Komputerowe modele złożonych procesów oraz metody uczenia maszynowego i ekstrakcji wiedzy
Badania koncentrują się na dwóch kategoriach zagadnień:
komputerowych modelach złożonych procesów (np. biologicznych),
metodach uczenia maszynowego i ekstrakcji wiedzy.
Pomimo różnic w klasycznym rozumieniu tych zagadnień są one ze sobą ściśle powiązane. Modelowanie kojarzy się z procesem kreowania przez obserwatora abstrakcyjnych modeli rzeczywistości, ich realizacji w wirtualnej przestrzeni „obliczeniowej”, walidacji poczynionych założeń oraz wyjaśniania i predykcji zdarzeń. Proces modelowania składa się z serii podprocesów takich jak: obserwacja (pomiar) rzeczywistego świata, selekcja i ekstrakcja informacji, klasyfikacja, generowanie hipotez, formułowanie praw i reguł, wreszcie tworzenie modeli teoretycznych i obliczeniowych oraz asymilacja danych rzeczywistych. Implementacja modelu w środowisku maszyny wieloprocesorowej czy przestrzeni obliczeniowej metakomputera (grid computing) wraz z analizą otrzymanych rezultatów i ich wizualizacją związana jest z aktualną technologią przetwarzania informacji. Powyższe procedury zamknięte w pętli dodatniego sprzężenia zwrotnego tworzą trójkomponentowy schemat ekstrakcji i generacji wiedzy, w którego skład wchodzą: eksperyment, teoria i symulacja komputerowa.
Metody uczenia maszynowego stanowią ważny element procesu modelowania. Integrują one otoczenie z obserwatorem i rzeczywistymi danymi. Metody uczenia maszynowego umożliwiają percepcję rzeczywistości tzn. transformację postrzeganych obiektów, sposobów ich ewolucji i wzajemnego oddziaływania, w formalizm modelu matematycznego. Pozwalają także na selekcję i ekstrakcję informacji użytecznej oraz na generowanie wyspecjalizowanych modeli predykcyjnych.
Keywords: modelowanie, uczenie maszynowe
Kontakt: prof. dr hab. inż. Witold Dzwinel BPP AGH
E-mail: dzwinel@agh.edu.pl
Zespół badawczy: CSG
Kierownik Zespołu: prof. dr hab. inż. Jacek Kitowski BPP AGH
Strona www zespołu: www.icsr.agh.edu.pl