Computer-aided decision support methods resistant to imperfections of learning data
[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik
[ 1 ] Instytut Informatyki, Wydział Informatyki i Telekomunikacji, Politechnika Poznańska | [ P ] pracownik
PL Nowe komputerowe metody wspomagania decyzji odporne na nie-doskonałości danych uczących
angielski
- multicriteria decision aiding
- imperfect data
- wielokryterialne wspomaganie decyzji
- niedoskonałe dane
EN Due to the rapid increase in data availability, computer-based decision support systems are becoming more common. Unfortunately, together with their popularity, some improper usages arise. Imperfect learning data is one of the main reasons behind this problem. Those imperfections might originate from low-quality data, measurement errors, and human errors, such as a lack of knowledge about which method and how it should be used. Classical algorithms are not designed to work with such data. This thesis addressed this problem by introducing new algorithms robust to imperfect learning data. The novel methods handled problems related to incomplete preference information expressed as example decisions. New methods for robust weight calculations and group decision-making were proposed as well. Additionally, new architectures were designed to use neural networks in robust decision-making. Finally, a system recommending an adequate procedure for a given problem was introduced.
PL Ze względu na szybki wzrost dostępności danych, komputerowe systemy wspomagania decyzji stają się coraz bardziej powszechne. Niestety pojawiają się również niewłaściwe zastosowania. Jedną z głównych przyczyn są niedoskonałe dane uczące. Niedoskonałości te mogą wynikać z niskiej jakości danych, błędów pomiarowych i błędów ludzkich, takich jak brak wiedzy o tym, która metoda i w jaki sposób powinna być używana. Klasyczne algorytmy nie są zaprojektowane do pracy z takimi danymi. W tej rozprawie zaadresowano te problemy, wprowadzając nowe algorytmy odporne na niedoskonałe dane. Nowe metody zastosowano do problemów z niekompletnymi danymi o preferencjach wyrażonymi jako przykładowe decyzje. Zaproponowano również nowe metody obliczania wag i grupowego podejmowania decyzji. Dodatkowo, zaprojektowano nowe architektury do wykorzystania sieci neuronowych. Wreszcie, wprowadzono system rekomendujący odpowiednią procedurę dla danego problemu.
278
informatyka techniczna i telekomunikacja
publiczny
Bogumił Kamiński
05.02.2024
polski
publiczny
Konrad Kułakowski
27.03.2024
polski
publiczny
Jarosław Wątróbski
09.02.2024
polski
publiczny
rozprawa doktorska przed obroną
Poznań, Polska
13.05.2024