https://miau.my-x.hu/mediawiki/api.php?action=feedcontributions&feedformat=atom&user=Djddale Miau Wiki - A felhasználó közreműködései [hu] 2026-04-22T03:26:28Z A felhasználó közreműködései MediaWiki 1.27.7 https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4957 Weights and Activities Model 2006-01-24T08:46:53Z <p>Djddale: </p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=22139]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=22140]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> *Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?(NEM, mert Excel alatt)<br /> <br /> *Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti meg?(IGAZ, mert a talált szakirodalmak alapján ez a WAM rendszer lényege.)<br /> <br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=22140]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=22139]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]<br /> *...</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4956 Weights and Activities Model 2006-01-24T08:46:00Z <p>Djddale: /* Történeti modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=22140]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> *Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?(NEM, mert Excel alatt)<br /> <br /> *Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti meg?(IGAZ, mert a talált szakirodalmak alapján ez a WAM rendszer lényege.)<br /> <br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]<br /> *...</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4955 Weights and Activities Model 2006-01-23T22:28:25Z <p>Djddale: /* Tesztkérdések modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> *Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?(NEM, mert Excel alatt)<br /> <br /> *Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti meg?(IGAZ, mert a talált szakirodalmak alapján ez a WAM rendszer lényege.)<br /> <br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]<br /> *...</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4954 Weights and Activities Model 2006-01-23T22:28:05Z <p>Djddale: /* Ajánlott irodalmak modulja */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> *Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?(NEM, mert Excel alatt)<br /> <br /> *Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti meg?<br /> (IGAZ, mert a talált szakirodalmak alapján ez a WAM rendszer lényege.)<br /> <br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]<br /> *...</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4953 Weights and Activities Model 2006-01-23T22:27:52Z <p>Djddale: /* Tesztkérdések modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> *Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?(NEM, mert Excel alatt)<br /> <br /> *Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti meg?<br /> (IGAZ, mert a talált szakirodalmak alapján ez a WAM rendszer lényege.)<br /> <br /> *...<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4952 Weights and Activities Model 2006-01-23T22:27:39Z <p>Djddale: /* Tesztkérdések modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> *Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?(NEM, mert Excel alatt)<br /> <br /> *Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti meg?<br /> (IGAZ, mert a talált szakirodalmak alapján ez a WAM rendszer lényege.)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4951 Weights and Activities Model 2006-01-23T22:25:59Z <p>Djddale: /* Definíciós modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> *...<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4950 Weights and Activities Model 2006-01-23T22:25:40Z <p>Djddale: /* Definiciók közötto összefüggés */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> '''Definiciók közötti összefüggés'''<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4949 Weights and Activities Model 2006-01-23T22:25:15Z <p>Djddale: /* Definiciók */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> '''Definiciók'''<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4948 Weights and Activities Model 2006-01-23T22:24:57Z <p>Djddale: /* Válasz a szerkeztői javaslatra */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> '''Válasz a szerkeztői javaslatra'''<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4947 Weights and Activities Model 2006-01-23T22:24:38Z <p>Djddale: /* Szerkesztői javaslat: */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> '''Szerkesztői javaslat:''' Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4946 Weights and Activities Model 2006-01-23T22:24:11Z <p>Djddale: /* '''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> *'''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''<br /> **MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> **Szakértői rendszer (Home e/o- mining, COCO)<br /> **Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> **Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> **Generátor modell (TWAM, PIT, WAM, CBR)<br /> **...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4945 Weights and Activities Model 2006-01-23T22:23:24Z <p>Djddale: /* '''&quot;van neki, része a címszónak&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> *'''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''<br /> **[[Szimuláció]]<br /> **[[Black box rendszer]]<br /> **[[White box rendszer]]<br /> **[[Szakértői rendszer]]<br /> **Előrejelzés<br /> **Módszer<br /> **Online elemzés<br /> **...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4944 Weights and Activities Model 2006-01-23T22:22:48Z <p>Djddale: /* Történeti modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> *...<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4943 Weights and Activities Model 2006-01-23T22:22:22Z <p>Djddale: /* '''&quot;ez egy&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> *'''&quot;ez egy&quot; kapcsolattípus:''' <br /> **Excel (fejlesztői környezet)<br /> **Mátrixok (alkalmazási terület)<br /> **Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> **IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> **IIER ( stratégiai tervező rendszer)<br /> **...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4942 Weights and Activities Model 2006-01-23T22:20:46Z <p>Djddale: /* Történeti modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4941 Weights and Activities Model 2006-01-23T22:20:31Z <p>Djddale: /* Történeti modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996:'''A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998:'''A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003:'''(Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003:'''A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4940 Weights and Activities Model 2006-01-23T21:33:46Z <p>Djddale: /* Tesztkérdések modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Igaz e hogy csak mezőgazdasági területen alkalmazható a WAM rendszer?'''<br /> :(NEM, de főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Igaz e hogy csak World és PPT program segítségével müködik a WAM rendszer?'''<br /> :(NEM, mert Excel alatt)<br /> <br /> *''' Igaz e hogy a WAM az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közeliti meg'''<br /> :(IGAZ)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4939 Weights and Activities Model 2006-01-23T21:29:57Z <p>Djddale: /* '''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> * Generátor modell (TWAM, PIT, WAM, CBR)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4938 Weights and Activities Model 2006-01-23T21:24:59Z <p>Djddale: /* Definiciók */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> *...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4937 Weights and Activities Model 2006-01-23T21:24:26Z <p>Djddale: /* '''&quot;van neki, része a címszónak&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * Előrejelzés<br /> * Módszer<br /> * Online elemzés<br /> * ...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> *...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4936 Weights and Activities Model 2006-01-23T21:19:29Z <p>Djddale: /* '''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás, mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * Szimuláció (szakértői rendszerek, agrár-szektormodellek)<br /> *...