BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Lasek Mirosława (Uniwersytet Warszawski), Myzik Ada (Uniwersytet Warszawski)
Tytuł
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
Źródło
Problemy Zarządzania, 2012, vol. 10, nr 3 (38), s. 124-147, tab., rys., bibliogr. 18 poz.
Tytuł własny numeru
Uwarunkowania zastosowań systemów informatycznych w gospodarce
Słowa kluczowe
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
Uwagi
streszcz., summ.
Abstrakt
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)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  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.
Cytowane przez
Pokaż
ISSN
1644-9584
Język
pol
URI / DOI
http://dx.doi.org/10.7172/1644-9584.38.8
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu