Zakopane, 14.09.2006
This presentation is the property of its rightful owner.
Sponsored Links
1 / 27

Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych PowerPoint PPT Presentation


  • 70 Views
  • Uploaded on
  • Presentation posted in: General

Zakopane, 14.09.2006. Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych. Robert Olszewski. Model i modelowanie. model.

Download Presentation

Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -

Presentation Transcript


Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

Zakopane, 14.09.2006

  • Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

Robert Olszewski


Model i modelowanie

Model i modelowanie

model

1 a three-dimensional representation of a person or thing, typically on a smaller scale. 2 (in sculpture) a figure made in clay or wax which is then reproduced in a more durable material. 3 something used as an example. 4a simplified mathematical description of a system or process, used to assist calculations and predictions. 5 an excellent example of a quality. 6..Oxford English Dictionary


Modelowanie danych przestrzennych

Modelowanie danych przestrzennych

  • model kartograficzny - specyficzne odwzorowanie bytów rzeczywistych z pominięciem nieistotnych cech związków. Służy on ukazaniu charakterystycznych aspektów badanego fragmentu rzeczywistości w stopniu umożliwiającym jego poznanie (R. Weibel, 1991)


Modelowanie danych przestrzennych1

Modelowanie danych przestrzennych

“.. the concept of generalization as processing based on understanding: instead of merely attempting to understand the graphical structure of map elements, the comprehension of their underlying geographical phenomena is demanded (...) It is interesting to note, however, that such a phenomenal approach to generalization has been promoted and taught in traditional cartography for many years (Imhof, 1965).

Apparently this knowledge has been partly lost in contemporary cartography...”

Robert Weibel “Amplified intelligence and rule-based systems”


Modelowanie danych przestrzennych2

Modelowanie danych przestrzennych

"The good cartographer is both a scientist and an artist. He must have a thorough knowledge of his subject and model, the Earth.. He must have the ability to generalize intelligently and to make a right selection of the features to show. These are represented by means of lines or colors; and the effective use of lines or colors requires more than knowledge of the subject - it requires artistic judgment."

Eduard Imhof„Cartographic Relief Presentation”, 1965


Modelowanie danych przestrzennych3

Modelowanie danych przestrzennych

Modelowanie danych przestrzennych może być realizowane na wiele sposobów różniących się miedzy sobą zarówno pod względem przyjętej metodyki jak i stopnia automatyzacji samego procesu modelowania


Zdefiniowanie problemu

Zdefiniowanie problemu

Jak można pogodzić subiektywność procesu modelowania z jego automatyzacją?


Sen o cyborgu

Sen o cyborgu...

sztuczna inteligencja?


Sen o lataniu

Sen o lataniu...


Inteligencja obliczeniowa

Inteligencja obliczeniowa

wnioskowanie to ... obliczenia


Inteligencja obliczeniowa1

Inteligencja obliczeniowa

  • Ramon Lull, XIII wiek, kataloński filozof i teolog, franciszkanin, „Ars magna generalis et ultimata” - system logiczny, obejmujący wszystkie gałęzie wiedzy

  • Gottfried F. Leibniz, 1694

  • Charles Babbage, 1792-1871, projekty maszyny różnicowej i maszyny analitycznej, „snującej myśli jak krosna Jacquarda snują włókna”.

  • John von Neumann, 1945

  • Marvin Minksky, Allen Newell, Herbert Simon, 1958 - General Problem Solver,


Ci i ai

CI i AI

Inteligencja obliczeniowa (computational inteligence - CI) zajmuje się teorią i metodami rozwiązywania problemów, które są efektywnie niealgorytmizowalne

Brak efektywnego algorytmu?

  • drobna zmiana może wymagać całkiem innego programu obliczeniowego

  • nie można przewidzieć wszystkich zmian


Ci i ai1

CI i AI

  • CI jest działem informatyki zajmującym się automatyzacją procesów akwizycji wiedzy.

