ZASTOSOWANIE ROZMYTEJ MAPY KOGNITYWNEJ W PROGNOZOWANIU EFEKTYWNOŚCI PRACY WYPOŻYCZALNI ROWEROWYCH

Aleksander  Jastriebow; Łukasz Kubuś; Katarzyna Poczęta

doi:10.5604/01.3001.0010.7363

pdf

Opublikowane: 2017-12-21

DOI: https://doi.org/10.5604/01.3001.0010.7363

Numer Tom 7 Nr 4 (2017)

WYBRANE PROBLEMY WARTOŚCIOWANIA I KLASYFIKACJI BUDOWLI ZABYTKOWYCH Z WYKORZYSTANIEM ZBIORÓW PRZYBLIŻONYCH
Krzysztof Czajkowski

5-10
STANOWISKO LABORATORYJNE DO SYMULACJI MAŁEJ TURBINY WIATROWEJ
Wojciech Matelski, Eugeniusz Łowiec, Stanisław Abramik

11-14
OPRACOWANIE SYSTEMU AUTOMATYCZNEJ DIAGNOSTYKI I STEROWANIA PROCESEM SPALANIA BIOGAZU
Oxana Zhirnova

15-19
ZARZĄDZANIE RYZYKIEM ŁAŃCUCHA DOSTAW ZA POMOCĄ METODY MONTE CARLO
Tomasz Rymarczyk, Grzegorz Kłosowski

20-23
ZASTOSOWANIE SIECI PETRIEGO W SYSTEMACH WSPOMAGANIA DECYZJI OPARTYCH NA INTELIGENTNEJ WIELOŹRÓDŁOWEJ ANALIZIE DANYCH
Tomasz Rymarczyk, Grzegorz Kłosowski, Tomasz Cieplak

24-27
ANALIZA STOSOWALNOŚCI USŁUG SIECIOWYCH TYPU REST I SOAP
Tomasz Zientarski, Marek Miłosz, Marek Kamiński, Maciej Kołodziej

28-31
PRZEGLĄD METOD STEROWANIA SYSTEMÓW ELEKTROWNI WIATROWYCH Z GENERATOREM SYNCHRONICZNYM O MAGNESACH TRWAŁYCH
Piotr Gajewski

32-37
BEZPOŚREDNIE STEROWANIE MOMENTEM WIELOFAZOWEGO SILNIKA INDUKCYJNEGO Z ROZMYTYM REGULATOREM PRĘDKOŚCI
Jacek Listwan

38-43
REKONSTRUKCJA NIEKOMPLETNYCH OBRAZÓW ZA POMOCĄ METOD APROKSYMACJI MODELAMI NISKIEGO RZĘDU
Tomasz Sadowski, Rafał Zdunek

44-48
APROKSYMACJA WŁAŚCIWOŚCI ELEKTRYCZNYCH PERIODYCZNYCH MATERIAŁÓW ZŁOŻONYCH
Adam Steckiewicz, Bogusław Butryło

49-52
QUASI-REZONANSOWY PRZEKSZTAŁTNIK PODWYŻSZAJĄCY NAPIĘCIE DO ZASTOSOWAŃ W FOTOWOLTAICE
Michał Harasimczuk

53-56
BADANIA OPŁYWU WYBRANYCH PROFILI SOND DLA POTRZEB W METROLOGII STRUMIENI
Piotr Zgolak

57-61
OPTYMALIZACJA PROBLEMU NAJWIĘKSZEJ PODTABLICY DLA SPECYFICZNYCH DANYCH
Tomasz Rojek

62-65
ANALIZA STRAT MOCY W WOLNOOBROTOWYM SILNIKU PNEUMATYCZNYM
Adam Ilnicki, Mariusz Rząsa

66-69
ZASTOSOWANIE ROZMYTEJ MAPY KOGNITYWNEJ W PROGNOZOWANIU EFEKTYWNOŚCI PRACY WYPOŻYCZALNI ROWEROWYCH
Aleksander Jastriebow, Łukasz Kubuś, Katarzyna Poczęta

70-73
ROZMYTA MAPA KOGNITYWNA JAKO INTELIGENTNY SYSTEM REKOMENDACYJNY ZASOBÓW STRONY INTERNETOWEJ
Aleksander Jastriebow, Łukasz Kubuś, Katarzyna Poczęta

74-78
KSZTAŁTOWANIE SZTUCZNEJ KOMORY ORAZ NAPĘDU MIKROPOMPY PULSACYJNEJ DO PRZETACZANIA KRWI
Sebastian Bartel

79-81
UKŁAD STEROWANIA MAŁĄ ELEKTROWNIĄ WIATROWĄ Z GENERATOREM ASYNCHRONICZNYM
Kamil Możdżyński, Tomasz Gajowik, Krzysztof Rafał, Mariusz Malinowski

82-87
WŁAŚCIWOŚCI MECHANICZNE WYBRANYCH KLEJÓW EPOKSYDOWYCH
Izabela Miturska, Anna Rudawska

88-91
ZASTOSOWANIE APROKSYMACJI WIELOMIANOWEJ DO WYZNACZANIA ZAŁOMKÓW EKG
Marcin Maciejewski

92-95
WPŁYW FUNKCJI OKNA NA SKUTECZNOŚĆ IDENTYFIKACJI STANU EMOCJONALNEGO MÓWCY
Paweł Powroźnik, Dariusz Czerwiński

96-100
OPTYMALIZACJA WIELOKRYTERIALNA W PROCESIE PRODUKCJI MEBLI
Grzegorz Kłosowski, Edward Kozłowski

101-106
MODEL DYNAMICZNEGO STEROWANIA WINDĄ Z WYKORZYSTANIEM SERWERA CENTRALNEGO
Łukasz Furgała, Krzysztof Kolano, Włodzimierz Mosorow

107-112

Archiwum

2019

Tom 9 Nr 4
2019-12-16 20
Tom 9 Nr 3
2019-09-26 20
Tom 9 Nr 2
2019-06-21 16
Tom 9 Nr 1
2019-03-03 13

2018

Tom 8 Nr 4
2018-12-16 16
Tom 8 Nr 3
2018-09-25 16
Tom 8 Nr 2
2018-05-30 18
Tom 8 Nr 1
2018-02-28 18

2017

Tom 7 Nr 4
2017-12-21 23
Tom 7 Nr 3
2017-09-30 24
Tom 7 Nr 2
2017-06-30 27
Tom 7 Nr 1
2017-03-03 33

2016

Tom 6 Nr 4
2016-12-22 16
Tom 6 Nr 3
2016-08-08 18
Tom 6 Nr 2
2016-05-10 16
Tom 6 Nr 1
2016-02-04 16

2015

Tom 5 Nr 4
2015-10-28 19
Tom 5 Nr 3
2015-09-02 17
Tom 5 Nr 2
2015-06-30 15
Tom 5 Nr 1
2015-03-31 18

Authors

Aleksander Jastriebow

a.jastriebow@tu.kielce.pl

Politechnika Świętokrzyska, Katedra Systemów Informatycznych

Łukasz Kubuś

l.kubus@tu.kielce.pl

Politechnika Świętokrzyska, Katedra Systemów Informatycznych

Katarzyna Poczęta

k.piotrowska@tu.kielce.pl

Politechnika Świętokrzyska, Katedra Systemów Informatycznych

Abstrakt

W pracy zaproponowano zastosowanie rozmytej mapy kognitywnej wraz z ewolucyjnymi algorytmami uczenia do modelowania systemu prognozowania efektywności pracy wypożyczalni rowerowych. Na podstawie danych historycznych zbudowano rozmytą mapę kognitywną, którą następnie zastosowano do prognozowania liczby rowerzystów i klientów wypożyczalni w trzech kolejnych dniach. Proces uczenia zrealizowano z zastosowaniem indywidualnego kierunkowego algorytmu ewolucyjnego IDEA oraz algorytmu genetycznego z kodowaniem zmiennoprzecinkowym RCGA. Analizę symulacyjną systemu prognozowania efektywności pracy wypożyczalni rowerowych przeprowadzono przy pomocy oprogramowania opracowanego w technologii JAVA.

Słowa kluczowe:

rozmyta mapa kognitywna, model prognozowania, obliczenia ewolucyjne, uczenie maszynowe

Bibliografia

Acampora G., Pedrycz W., Vitiello A.: A Competent Memetic Algorithm for Learning Fuzzy Cognitive Maps. IEEE Transactions on Fuzzy Systems 23(6)/2015, 2397–2411.

Ahmadi S., Alizadeh S., Forouzideh N., Yeh C., Martin R. L., Papageorgiou E.: ICLA: Imperialist Competitive Learning Algorithm for Fuzzy Cognitive Map. Proceedings of the 2014 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), Beijing, China, 2014.

Arabas J.: Wykłady z algorytmów ewolucyjnych, WNT, Warszawa 2001.

