Soft computing methods in the Bayesian analysis of time series

Widok

Metadane zasobu

Tytuł	Soft computing methods in the Bayesian analysis of time series Wariant tytułu: "Miękkie" metody obliczeń komputerowych w Bayesowskiej analizie szeregów czasowych
Osoby	Autorzy: Katarzyna Anna Kaczmarek-Majer Partner: Instytut Badań Systemowych PAN w Warszawie
Opis	The primary goal of this research is the construction of the a priori probability distributions of the predictive models of short time series basing on the imprecise information retrieved with the soft computing methods. The secondary goal of the approach is the introduction of the human-consistent data analysis model to discover information from experts and transform it to the a priori probability distributions in the Bayesian predictive models. The goals are achieved by the introduction of two innovative methods for the construction of the a priori probability distributions enabling the incorporation of the human-consistent imprecise information like linguistic summaries into the Bayesian analysis and forecasting of time series. The proposed methods are based on the selected soft computing techniques, especially data mining, the classification algorithms, time series abstraction and summarization methods. Results are confirmed by application for both, the artificial time series and the benchmark time series datasets. The approach is also verified for the real-life time series from the pharmaceutical market. The performed experiments confirm that the application of the soft computing methods and imprecise information for the construction of the a priori probability distributions of the unknown probabilistic models is a good tool for the analysis and forecasting of short time series. The marginal goal of the dissertation is to provide a review of the main developments, trends and challenges of the interdisciplinary research on the application of the soft computing methods for the time series forecasting. (Angielski) Opis w innym języku: Głównym celem rozprawy doktorskiej jest konstrukcja rozkładów prawdopodobieństwa a priori dla modeli probabilistycznych opisujących krótkie szeregi czasowe na podstawie analizy nieprecyzyjnych informacji, uzyskanych z wykorzystaniem nowoczesnych metod eksploracji danych. Drugim celem rozprawy jest opracowanie modelu analizy danych zgodnego z ludzką percepcją i umożliwiającego przełożenie informacji nieprecyzyjnej sformułowanej przez ekspertów danej dziedziny na rozkłady prawdopodobieństwa a priori stosowane w Bayesowskich modelach predykcyjnych. W rozprawie zaproponowane zostały dwie nowatorskie metody konstrukcji rozkładów prawdopodobieństwa a priori stosowanych w Bayesowskiej analizie szeregów czasowych. Zaproponowane metody oparte są o algorytmy klasyfikacji i uczenia maszynowego oraz zaawansowane algorytmy segmentacji i automatycznych podsumowań dla danych o postaci szeregów czasowych. Skuteczność działania wprowadzonych metod potwierdzona została wynikami eksperymentalnymi dla benchmarkowych zbiorów danych. Przeprowadzono również analizy dla danych rzeczywistych pochodzących z rynku farmaceutycznego. Wyniki przeprowadzonych eksperymentów dowodzą tezy rozprawy, że zaproponowane metody przetwarzania informacji nieprecyzyjnej do konstrukcji rozkładów prawdopodobieństwa a priori na opisujących szereg czasowy modelach probabilistycznych są dobrym narzędziem do eksploracji i prognozowania krótkich szeregów czasowych. Pobocznym celem rozprawy jest dokonanie przeglądu osiągnięć´, trendów i wyzwań w interdyscyplinarnych badaniach dotyczących zastosowania „miękkich” metod obliczeń komputerowych w analizie szeregów czasowych. (Polski)
Słowa kluczowe	"decision support"@en, "system wspomagania decyzji"@pl, "miękkie metody analizy danych"@pl, "metody Bayesowskie"@pl, "podsumowania lingwistyczne"@pl, "metody uczenia pod nadzorem"@pl, "wybór modeli a priori"@pl, "metody Markowa w łańcuch Monte Carlo"@pl, "miękkie obliczenia"@pl, "abstrakcja szeregów czasowych"@pl, "klasyfikacja danych"@pl, "Bayesian methods"@en, "granular computing (GrC)"@en, "A priori model selection"@pl, "Markov chain Monte Carlo (MCMC) posterior simulation"@pl, "podsumowania lingwistyczne (językowe)"@pl, "obliczenia miękkie"@pl
Klasyfikacja	Typ zasobu: praca dyplomowa Dyscyplina naukowa: dziedzina nauk technicznych / informatyka (2011) Grupa docelowa: naukowcy, studenci, przedsiębiorcy Szkodliwe treści: Nie
Charakterystyka	Miejsce powstania: Warszawa Czas powstania: 2014 Liczba stron: 133 Promotor: Olgierd Hryniewicz Język zasobu: Angielski Lokalizacja: Warszawa
Licencja	CC BY-SA 4.0
Informacje techniczne	Deponujący: Justyna Kupczak Data udostępnienia: 17-10-2018
Kolekcje	Kolekcja Instytutu Badań Systemowych PAN w Warszawie, Kolekcja e-Biblio IBS PAN

Cytowanie

Skopiowano

Katarzyna Anna Kaczmarek-Majer. Soft computing methods in the Bayesian analysis of time series. [praca dyplomowa] Dostępny w Atlasie Zasobów Otwartej Nauki, . Licencja: CC BY-SA 4.0, https://creativecommons.org/licenses/by-sa/4.0/legalcode.pl. Data dostępu: DD.MM.RRRR.

Podobne zasoby

Analiza dynamiczno-przestrzennych zjawisk gospodarczych w regionie.Komputerowy system ekorozwoju wodnego regionu (RB-2000-67-04)

Jerzy Hołubiec, Grażyna Petriczek, artykuł, rozdział, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / inżynieria środowiska (2011)

Metody ekspertów w strategicznym planowaniu rozwoju transportu (rozdział monografii: "Strategiczne planowanie rozwoju transportu") (RB-1999-72)

Mirosław Bereziński, Dariusz Wagner, artykuł, rozdział, Instytut Badań Systemowych PAN w Warszawie, Dziedzina nauk społecznych / nauki o zarządzaniu i jakości (2018)

Konstrukcja i testowanie automatów rozmytych za pomocą technik metaheurystycznych

Krzysztof Zaniewski, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / informatyka (2011)

Procedings of the seminar on "Nonconventional problems of optimization" * Production planning and profit distribution:A group decision making support system "NEGOT" (PN-1986-12-07)

Halina Kasprzyca, Grzegorz Kersten, artykuł, rozdział, Instytut Badań Systemowych PAN w Warszawie, Dziedzina nauk inżynieryjno-technicznych / informatyka techniczna i telekomunikacja (2018)

Komputerowe wspomaganie decyzji w systemach gospodarki wodno-ściekowej. Sophisticated computer tools for simulation and optimisation of municipal water networks (RB-2000-46-02)

Lucyna Bogdan, Jan Studziński, artykuł, rozdział, Instytut Badań Systemowych PAN w Warszawie, Dziedzina nauk społecznych / geografia społeczno-ekonomiczna i gospodarka przestrzenna (2018)

Uogólnione samoorganizujące się sieci neuronowe o drzewopodobnych strukturach w grupowaniu danych ze szczególnym uwzględnieniem danych medycznych opisujących ekspresję genów

Jakub Piekoszewski, praca dyplomowa, Instytut Badań Systemowych PAN w Warszawie, dziedzina nauk technicznych / informatyka (2011)

Zobacz więcej