  • AI to część CI posługująca się symboliczną reprezentacją wiedzy, zajmuje się rozumowaniem, tworzeniem systemów ekspertowych.

W. Duch, 2005


Ci i ai2

Algorytmy ewolucyjne

PatternRecognition

Statystykawielowymiarowa

AI, ES

Logikarozmyta

Uczenie maszynowe

Wizuali-zacja

Sieci neuronowe

Metody probabilistyki

CI i AI

Inteligencja obliczeniowaData + KnowledgeSztuczna inteligencja


Metody inteligencji obliczeniowej

Metody inteligencji obliczeniowej

  • sztuczne sieci neuronowe

  • systemy wnioskowania rozmytego

  • algorytmy ewolucyjne

  • algorytmy genetyczne

  • algorytmy rojowe

  • ...


Inteligencja obliczeniowa w procesie uog lniania danych przestrzennych

Inteligencja obliczeniowa w procesie uogólniania danych przestrzennych

(L. Meng, 1998)


Opracowanie bazy wiedzy systemu

Opracowanie bazy wiedzy systemu

  • realizowane explicite – poprzez określenie jawnych reguł np. w systemie wnioskowania rozmytego (fuzzy inference system - FIS)

  • realizowane implicite – np. poprzez podanie poprawnych przykładów rozwiązań jako źródła wiedzy dla sztucznej sieci neuronowej (neural network - NN).


Systemy wnioskowania rozmytego

Systemy wnioskowania rozmytego

Lofti A. Zadeh, 1965)

FIS

  • zastosowanie tzw. zmiennych lingwistycznych (np. „dużo”, „mało”, „około połowy”),

  • określenie tzw. funkcji przynależności (z reguły silnie nieliniowych),

  • opracowanie tzw. reguł warunkowych „if → then”,

  • przeprowadzenie obliczeń rozmytych,

  • defuzyfikacja (wyostrzenie) uzyskanych wyników.


Systemy wnioskowania rozmytego1

Systemy wnioskowania rozmytego

wyłączenie prawa „wyłączonego środka”...

albo: czym jest weekend?


Sztuczne sieci neuronowe

Sztuczne sieci neuronowe

  • nie wymagają klasycznie rozumianego programowania,

  • „uczą się” na podstawie podanych przykładów,

  • naturalna zdolność dogeneralizacji uzyskanej wiedzy

D. Patterson, 1996

NN


Modelowanie rze by terenu z wykorzystaniem ssn

GRNN

RBF

Modelowanie rzeźby terenu z wykorzystaniem SSN


Modelowanie rze by terenu z wykorzystaniem ssn1

Modelowanie rzeźby terenu z wykorzystaniem SSN

W = 0,0075

W = 0,0125

W = 0,0175

W = 0,0250

Stopień generalizacji:zmiana współczynników funkcji radialnej


Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

Model hierarchiczny


Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

pierwszy

drugi

trzeci..

Poziomy

modelu TIN

zachowanie topologii!


Zachowanie struktury

Zachowanie struktury

dwie wersje “silnika” obliczeniowego:

- fuzzy

- neuro

generalizacja modelu TIN

zachowująca topologię podstawowych linii strukturalnych


Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

Tradycja i nowoczesność


Wykorzystanie inteligencji obliczeniowej w modelowaniu danych przestrzennych

W naszej epoce, kiedy ludzie skłonni są bardziej niż kiedykolwiek mylić mądrość z wiedzą, a wiedzę z informacją i usiłują rozwiązać problemy życiowe w terminach techniki, rodzi się nowa odmiana prowincjonalizmu (..)

Jest to prowincjonalizm nie przestrzeni, ale czasu; dla niego historia to jedynie kronika ludzkich wynalazków, które swoje odsłużyły i zostały wyrzucone na śmietnik; dla niego świat jest wyłącznie własnością żyjących, w której umarli nie maja żadnego udziału..”

T.S. Eliot, 1944,Esej o Wergiliuszu

Tradycja i nowoczesność


  • Login