Berry A., Vamplew P.: PoD Can Mutate: A Simple Dynamic Directed Mutation Approach for Genetic Algorithms. Proceedings of AISAT 2004: The 2nd International Conference on Artificial Intelligence in Science and Technology, 2004, 200–205.

Fanaee-T H., Gama J.: Event labeling combining ensemble detectors and background knowledge. Progress in Artificial Intelligence, Springer Berlin Heidelberg, 2013, 1–15.

Froelich W., Papageorgiou E.: Extended Evolutionary Learning of Fuzzy Cognitive Maps for the Prediction of Multivariate Time-Series. Papageorgiou E.I.: Fuzzy Cognitive maps for Applied Sciences and Engineering From fundamentals to extensions and learning algorithms. Intelligent Systems Reference Library 54/2014, 121–131.

Goldberg D. E.: Algorytmy genetyczne i ich zastosowania. WNT, Warszawa 1995.

Homenda W., Jastrzebska A., Pedrycz W.: Modeling Time Series with Fuzzy Cognitive Maps. 2014 IEEE International Conference on Fuzzy Systems (FUZZ-IEEE), Beijing, China, 2014, 2055–2062.

Jastriebow A., Kubuś Ł., Poczęta K.: Learning fuzzy cognitive maps using Individually Directional Evolutionary Algorithm. In: Jastriebow A., Worwa K.: Applications of information technologies - theory and practice. Institute for Sustainable Technologies – National Research Institute, Radom 2015, 37–48.

Korejo I., Yang S., Li C.: A Directed Mutation Operator for Real Coded Genetic Algorithms. Applications of Evolutionary Computation 6024/2010, 491–500.

Kosko B.: Fuzzy cognitive maps. International Journal of Man-Machine Studies 24(1)/1986, 65–75.

Kubuś Ł.: Individually Directional Evolutionary Algorithm for Solving Global Optimization Problems - Comparative Study, International Journal of Intelligent Systems and Applications (IJISA) 7(9)/2015, 12–19.

Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyjne. WNT, Warszawa 1999.

Papageorgiou E. I.: Learning Algorithms for Fuzzy Cognitive Maps - A Review Study. IEEE Transactions on Systems, Man, and Cybernetics – Part C: Applications and Reviews 42(2)/2012, 150–163.

Poczęta K., Yastrebov A.: Analysis of Fuzzy Cognitive Maps with Multi-Step Learning Algorithms in Valuation of Owner-Occupied Homes. 2014 IEEE International Conference on Fuzzy Systems (FUZZIEEE), Beijing, China 2014, 1029–1035.

Poczęta K., A. YastrebovA., Papageorgiou E. I.: Learning Fuzzy Cognitive Maps using Structure Optimization Genetic Algorithm. 2015 Federated Conference on Computer Science and Information Systems (FedCSIS), Lodz, Poland, 2015, 547–554.

Song H., Miao C., Roel W., Shen Z.: Implementation of fuzzy cognitive maps based on fuzzy neural network and application in prediction of time series. IEEE Transactions on Fuzzy Systems 18(2)/2010, 233–250.

Stach W., Kurgan L., Pedrycz W., Reformat M.: Genetic learning of fuzzy cognitive maps. Fuzzy Sets and Systems 153(3)/2005, 371–401.

Stach W., Pedrycz W., Kurgan L. A.: Learning of fuzzy cognitive maps using density estimate. IEEE Trans. on Systems, Man, and Cybernetics, Part B, vol. 42(3)/2012, 900–912.

Tang P., Tseng M.: Adaptive directed mutation for real-coded genetic algorithms. Applied Soft Computing 13(1)/2013, 600–614.

Yesil E., Urbas L.: Big bang: big crunch learning method for fuzzy cognitive maps. World Acad. Sci. Eng. Technol. 71/2010, 815–8124.

ZASTOSOWANIE ROZMYTEJ MAPY KOGNITYWNEJ W PROGNOZOWANIU EFEKTYWNOŚCI PRACY WYPOŻYCZALNI ROWEROWYCH. (2017). Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska, 7(4), 70-73. https://doi.org/10.5604/01.3001.0010.7363

##plugins.themes.bootstrap3.article.sidebar##

Numer Tom 7 Nr 4 (2017)

Archiwum

##plugins.themes.bootstrap3.article.main##

Authors

Abstrakt

Słowa kluczowe:

Bibliografia

##plugins.themes.bootstrap3.article.details##

Licencja