Odkrywanie zależności przyczynowo-skutkowych z wykorzystaniem rozmytych sieci kognitywnych

W referacie zostanie przedstawiony przegląd metod odkrywania zależności przyczynowo skutkowych w danych, ze szególnym uwzględnieniem rozwiązania opartego na modelu rozmytych sieci kognitywnych (ang. FCM). Reprezentacja wiedzy w formie FCM uwzględnia zależności między pojęciami w sposób aproksymacyjny, pojęcia reprezentowane są poprzez zbiory rozmyte, a zależności między nimi przez relacje rozmyte. Referat podejmuje próbę odpowiedzi na pytanie, czy istniejące metody uczenia FCM (adaptacyjne i ewolucyjne) pozwalają na faktyczne odkrywanie zależności przyczynowo-skutkowych, mogących znaleźć zastosowania praktyczne. Przedstawione zostaną wyniki eksperymentalne w zakresie zastosowań modelu FCM do predykcji wielowymiarowych szeregów czasowych.