Referat obejmuje przedstawienie tematów, którymi będę chciał się zajmować podczas dalszej pracy nad rozprawą doktorską. W ramach tych tematów omówię też krótko najnowsze wyniki związane z badaniem złożoności obliczeniowej algorytmów indukcji drzew decyzyjnych przy dużej liczbie brakujących wartości w danych.

1. System D³RJ

System D³RJ jaki stworzylismy wspólnie z Rafalem Latkowskim jest przykladem zastosowania systemu regulowego do danych zawierajacych brakujace wartosci. Dzieki dekompozycji danych mozliwe bylo uzycie systemu nie przystosowanego do radzenia sobie z brakujacymi wartosciami. Problematyke wlasciwej dekompozycji danych zostala omówiono miesiac temu.
Na seminarium chcialbym krótko przypomniec zasade dzialania systemu oraz zaprezentowac uzyskane wyniki eksperymentów.

2. Sklejanie regul decyzyjnych

Sklejanie regul decyzyjnych umozliwia budowanie systemu decyzyjnego na bazie klasycznego systemu regulowego lub jak w przypadku D³RJ na bazie wielu systemów regulowych tworzac jedn spójny system zlozony z mniejszej liczby bardziej ogólnych regul.
Na seminarium zaprezentuje kilka róznych metod sklejania regul.

3. Zastosowania algorytmów sklejania regul

(a) zrównoleglenie indukcji regul decyzyjnych dzialajace na podobnej zasadzie jak system D³RJ (dekompozycja i sklejanie regul indukowanych na wielu podzbiorach tabeli)
(b) indukcja regul decyzyjnych z danych przy pomocy algorytmu sklejania regul zastosowanego do obiektów

Ponieważ obecnie kończymy w naszym Zespole badawczym prace nad wersją 2.1 systemu RSES, chciałbym na początku krótko omówić, co się zmieniło w systemie RSES w stosunku do wersji 2.0. Zmiany te omowię w trzech następujących aspektach:
a. nowe metody analizy danych dołączone do systemu RSES,
b. nowe możliwości graficzne interfejsu,
c. nowe cechy techniczne zwiększające możliwości systemu RSES.
W dalszej części referatu opowiem o przygotowanym przeze mnie programie komputerowym będącym symulatorem ruchu drogowego, a służącym do generowania danych na potrzeby wykonywania eksperymentów z różnymi klasyfikatorami złożonymi, a szczególnie z nowymi metodami budowy klasyfikatorów hierarchicznych, prezentowanymi wcześniej przez Pana Profesora Skowrona.
Na koniec krótko opowiem o eksperymentach, jakie rozpocząłem z danymi wygenerowanymi przez w.w. symulator.

The talk will discuss the Inferential Theory of Learning, its underlying ideas and its application to the development of inductive databases and knowledge mining systems. The Inferential Theory of Learning views every form of learning as a process of increasing knowledge in the system. Concepts fundamental to the theory, such as data, information, and knowledge will be elucidated and differentiated. For those interested, after the talk, there will be a demonstration of iAQ, a system for illustrating natural induction, a form of inductive inference that produces hypotheses in human-oriented forms.

Proponuję język opisywania i badania i informacji poprzez badanie klas rozszerzeń danych struktur częściowych oraz związanych z nimi zbiorów zdań.
Takie klasy tworzą system informacyjny w sensie Scotta, niosą w sobie pewne logiki modalne i temporalne oraz niemonotoniczne. Mogą też być potraktowane jako klasyfikacje, a związki między nimi będą infomorfizmami.
Systemy wieloagentowe opisywane są poprzez możliwość wspólnego rozszerzenia (sumy wolnej) rodziny agentów tzn. struktur częściowych.
Rozważam też sytuacje, w których nakłada się dodatkowe warunki jakie mają spełniać struktury rozszerzające.
Podaję propozycje interpretacji systemów informacyjnych (tabelek) jako struktur częściowych uwzględniające różnorodne podejścia do wykorzystania zgromadzonej informacji.

We consider new type of bounds for precision of greedy algorithms which try to minimize cardinality of approximate reducts, lenghts of approximate decision rules, the number of rules in almost complete decision rule systems, and the depth of approximate decision trees.

Tematem seminarium jest przedstawienie zagadnień opracowanych w ramach realizacji pracy doktorskiej. Dotyczy ona metod klasyfikacji stanowiących rozszerzenie klasycznego algorytmu k najbliższych sąsiadów. Rozszerzenia te polegają na dwuetapowym podejściu do klasyfikacji: pierwszy etap to konstrukcja sąsiedztwa testowanego obiektu, drugi to indukcja lokalnego modelu na podstawie skonstruowanego sąsiedztwa. Na seminarium przedstawione zostaną różne metody realizujące to podejście i wyniki ich testów, a także metody reprezentacji danych i ich znaczenie dla jakości i efektywności klasyfikacji, ze szczególnym uwzględnieniem dużych zbiorów danych.

We consider new type of bounds for precision of greedy algorithms which try to minimize cardinality of approximate reducts, lenghts of approximate decision rules, the number of rules in almost complete decision rule systems, and the depth of approximate decision trees.

Referat przedstawia model rozumowania typu diagnostycznego lub naukowego oparty na pewnego rodzaju interpretacji, przekształceniu i wzbogaceniu wiedzy biomedycznej wyrażonej za pomocą naturalnego języka fachowego. Uwzględnione jest przede wszystkim zagadnienie uznawania twierdzeń (ogólnych lub szczegółowych), z którym wiąże się problem oceny prawdopodobieństwa (stopnia pewności) zdarzeń i ich językowego opisu.
Podmiot (lekarz, eksperymentator) bada element organizmu człowieka określając za pomocą pomiarów wartości wybranych cech tego obiektu (cechy A, B, C, ...) i stara się określić z maksymalnie dostępną dokładnością, prawdopodobieństwem i stopniem pewności (w skali ilościowej, przedziałowej lub porównawczej) wartość innej nie obserwowanej cechy E. Cechy A, B, C, ... są związane z cechą E określonymi przybliżonymi relacjami, dokładne jednak zależności ilościowe nie są znane. Rozpatrywana w izolacji wartość cechy E oraz stopień prawdopodobieństwa występowania tej wartości wynika z przyczynowo - skutkowej zależności łączącej tę cechę z każdą z cech obserwowanych oraz od statystycznej charakterystyki (stopnia rozmycia) tej zależności.
Zależności wieloczłonowe opierają się na skali przedziałowej lub porównawczej. Prawdopodobieństwo, że wartość cechy E mieści się w określonym przedziale zależy od kombinacji przedziałów, do których należą wartości cech A, B, C, ... W sytuacji, gdy wartości nie wszystkich istotnych cech mogą być uwzględnione, wnioski rozumowania charakteryzują się nie tylko prawdopodobieństwem, lecz wykazują różnego rodzaju niepewność, tj. mogą mieć charakter possybilistyczny, hipotetyczny, tymczasowy lub quasi-deterministyczny.
Powyższa analiza jest zilustrowana przykładem opisującym wnioskowanie oparte na fragmencie naturalnej wiedzy biomedycznej opisującej zależność zawartości tlenu we krwi tętniczej od charakterystyki wentylacji płucnej, dyfuzji tlenu w płucach, przepływu krwi przez płuca i innych zjawisk.

Stosowalnosc regul jako zagadnienie wiaze sie z analiza przeslanek regul i stanowi czesc szerszego problemu jakim jest stosowanie regul. To ostatnie zagadnienie obejmuje takze rezultaty (wyniki) stosowania regul i analize jakosci regul. Wychodzac od przyblizonej semantyki formul w uogolnionych przestrzeniach aproksymacyjnych, mozna zdefiniowac pojecia przyblizonej stosowalnosci reguly lub zbioru regul do pojedynczego obiektu lub do zbioru obiektow. Nawet w przypadku 1-1 tzn. gdy mowimy o stosowalnosci pojedynczej reguly do pojedynczego obiektu, mamy szereg mozliwosci. Tak wiec, mozna wyroznic podejscia "kolektywne", "dystrybutywne" i "koniunkcyjne". Nastepnie, mozna wszystkie przeslanki reguly traktowac w ten sam sposob lub mozna dokonac podzialu zbioru przeslanek na pewne klasy. W roznym stopniu moga tez byc uwzglednione pojecia dolnego i gornego przyblizenia czy tez $t$-regionow pozytywnych badz negatywnych. Oprocz przedstawienia wyzej wspomnianych pojec, podam tez ich wlasnosci matematyczne.

Referat omawia nowy algorytm detekcji twarzy ludzkich w obrazach kolorowych, cechujący się dużą szybkością oraz skutecznością działania. Metoda bardzo efektywnie wykorzystuje informacje o kolorach oraz konturach występujących w obrazie cyfrowym w celu precyzyjnego ustalenia położenia głowy ludzkiej. Wydajna technika wykrywania i ustalania pozycji oczu pozwala potwierdzić obecność twarzy w ustalonym regionie zainteresowania oraz określić jej orientację. Powyższa hybrydowa metoda detekcji i lokalizacji twarzy jest w bardzo dużym stopniu, niezależna od oświetlenia, a również przestrzennego położenia twarzy w analizowanej scenie. Ważną jej zaletą jest bardzo precyzyjna aproksymacja obszaru twarzy, a także wysoka odporność na złożone oraz skomplikowane tło.