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4935 Weights and Activities Model 2006-01-23T21:18:18Z <p>Djddale: /* '''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás,mesterséges élet, természetes nyelvek kezelése)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4934 Weights and Activities Model 2006-01-23T21:17:34Z <p>Djddale: /* '''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining, esetalapú előkövetkeztetés)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4933 Weights and Activities Model 2006-01-23T21:16:32Z <p>Djddale: /* '''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * MI eljárás (Szakértői rendszerek, e-learning, gépi tanulás)<br /> * Szakértői rendszer (Home e/o- mining, COCO)<br /> * Szakmai előrejelzések (white box alapú, black box alapu, data mining)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4932 Weights and Activities Model 2005-12-31T20:01:05Z <p>Djddale: /* Definiciók közötto összefüggés */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * Benchmarking<br /> * Szakértői rendszer<br /> * Excel alapu előrejelzés<br /> * Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> :Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4931 Weights and Activities Model 2005-12-31T20:00:46Z <p>Djddale: /* Definiciók közötto összefüggés */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * Benchmarking<br /> * Szakértői rendszer<br /> * Excel alapu előrejelzés<br /> * Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> Mindegyik módszer, alkalmazás abban egyezik hogy valamilyen tapasztalat, múltbéli esemény, kapcsolat alapján előkészit illetve jővőképet,lehetséges megoldást állít fel az adott témával kapcsolatban. Mindegyik más formában alkítja ezt de a főbb összefüggés az ez. Mivel az egyik paraméterek, mig a másik lineáris vagy algoritmusos döntéseket alakít ki de a közös a kezdetben van hogy van már előzmény és a végben hogy egy lehetséges módot állítannak fel a cél elérése érdekében.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4930 Weights and Activities Model 2005-12-31T19:48:53Z <p>Djddale: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * Benchmarking<br /> * Szakértői rendszer<br /> * Excel alapu előrejelzés<br /> * Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók====<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja folyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4929 Weights and Activities Model 2005-12-31T19:47:19Z <p>Djddale: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * Benchmarking<br /> * Szakértői rendszer<br /> * Excel alapu előrejelzés<br /> * Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> ''A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.''<br /> <br /> ===Szerkesztői javaslat:=== Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> ===Válasz a szerkeztői javaslatra===<br /> ====Definiciók===<br /> :#'''Függvényillesztés''' :Függvényillesztés célja egy adott mérési eredménysor pár közötti függvénykapcsolat megállapítása vagy a függvény paramétereinek meghatározása. Ez az eljárás önmagában nem magyarázza a folyamatot, csak leírja. <br /> A függvényillesztés legegyszerûbb esete az, amikor tudjuk milyen típusú függvényt akarunk illeszteni. Ebben az esetben vagy egy megfelelõ beépített Mathcad függvényt alkalmazzuk, vagy egy kicsit bonyolultabb, de általánosabb megoldáshoz folymodunk. Az utóbbi lehet a legkisebb négyzetek módszere. A függvényillesztés alapvetõen statisztikus jellegû, tehát szükséges az illesztés jóságát vizsgálni.<br /> :#'''Operációkutatás''' : Szűkebb értelemben olyan tudományos módszer, amely a döntések előkészítéséhez, a gazdasági optimum meghatározásához többnyire valamilyen matematikai szélsőérték feladatot alkalmaz. Jellemző eszközei a lineáris és nem lineáris programozási modellek és a hálótervezés<br /> :#'''WAM''' :<br /> :#'''Függvény- és mintázatgenerátor''' :Függvény- és Mintázatgenerátor két, hasonló elven működő, legjobban mesterséges neuronális hálókhoz (MNH) hasonlítható eljárás. Legfontosabb tulajdonságuk, hogy nem parametrizált függvénykapcsolatokkal dolgoznak, hanem véletlenszerűen választott műveletekkel állítják elõ a függvényt<br /> :#'''Jövőgenerátor''' : • A jövőgenerátor a generátormodellek közül a legkomplexebb eljárástípus, mely adott múltbéli adatok figyelembevételével képes a jövőben bekövetkező események &quot;megjósolására&quot;, algoritmusok segítségével. A jövőgenrátor egy eszközt, módszert jelent, aminek a segítségével a jövőben bekövetkező események kimenetelét lehet meghatározni, előrejelezni, vagyis prognosztizálni. A jövőgenerátor tehát a prognózis eszköze. A WAM egy konkrét módszer a jövőgeneráláshoz. Tehát a jövőgenerátor egy bővebb fogalom, a WAM módszer pedig alárendelt viszonyban van vele. A WAM egy táblázatot használ fel a jövőgeneráláshoz<br /> :#'''A neuronális hálók''' : Matematikai struktúrát jelentenek, mely az emberi agy müködésének néhány aspektusát imitálja és olyan lehetıségeit demonstrálja mint az informális tanulás képessége, a nem osztályozott információk klaszterizációjának és általánossá tételének képessége, a már megadott idısorok alapján prognózis önálló felépítésének a képessége. Legfıképpen abban különbözik más, például a szakértıi módszerektıl, hogy elméletileg a neuronális hálóknak nincs szükségük egy korábbi ismert modellre, hanem maguk építik azt kizárólag a megadott információk alapján. „Pontosan ezért a neuronális hálók és a genetikai algoritmusok vonultak be a gyakorlatba mindenhol, ahol elırejelzés, osztályozás, irányítás feladatait kell megoldani, más szóval, az emberi tevékenység azon területére, ahol rosszul algoritmizálható feladatok vannak, melyek megoldására vagy képzett szakértık csoportja<br /> olyamatos munkájára vagy az automatizálás adaptív szisztémáira - ilyenek a neuronális hálók is - van szükség&quot;<br /> :#'''Indukció''' : Előfordul, hogy a szakértő nem tudja, vagy nem akarja kimondani a szabályokat, de a tapasztalatában van néhány eset az értékeléssel együtt. Ezeket az eseteket felhasználhatjuk arra, hogy megtaláljuk a tulajdonságok értékeit összekapcsoló szabályokat. Mivel az esetek képezik a következtetés alapját, ezt esetalapú következtetésnek (Case-Based Reasoning – CBR) nevezzük. Mivel konkrét esetek halmazát használjuk arra, hogy általánosított szabályokat fogalmazzunk meg, használhatjuk az indukció elnevezést is<br /> :#'''Konzisztens jövőkép''' :Egy konzisztens jövőkép tehát alapvetően abban különbözik egy plauzibilistől, hogy abban minden állapot erősíti, hitelesíti a másikat, míg egy plauzibilis esetben csak annyit tudunk, hogy minden egyes vizsgált állapot egy-egy helyesnek vélt (konzisztens?) értelmezési intervallumba esik. Ebből következően egyedi jelenségek vizsgálatakor (előrejelzésekor) nem is beszélhetünk valós konzisztenciáról, így eleve nagyobb hibaszázalékkal kell számolni a jövőbeli bekövetkezések és a jelenlegi előrejelzések egymásra vetítésékor, ha az egyedi előrejelzések együttállását nem vizsgáljuk egymáshoz képest. A parciális szemléletet erősíti, hogy a legtöbb statisztikai közlés (hibásan hivatkozva, az amúgy valóban létező információ-áradatra és a befogadó ember szelektív és véges kapacitásaira) nem veszi magának a fáradságot, hogy tetszőleges komplexitás mellett számoljon el a vizsgált, összefüggő jelenségek halmazával.<br /> <br /> ====Definiciók közötto összefüggés====<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4928 Weights and Activities Model 2005-12-31T19:17:18Z <p>Djddale: /* '''&quot;van neki, része a címszónak&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * Benchmarking<br /> * Szakértői rendszer<br /> * Excel alapu előrejelzés<br /> * Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.<br /> <br /> Szerkesztői javaslat: Mi az összefüggés a függvényillesztés, az operációkutatás, a WAM, a függvénygenerátor, a mintázatgenerátor, a jövőgenerátor, a neurális hálók, az indukció és a konzisztens jövőkép fogalmai között?<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Vita:Weights_and_Activities_Model&diff=14695 Vita:Weights and Activities Model 2005-12-11T20:44:11Z <p>Djddale: </p> <hr /> <div>===Javaslat===<br /> * Az ''&quot;ez egy&quot; kapcsolattípus:''-nál Példákat kell irni és azokhoz hogy mi alapján kapcsolodik az adott szóhoz PL<br /> :#Excel (fejlesztői környezet)<br /> :#Mátrixok (alkalmazási terület)<br /> ::...stb<br /> <br /> * Az ''Ellentmondások és vitatott kijelentések modulja'' -ban ha nem találsz ellentmondást vagy vitatott részeket akkor azt ird be hogy te nem találtál vagy nincs ilyen.<br /> <br /> :[[User:Saci|Saci]] 2005. decemebr 04., 23:54 (CET)<br /> <br /> ===Válasz===<br /> *Köszönöm szépen észrevételed, a hiányosságokat pótoltam.