpływa na czynnk: Reklamace oraz Popy naomas czynnk Jakość dosawy ne ma wpływu na zamplemenowany sysem. Nabardze wzmacna sysem Modernzaca 78 nabardze osłaba Kosz -3. W kolenym eape symulac douczono macerz relac welokrokowym algorymem nadzorowanym dla współczynnków uczena: β η β η e. W wynku uczena baza wedzy zosała zmodyfkowana. Rys.7. przedsawa nauczoną macerz relac. Rys.7. Nauczona macerz relac Rys.8. przedsawa zmany czasowe warośc czynnków wyścowych: Jakośc dosaw Kadry Modernzac. 876

Rys.8. Zmany czasowe warośc czynnków: Modernzaca Kadra Jakość dosaw Wzros warośc czynnka Modernzaca zaskukował spadkem warośc Kadry oraz wzrosem warośc Jakośc dosaw. Spadek warośc Modernzac spowodował wzros warośc czynnka Kadra oraz spadek warośc czynnka Jakość dosaw. W kolenym kroku symulac ako czynnk wyścowe wybrano: Modernzacę Popy oraz Produkcę. Rys.9. przedsawa zmany czasowe warośc Modernzac Popyu Produkc. Rys.9. Zmany czasowe warośc czynnków: Modernzaca Popy Produkca Wzros warośc czynnka Popy spowodował wzros warośc czynnka Modernzaca ego spadek zaskukował spadkem warośc Modernzac. Zmany czynnków Modernzaca Popy w newelkm sopnu wpłynęły równeŝ na Produkcę. Rys.. przedsawa charakerysyk sysemowe dla zancalzowane mapy kognywne. 877

Rys.. Charakerysyk sysemowe nauczone mapy Z orzymanych charakerysyk wynka Ŝe sysem ne wpływa na Popy. Nabardze wzmacna sysem Modernzaca 84 nabardze osłaba Kosz -2. 4. WNIOSKI Praca pośwęcona es zasosowanu kognywnych sysemów eksperowych w logsyce. Opracowano model eksperowego sysemu logsycznego oparego na relacyne mape kognywne. Przedsawono wybrane wynk dzałana logsycznego kognywnego sysemu eksperowego. Dokonano pewne analzy sysemowe na podsawe orzymanych rezulaów symulac z uwzględnenem uczena modelu eksperowego. 5. BIBLIOGRAFIA [] Borsow W. W. Krugłow W. W. Fedułow A. C.: Rozmye modele sec Moskwa Wydawncwo Telekom 24. w ęzyku rosyskm [2] Henge S. Chunyan M. Roel W. Cahoor F.: Implemenaon of Fuzzy Cognve Maps based on Fuzzy Neural Neworks and Applcaon n Numercal predcon of Tme Seres IEEE Trans. Fuzzy Sysems vol. 8 pp. 233-25 2. [3] Jasrebow A. Gad S. Słoń G.: Mapy kognywne w monorowanu decyzynym sysemów Warszawa Suda maerały Polskego Sowarzyszena Zarządzana Wedzą nr 47 sr. 64-77 2. [4] Jasrebow A. Grzywaczewsk M. Gad S.: Analyss of ceran class of dscree muldmensonal sysem of exremal conrol SAMS vol. 24 pp. 2-33 996. [5] Jasrebow A. Słoń G.: Opmzaon of models of fuzzy relaonal cognve maps Radom In: Jasrebow A. Raczyńska M. eds. Compuers n scenfc and educaonal acvy Insue for Susanable Technologes Naonal Research Insue pp. 6-7 2. [6] Kandasamy W. B. V. Smarandache F. Ilanhenral K.: Elemenary Fuzzy Marx and Fuzzy Models For Socal Scenss Los Angeles Auomaon 27. [7] Mulawka J. J.: Sysemy eksperowe Warszawa WNT 996. [8] Papageorgou E. I. Sylos C. D. Groumpos P. P.: Acve Hebban learnng algorhm o ran fuzzy cognve maps Inernaonal Journal of Approxmae Reasonng 37 pp. 29-249 24. [9] Porowska K.: Zasosowane map kognywnych w nelgennych sysemach wspomagana podemowana decyz Logsyka 6/2 sr. 3433-3442 2. [] Slov V. B.: Przyęce rozwązań sraegcznych w rozmyym ooczenu Moskwa INPRORES 995. w ęzyku rosyskm [] Sra A. Brdges S. M. Vaughn R. B.: Fuzzy Cognve Maps for decson suppor n an nellgen nruson deecon sysem In: IFSA World Congress and 2 h NAFIPS Inernaonal Conference vol. 4 pp. 265-27 2. [2] Słoń G. Jasrebow A.: Opmzaon and Adapaon of Dynamc Models of Fuzzy Relaonal Cognve Maps Hedelberg In: Kuznesov S. O. e al. eds. RSFDGrC 2 Lecure Noes In Arfcal Inellgence 6743 pp. 95-2 Sprnger-Verlag 2. [3] Słowńsk B.: Wprowadzene do logsyk Koszaln Wydawncwo Uczelnane Polechnk Koszalńske 28. 878