In the presentation some problems connected with construction of decision trees and relative reducts for distributed decision tables are considered. The presentation consists of four parts:
1. Single Table
2. Several Tables. Intersection of Universes
3. Several Tables. Union of Universes
4. From Decision Rule Systems to Decision Tree

Tematem referatu jest uogólnienie podstawowych algorytmów teorii zbiorów przybliżonych, szukających optymalnych reduktów i reguł decyzyjnych, na przypadek danych ze złożonymi wartościami decyzyjnymi. Zakłada się istnienie przestrzeni decyzyjnej, która umożliwia wyrażanie podobieństw i odległości pomiędzy wartościami. Wymogi takiej przestrzeni dyskutowane są ze względu na proces tworzenia reguł - zbiorowisk obiektów o podobnych decyzjach - jak i wnioskowania o nowych przypadkach, gdzie decyzje konstruowane być winny jako ważone kombinacje decyzji dla przypadków znanych (zgodnie z zasadami CBR).
Powyższe rozważania są inspirowane badaniami nad danymi medycznymi związanymi z przeżywalnością pooperacyjną, gdzie decyzje mogą przyjmować postać, np., rozkładów prawdopodobieństwa, wykresów przeżywalności, bądź współczynników statystycznych. Podczas referatu zostaną poruszone także zagadnienia związane z interaktywną wizualizacją zbiorów złożonych reguł decyzyjnych, jak również z wyznaczaniem reguł dla przypadku, gdy złożone są zarówno wartości decyzji jak i atrybutów warunkowych. Uogólnienia te mogą znaleźć zastosowanie nie tylko w przypadku omawianych danych medycznych.

Zagadnienia jakie planuję poruszyć to:
1. Uogólnianie reguł poprzez sklejanie – krótkie omówienie nowych koncepcji i pomysłów związanych z tą techniką;
2. Dyskusja na temat klasyfikacji i jej związków z segmentacją przestrzeni danych – zaprezentowanie specyficznego spojrzenia na zagadnienia klasyfikacji, segmentacji, rozstrzygania konfliktów, oraz budowy reguł decyzyjnych. Zaprezentowane podejście do powyższych zagadnień umożliwi zdefiniowanie nowych rozwiązań między innymi:
- składanie klasyfikatorów
- klasyfikacja hierarchiczna
3. Lokalne zastosowanie globalnych reguł – zaprezentuję koncepcję połączenia reguł decyzyjnych z klasyfikatorem k-NN, jako przykład składania klasyfikatorów.

Głównym celem referatu jest zaprezentowanie algorytmicznych metod konstruowania zlozonych klasyfikatorow hierarchicznych, opartych na teorii zbiorow przyblizonych oraz koncepcji schematow wnioskowania aproksymacyjnego, zapropopnowanej przez prof. Skowrona. Metody te zostaly opracowane i zaimplementowane w zwiazku z eksperymentalna analiza danych wygenerowanych przez symulator ruchu drogowego (symulator byl przezentowany wczesniej na seminarium). Zostana przedstawione takze wyniki eksperymentow komputerowych wykonanych z uzyciem prezentowanych metod.

Systemy informacyjne z atrybutami będącymi multifunkcjami (funkcjami o wartościach w dowolnym zbiorze potęgowym), jako szczególnego typu systemy informacyjne, mają wszystkie własności określone dla dowolnych systemów informacyjnych i można w ich analizie stosować znane pojęcia i podejścia. Wystarczy w tym celu abstrahować od multifunkcyjnego charakteru tych systemów. Jednak celem wykładu jest zaprezentowanie pewnych własności omawianych systemów, charakterystycznych tylko dla nich, jak również porównanie podstawowych pojęć zdefiniowanych dla dowolnego i omawianego typu systemów. W szczególności będzie to zdefiniowanie odpowiedniej relacji nierozróżnialności, odwołującej się do multifunkcyjnego charakteru atrybutów i przedstawienie jej własności na tle własności relacji nierozróżnialności zdefiniowanej przez Z. Pawlaka, omówienie pojęć reduktu, reguły decyzyjnej, czy niedeterminizmu w multifunkcyjnych systemach decyzyjnych. W drugiej części wystąpienia zamierzamy omówić przykłady zastosowań takich systemów informacyjnych w procesie odkrywania wiedzy z danych empirycznych za pomocą tworzonego w WSIiZ w Rzeszowie programu komputerowego.

Przedstawione zostały:
(i) rozwiązania prawne w zakresie określania niewypłacalności zakładów ubezpieczeń,
(ii) charaktersytyka dostępnych danych finansowych,
(iii) krótki przegląd metod badania niewypłacalności zakładów ubezpieczeń,
(iv) baza danych wraz ze sformułowaniem problemu analizy danych.

Jedną z najmodniejszych technik analizy danych jest Formalna Analiza Pojęć (Formal Concept Analisis -- FCA), gdzie na podstawie tablicy danych buduje się (zupełną) kratę pojęć przez nią generowanych. Formalnie FCA jest oparta na kontrawriantnym połączeniu Galois pomiędzy dwoma zbiorami potęgowymi uporządkowanymi przez relację inkluzji zbiorów. Takie połączenie gernerowane jest przez dowolną relację między dwoma zbiorami. Kiedy weźniemy dopełnienie takiej relacji możemy zbudować kratę pojęć w której bierzemy pod uwagę zarówno przypadki pozytywne jak i negatywne. Taka krata stanowi podstawę JSM- Reasoning. W referacie ogólnię związek pomiędzy połączeniami Galois i kratami pojęć na przypadek kowariantnych połączeń, które leżą u podstaw Teorii Zbiorów Przybliżonych (Rough Set Theory -- RST). Podobnie jak w poprzednim przypadku dowolna relacja między zbiorami generuje takie połączenie. Ponieważ kowariantne połączenia są niesymetryczne generują dwie (zupełne) kraty pojęć, a w przypadku dopełnienia relacji kolejne dwie (zupełne) pół-kraty. Pojęcia generowane przez kowariantne połączenia, w przeciwieństwie do pojęć FCA, mogą posiadać sprzeczne ekstensje dlatego będą (może) pomocne przy analizie sprzecznych informacji.

W pierwszej części wystąpienia zostały przedstawione wybrane fakty dotyczące relacji nieodróżnialności pod względem rodzin zbiorów, uogólnionych składowych oraz pewne związki tych pojęć z ciałami zbiorów. Następnie zostało przedstawione możliwe uogólnienie pojęcia przestrzeni przybliżeń Pawlaka, oparte o rodziny zbiorów oraz związane z tym uogólnieniem odpowiedniki wybranych pojęć z teorii zbiorów przyblizonych, np. niezależność baz wiedzy (knowledge bases). W części drugiej wystąpienia została przedstawiona relacja superweniencji na jednej dziedzinie jako filozoficzny odpowiednik pojęcia zależności w systemach informacyjnych Pawlaka. Następnie zostało przedstawione pojęcie superweniencji na wielu dziedzinach oraz zostanie zaproponowane oparte o nie pojęcie zależności między systemami informacyjnymi Pawlaka. Wystąpienie zostało zakończone zarysowaniem możliwości zastosowań omawianych w nim pojęć do analizy systemów dynamicznych.

W referacie został przedstawiony opracowany przez autora system diagramowej notacji dla algebry przedziałów wraz z niektórymi wynikami uzyskanymi dzieki jego zastosowaniu do badania własności relacji przedziałowych, arytmetyki przedziałowej i przedziałowych równań liniowych. Badanie, opracowywanie i stosowanie notacji diagramowych do reprezentacji wiedzy jest domeną niedawno powstałej dziedziny nauki zwanej diagramatyka, której wybrane zagadnienia będą również naszkicowane w referacie (w szczególności przegląd rodzajów błędów występujących w diagramach, zwłaszcza matematycznych).

Streszczenie referatu prof. Ivo Düntscha.

Pattern recognition system on large sets of complex objects often have to deal with atypical samples that defy most traditional classifiers. Such samples can be handled with additional domain knowledge from an human expert. We propose a framework for the transfer of knowledge from the expert and incorporating it into the learning process of our recognition system using the rough mereology methods. We also show how this knowledge acquisition can be conducted in an interactive manner, with a large dataset of handwritten digits as an example.

Different components of machine intelligence and its relevance to data mining and knowledge discovery from pattern recognition points of view are explained. Ways of integrating different tools in soft computing framework are described. Some of such integrations are explained along with their merits and suitability for data mining with real life applications. Significance of granular computing through rough sets is given emphasis. Finally, the appliaction of these mining methodologies, as prospective tools, for certain bioinformatics tasks, like fragment assembly and protein structure identification, is explained mentioning the relevance of soft computing tools individually.

Althrough prior domain knowledge is useful and helpful for data mining, sometimes we have no such prior knowledge in hand. In these cases, we need to mine knowledge from data itself. Thus, initiative data mining technology is needed. In this lecture, we focus on some topics about data mining, initiativa knowledge acquisition, etc. Some simulation experiment results was also be presented.

In this talk, I will give a survey of our work in the areas of multiagent interactions. We will present multi agent autonomous interactions as well as interactions of agents with humans. The autonomous multi agent interactions we will examine include team work interactions where the agents are assumed to be cooperative, as well as self interested interactions, where the agents are assumed to have the goal of maximizing their own utilities. Negotiation and coalition formation models will be presented. In addition, we will present models of agents aiding human individuals and teams. We will present experimental results that reveal what kind of agent structure and aiding is most beneficial for human teams.