<br /> :[[User:djddale|djddale]] 2005. decemebr 11., 21:44 (CET)</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4926 Weights and Activities Model 2005-12-11T17:43:02Z <p>Djddale: /* Ontológiai modul */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> * [[Szimuláció]]<br /> * [[Black box rendszer]]<br /> * [[White box rendszer]]<br /> * [[Neuronális háló ]]<br /> * [[Szakértői rendszer]]<br /> * [[Benchmarking]]<br /> * [[Gépi tanulás]]<br /> *...<br /> <br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> * Benchmarking<br /> * Szakértői rendszer<br /> * Excel alapu előrejelzés<br /> * Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4925 Weights and Activities Model 2005-12-11T17:42:12Z <p>Djddale: /* Ellentmondások és vitatott kijelentések modulja */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * A kutatásaim során, nem találtam vitattott vagy ellentmondásos tényeket.<br /> <br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4924 Weights and Activities Model 2005-12-11T17:40:51Z <p>Djddale: /* '''&quot;ez egy&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> * Neurális klasszifikáció stratégia (probléma megoldáshoz használt alkaklmazás)<br /> * IKTABU(2000 ben beébült ebbe a szolgáltatásba)<br /> * IIER ( stratégiai tervező rendszer)<br /> *...<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4923 Weights and Activities Model 2005-12-11T17:33:39Z <p>Djddale: /* '''&quot;ez egy&quot; kapcsolattípus:''' */</p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> * Excel (fejlesztői környezet)<br /> * Mátrixok (alkalmazási terület)<br /> *<br /> <br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Djddale&diff=12506 Szerkesztő:Djddale 2005-12-04T22:51:42Z <p>Djddale: </p> <hr /> <div>Saját témám: [[Weights and Activities Model]]<br /> <br /> <br /> Vitáim:<br /> [[Online Transaction Processing]], [[Teleworking]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Djddale&diff=12505 Szerkesztő:Djddale 2005-12-04T22:51:27Z <p>Djddale: </p> <hr /> <div>Saját témám: [[Weights and Activities Model]]<br /> <br /> <br /> Vitáim:<br /> [[Online Transaction Processing]]<br /> [[Teleworking]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Djddale&diff=12504 Szerkesztő:Djddale 2005-12-04T22:50:59Z <p>Djddale: </p> <hr /> <div>Saját témám: [[Weights and Activities Model]]<br /> <br /> <br /> Vitáim: *[[Online Transaction Processing]]<br /> *[[Teleworking]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Djddale&diff=12503 Szerkesztő:Djddale 2005-12-04T22:36:03Z <p>Djddale: </p> <hr /> <div>saját témám: [[Weights and Activities Model]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91:Djddale&diff=12502 Szerkesztő:Djddale 2005-12-04T22:35:14Z <p>Djddale: </p> <hr /> <div>saját témám: [[Weights And Activities Model]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91vita:Djddale&diff=14635 Szerkesztővita:Djddale 2005-12-04T20:07:16Z <p>Djddale: </p> <hr /> <div>*[[Online Transaction Processing]]<br /> *[[Teleworking]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Vita:Teleworking&diff=14603 Vita:Teleworking 2005-12-04T20:06:52Z <p>Djddale: </p> <hr /> <div>===Javaslat===<br /> * A definiciós modul túl hosszú és nem saját szavai által lett megfogalmazva!<br /> --[[User:taylor6667|taylor6667]] 2005. december 4., 20:28 (CET)<br /> <br /> <br /> ===Javaslat===<br /> * A történeti modulból hiányolom az évszámokat.<br /> --[[User:djddale|djddale]] 2005. december 4., 21:04 (CET)</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Vita:Teleworking&diff=14602 Vita:Teleworking 2005-12-04T20:05:10Z <p>Djddale: </p> <hr /> <div>===Javaslat===<br /> * A definiciós modul túl hosszú és nem saját szavai által lett megfogalmazva!<br /> --[[User:taylor6667|taylor6667]] 2005. december 4., 20:28 (CET)<br /> <br /> <br /> ===Javaslat===<br /> * A történeti modulból hiányolom az évszámokat.</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Szerkeszt%C5%91vita:Djddale&diff=14634 Szerkesztővita:Djddale 2005-12-04T20:03:03Z <p>Djddale: </p> <hr /> <div>*[[Online Transaction Processing]]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Vita:Online_Transaction_Processing&diff=14490 Vita:Online Transaction Processing 2005-12-04T20:02:34Z <p>Djddale: </p> <hr /> <div>====Javaslatok====<br /> *A történelmi modul 1964 évszámú bejegyzésénél megemlitést tennék hogy a System/360 mainframe gépéhez az OLTP hogyan kapcsolódik mert sajnos ebből a részből nekem nem derül ki.<br /> :[[User:Saci|Saci]] 2005. decemebr 04., 12:34 (CET<br /> <br /> ===Javaslat===<br /> *A tesztkérdések modulnál egy szavas válaszok helyett kifejtős válaszok kellenének.<br /> :[[User:djddale|djddale]] 2005. decemebr 04., 21:02 (CET)</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4922 Weights and Activities Model 2005-11-20T21:52:17Z <p>Djddale: </p> <hr /> <div>'''Magyar megnevezés:''' Induktív szakértői rendszer,<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> ** Esettanulmány<br /> ** Gépi tanulás<br /> ** Neurális klaszifikáció<br /> ** Biztos tudás,<br /> ** Tapasztalat,<br /> ** Statisztika,<br /> ** Esetgyűjtemény,<br /> ** Modell,<br /> ** Tulajdonság-lefedés, illetve<br /> ** Neurális/abduktív hozzárendelés<br /> **...<br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4921 Weights and Activities Model 2005-11-18T20:43:47Z <p>Djddale: /* Ajánlott irodalmak modulja */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> ** Esettanulmány<br /> ** Gépi tanulás<br /> ** Neurális klaszifikáció<br /> ** Biztos tudás,<br /> ** Tapasztalat,<br /> ** Statisztika,<br /> ** Esetgyűjtemény,<br /> ** Modell,<br /> ** Tulajdonság-lefedés, illetve<br /> ** Neurális/abduktív hozzárendelés<br /> **...<br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * Egyéni feladat gazdasági informatika című tantárgyhoz Információs rendszerek alkalmazása:[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> * Információs logisztikai esettanulmány a kombinatorikai prognosztika módszertanának bázisán A Magyar Olaj- és Gázipari Rt. kereskedelmi politikájának támogatása[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20211]<br /> *OGIL: WAM_TXT [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20618]</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4920 Weights and Activities Model 2005-11-18T20:30:25Z <p>Djddale: /* Definíciós modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> ** Esettanulmány<br /> ** Gépi tanulás<br /> ** Neurális klaszifikáció<br /> ** Biztos tudás,<br /> ** Tapasztalat,<br /> ** Statisztika,<br /> ** Esetgyűjtemény,<br /> ** Modell,<br /> ** Tulajdonság-lefedés, illetve<br /> ** Neurális/abduktív hozzárendelés<br /> **...<br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adot adatbázisnak akár 1 napos akár 2 éves előrejelzését. Ezt főleg mezőgazdasági rendszerben használatos hisz ennek a program segítségével előre kiszámolhatjuk atermés átlagot, szükséget tápanyag utánpótlást..stb. Az előrejelzést pedig az 'un' WAM_TXT program alakítja át vizuális formába, az erdemény gyorsabb és könnyebb megértése érdekéban.<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * http://www.isg.sfu.ca/~hak/documents/wam.html <br /> * http://www.nws.iif.hu/ncd2000/docs/kivonat/ahu-11.htm<br /> * http://www.press.metpress.hu/tudnap/tudnap2001/pitlik.html<br /> * http://www.bjkmf.hu/bszemle2003/info120201.html<br /> * http://www.interm.gtk.gau.hu/miau/19/otkastudy.doc<br /> * http://www.miau.gau.hu/miau/06/twam.doc<br /> * http://www.miau.gau.hu/ogil/20020408/22.xls</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4919 Weights and Activities Model 2005-11-18T20:25:30Z <p>Djddale: /* Definíciós modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> ** Esettanulmány<br /> ** Gépi tanulás<br /> ** Neurális klaszifikáció<br /> ** Biztos tudás,<br /> ** Tapasztalat,<br /> ** Statisztika,<br /> ** Esetgyűjtemény,<br /> ** Modell,<br /> ** Tulajdonság-lefedés, illetve<br /> ** Neurális/abduktív hozzárendelés<br /> **...<br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs szakértői renszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy adoot<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * http://www.isg.sfu.ca/~hak/documents/wam.html <br /> * http://www.nws.iif.hu/ncd2000/docs/kivonat/ahu-11.htm<br /> * http://www.press.metpress.hu/tudnap/tudnap2001/pitlik.html<br /> * http://www.bjkmf.hu/bszemle2003/info120201.html<br /> * http://www.interm.gtk.gau.hu/miau/19/otkastudy.doc<br /> * http://www.miau.gau.hu/miau/06/twam.doc<br /> * http://www.miau.gau.hu/ogil/20020408/22.xls</div> Djddale https://miau.my-x.hu/mediawiki/index.php?title=Weights_and_Activities_Model&diff=4918 Weights and Activities Model 2005-11-18T20:24:23Z <p>Djddale: /* Definíciós modul */</p> <hr /> <div>'''Angol megnevezés:''' ...<br /> __TOC__<br /> == Történeti modul ==<br /> <br /> *'''1996'''<br /> A WAM (Weight Activity Model) az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot közelíti. [http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20210]<br /> <br /> *'''1998'''<br /> A WAM, mint induktív szakértői rendszer, ill. neuronális háló szimuláció, általában véve mint MI eljárás, nagyon egyszerűen, rugalmasan és gyorsan képes tanulási folyamatot megvalósítani és ebből kifolyólag előrejelzésre is használható[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20218]<br /> <br /> *'''2003'''<br /> (Weights and Activities Model) Excel program segítségével készül. Alkalmas arra, hogy induktív szakértői és szabályrendszert állítson elő. Az új generációs eljárásokon belül a generátor-modellek közé sorolt módszer, amely az előrejelzési feladatok megoldásában az elérhető maximális pontosságot megközelíti. Ezt úgy éri el, hogy a rendelkezésre álló adatok alapján véletlenszerűen meghatározott súlyokat alkalmaz, valamint az elemzést 1000-szer futtatja le, ezzel megközelítve az elérhető maximális pontosságot.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20209]<br /> <br /> * '''2003'''<br /> A trianguláris (WAM Weight-Activity-Modell ) módszer lényege, hogy az alapadatok transzformációjával létrehozunk egy olyan idõsorosan oszloponként egy helyi értékkel elcsúsztatott mátrixot, amely az egymás után idõben következõ adatok egymáshoz viszonyított növekedését (1), illetve csökkenését (0) tükrözi. Ezekhez véletlenszerûen generálunk egy számot, és egy mûveleti jelet, majd e három érték (0/1, a hozzá tartozó szám és mûveleti jel) összefûzésével újabb mátrixot kapunk.<br /> Ennek a mátrixnak a visszanyúlási mélységnek megfelelõ sor és oszlopértékeinek összegzésével kapjuk a változás irányát jelzõ értéket, ha összehasonlítjuk a véletlenszerûen generált küszöbértékkel, mely a mátrix minimum és maximumeleme között helyezkedik el (0/1), ha az elsõ mátrixban található értékkel megegyezik az adat, akkor jó az elõrejelzés.[http://miau.gau.hu/levelezo/2003osz/l2003_id.php3?string=20213]<br /> <br /> == Ontológiai modul ==<br /> ==='''&quot;ez egy&quot; kapcsolattípus:'''=== <br /> ** Esettanulmány<br /> ** Gépi tanulás<br /> ** Neurális klaszifikáció<br /> ** Biztos tudás,<br /> ** Tapasztalat,<br /> ** Statisztika,<br /> ** Esetgyűjtemény,<br /> ** Modell,<br /> ** Tulajdonság-lefedés, illetve<br /> ** Neurális/abduktív hozzárendelés<br /> **...<br /> ==='''&quot;van neki, része a címszónak&quot; kapcsolattípus:'''=== <br /> ** [[Szimuláció]]<br /> ** [[Black box rendszer]]<br /> ** [[White box rendszer]]<br /> ** [[Neuronális háló ]]<br /> ** [[Szakértői rendszer]]<br /> ** [[Benchmarking]]<br /> ** [[Gépi tanulás]]<br /> **...<br /> ==='''&quot;a címszó része valaminek (a címszóval egyenrangú fogalmak)&quot; kapcsolattípus:'''=== <br /> ** Benchmarking<br /> ** Szakértői rendszer<br /> ** Excel alapu előrejelzés<br /> ** Szakmai előrejelzések (white box alapú)<br /> * ...<br /> <br /> == Ellentmondások és vitatott kijelentések modulja ==<br /> * ...<br /> == Definíciós modul ==<br /> * A WAM egy olyan szimulációs adat feldolgozási rendszer, mely a legnagyobb pontossággal és legközzelebbi étrékekkel képes megadni egy<br /> <br /> == Tesztkérdések modul ==<br /> * ''' Milyen területen alkalmazható a WAM rendzer?'''<br /> :(Főleg mezőgazdasági területen lett alkalmazva)<br /> <br /> *''' Melyik program segítségével müködik a WAM rendszer?'''<br /> :(Excel)<br /> <br /> *''' Mely Informatikai témakör része a WAM?'''<br /> :(MI)<br /> <br /> == Ajánlott irodalmak modulja ==<br /> * http://www.isg.sfu.ca/~hak/documents/wam.html <br /> * http://www.nws.iif.hu/ncd2000/docs/kivonat/ahu-11.htm<br /> * http://www.press.metpress.hu/tudnap/tudnap2001/pitlik.html<br /> * http://www.bjkmf.hu/bszemle2003/info120201.html<br /> * http://www.interm.gtk.gau.hu/miau/19/otkastudy.doc<br /> * http://www.miau.gau.hu/miau/06/twam.doc<br /> * http://www.miau.gau.hu/ogil/20020408/22.xls</div> Djddale