BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Lasek Mirosława (Uniwersytet Warszawski), Myzik Ada (Uniwersytet Warszawski)
Title
Sieci neuronowe Kohonena w przeprowadzaniu analiz danych : próba wykorzystania w eksploracji danych dotyczących jednostek terytorialnych
Kohonen Neural Networks in Data Analysis : a Usage Attempt in Data Mining Regerding Geographic Regions in Poland
Source
Problemy Zarządzania, 2012, vol. 10, nr 3 (38), s. 124-147, tab., rys., bibliogr. 18 poz.
Issue title
Uwarunkowania zastosowań systemów informatycznych w gospodarce
Keyword
Symulacja wieloagentowa, Sieci neuronowe, Analiza danych, Data Mining, Podmioty gospodarcze, Placówki gastronomiczne, Sport
Multi-agent based simulation, Neural networks, Data analysis, Data Mining, Business entity, Catering establishments, Sport
Note
streszcz., summ.
Abstract
W artykule przedstawiono możliwość zastosowania teorii zbiorów przybliżonych w procedurze tworzenia wieloagentowego modelu zachowania konsumentów. Omówiono symulację wieloagentową, metody gromadzenia i przetwarzania danych na potrzeby modelowania wieloagentowego oraz teorię zbiorów przybliżonych w kontekście wykrywania reguł zachowań konsumentów. Ponadto zaprezentowano przykładowy model symulacyjny zachowania konsumentów na rynku urządzeń elektrycznych, zbudowany z zastosowaniem proponowanej procedury. (abstrakt oryginalny)

This paper presents the possibility of application of the rough set theory in procedure of building a multi-agent model of consumer behavior. Discussed are: multi-agent simulation, methods of gathering and processing data and rough set theory in the context of identification of market behavior rules of consumers. In addition to these, the paper presents an example of a simulation model of consumer behavior in the electrical appliances market which was built with applying the proposed research procedure. (original abstract)
Accessibility
The Main Library of the Cracow University of Economics
The Library of University of Economics in Katowice
The Main Library of Poznań University of Economics and Business
The Main Library of the Wroclaw University of Economics
Full text
Show
Bibliography
Show
  1. Centrum Informacji Statystycznej 2011. Bank Danych Lokalnych, http://www.stat.gov.pl/ bdl/app/strona.html?p_name=indeks, dostęp: 28.11.2011.
  2. Centrum Informatyki Statystycznej 2011. Przewodnik po Banku Danych Lokalnych, http:// www.stat.gov.pl/bdl/docs/opisy_bdl.pdf, dostęp: 28.11.2011.
  3. Collica, R.S. 2007. CRM Segmentation and Clustering Using SAS Enterprise Miner, Cary: SAS Publishing, http://books.google.com/books?id=6IHA2amBGxwC&printsec=fro ntcover&hl=pl&source=gbs_atb#v=onepage&q&f=false, dostęp: 27.10.2011.
  4. Kaski, S. i T. Kohonen 1996. Exploratory Data Analysis by the Self-Organizing Map: Structures of Welfare and Poverty in the World, w: A.-P N. Refenes, Y. Abu-Mostafa, J. Moody i A. Weigend (red.) Neural Networks in Financial Engineering, Proceedings of the Third International Conference on Neural Networks in the Capital Markets, Singapure, http://citeseer.ist.psu.edu/viewdoc/download?doi = 10.1.1.53.3954&rep=re p1&type=pdf, dostęp: 19.09.2011.
  5. Kohonen, T. 1982. Self-Organized Formation of Topologically Correct Feature Maps. Biological Cybernetics, nr 43.
  6. Kohonen, T. 1998. The Self-organizing Map. Neurocomputing, nr 21, https://han.buw. uw.edu.pl/han/atoz/v1s1.icm.edu.pl/pdflinks/11092521434903141.pdf, dostęp: 22.08.2011.
  7. Kohonen, T. 2008. Data Management by Self-Organizing Maps, w: J.M. Zurada, G.G. Yen i J. Wang (red.) Computational Intelligence: Research Frontiers, Lecture Notes in Computer Science 5050, Hongkong: Springer, https://han.buw.uw.edu.pl/han/atoz/www. springerlink.com/content/8147v650748n2740/fulltext.pdf, dostęp: 9.11.2011.
  8. Larose, D.T. 2006. Odkrywanie wiedzy z danych. Wprowadzenie do eksploracji danych, Warszawa: Wydawnictwo Naukowe PWN.
  9. Lasek, M. 2004. Od danych do wiedzy. Metody i techniki "Data Mining". Optimum. Studia ekonomiczne, nr 2 (22).
  10. Lasek, M. 2007. Metody Data Mining w analizowaniu i prognozowaniu kondycji ekonomicznej przedsiębiorstw. Zastosowania SAS Enterprise Miner, Warszawa: Difin, rozdział 4.2.
  11. Lasek, M. i M. Pęczkowski 2010. Metodyka procesu eksploracji danych SEMMA. Prace i Materiały Wydziału Zarządzania Uniwersytetu Gdańskiego, nr 3.
  12. Matignon, R. 2007. Data Mining Using SAS Enterprise Miner, New Jersey: John Wiley & Sons.
  13. Myzik, A. 2012. Analiza przydatności sieci neuronowych Kohonena do eksploracji zbiorów danych dotyczących jednostek terytorialnych, praca magisterska pod kierunkiem M. Lasek, Warszawa: Wydział Nauk Ekonomicznych, Uniwersytet Warszawski.
  14. Nguyen, P., Haughton, D. i I. Hudson 2009. Living Standards of Vietnamese Provinces: a Kohonen Map. Case Studies in Business, Industry and Government Statistics (CS-BIGS), nr 2 (2), http://legacy.bentley.edu/csbigs/documents/nguyen.pdf, dostęp: 26.10.2011.
  15. Osowski, S. 2006. Sieci neuronowe do przetwarzania informacji, Warszawa: Oficyna Wydawnicza Politechniki Warszawskiej.
  16. SAS 2010. Dokumentacja programu SAS Enterprise Miner 6.2, Cary: SOM/Kohonen Node, SAS Institute Inc.
  17. Tadeusiewicz, R. 2001. Wprowadzenie do sieci neuronowych, Kraków: StatSoft Polska.
  18. Tarczyński, G. 2011. Algorytm Kohonena w analizie danych ekonomicznych, Wroclaw: Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu.
Cited by
Show
ISSN
1644-9584
Language
pol
URI / DOI
http://dx.doi.org/10.7172/1644-9584.38.8
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu