Fuzzy množiny v rozhodovacích procesoch

Kredity: 6
Ukončenie: Skúška
Rozsah: 2P + 2C
Semester: zimný
Ročník: 2
Fakulta hospodárskej informatiky

Vyučujúci

doc. Dr. Ing. Miroslav Hudec Ing. Erika Mináriková

Zaradený v študijných programoch

Výsledky vzdelávania

Po absolvovaní predmetu má byť študent schopný:
A. pochopiť sémantickej neurčitosti reálneho sveta a správne modelovať pomocou fuzzy množín,
B. vytvárať flexibilné dopyty nad databázami,
C. logicky agregovať atomické požiadavky,
D. vytvárať a interpretovať kvantifikované súhrny nad dátami,
E. aplikovať flexibilné odvodzovanie a klasifikačné modely,
F. pochopiť princípy modelovania a pracovania s vágnymi dátami v databázach,
G. vedieť aplikovať získané poznatky a zručnosti pri riešení úloh v praxi,
H. získať prehľad o úlohe fuzzy logiky a fuzzy množín vo vysvetliteľnej umelej inteligencii.

Stručná osnova predmetu

1. Úvod do fuzzy množín a fuzzy logiky a porovnanie s klasickým prístupom v logike a teórii množín
2. Fuzzy aritmetika.
3. Logické agregačné funkcie a ich aplikovateľnosť v hodnotení záznamov a súhrnných informácií
4. Flexibilné (fuzzy) dopyty nad relačnými databázami.
5. Problémy prázdnej množiny výsledkov a príliš veľkého počtu selektovaných záznamov.
6. Lingvistické súhrny nad kategorickými a numerickými dátami.
7. Fuzzy odvodzovanie (Mamdani a Sugeno model, defuzzifikácia).
8. Flexibilné pravidlové systémy a fuzzy IF-THEN pravidlá (vytváranie a hodnotenie ich kvality).
9. Fuzzy relačné databázy (základný model a fuzzy meta model)
10. Dopytovanie vo fuzzy relačných databázach a dátových skladoch.
11. Funkcie možnosti (possibility) a nutnosti (necessity) pre hodnotenie fuzzy dát.
12. Prehľad pokročilých konceptov: typ II fuzzy množiny, hesitant fuzzy množiny a intuitionistic fuzzy množiny
13. Úloha a možnosti fuzzy logiky vo vysvetliteľnej umelej inteligencii.

Odporúčaná literatúra

HUDEC M. (2015). Fuzzy logika pre hospodársku informatiku. Ekonóm, Bratislava.
KOLESÁROVÁ A., KOVÁČOVÁ M. (2004). Fuzzy množiny a ich aplikácie. Slovenská technická univerzita v Bratislave, Bratislava.
KLIR, G., YUAN, B. (1995). Fuzzy sets and fuzzy logic, theory and applications. Prentice Hall, New Jersey.
SILER W., BUCKLEY, J. (2005). Fuzzy expert systems and fuzzy reasoning. John Wiley & Sons, Inc, New Jersey.
ZIMMERMANN H. J. (2001). Fuzzy set theory – and its applications. Kluwer Academic Publishers, London.
HUDEC M. (2016). Fuzziness in Information Systems - How to Deal with Crisp and Fuzzy Data in Selection, Classification, and Summarization. Springer, Cham.
GALINDO, J. (Ed.) (2008). Handbook of Research on Fuzzy Information Processing in Databases. IGI Global,Hershley.

Podmienky na absolvovanie predmetu

Skúška 60% hodnotenia. Skúška pozostáva z dvoch častí: overenie teoretických vedomosti a konkrétnych úloh na riešenie. Teoretickou časťou sa overuje dosiahnutá úroveň výsledkov vzdelávania A., D., F., H., riešením problémových úloh sa overuje dosiahnutá úroveň výsledkov vzdelávania B., C., E.,G.
Cvičenia 40% Náplňou cvičení je vypracovanie a obhájenie úloh modelovania neurčitosti. Súčasťou hodnotenia študenta je tiež jeho aktivita počas semestra. Hodnotením úloh a testu sa hodnotia nasledovné výsledky vzdelávania: B., C., D., E., G.

Pracovné zaťaženie študenta

Pracovné zaťaženie študenta (v hodinách):
6 kreditov x 52 hodín = 150 hodín
Rozdelenie študijného zaťaženia:
Účasť na prednáškach a seminároch: 52 hodín
Príprava na semináre: 18 hodín
Príprava na úlohy a test: 40 hodín
Príprava na skúšku: 40 hodín

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

slovenský

Dátum schválenia: 10.02.2023

Dátum poslednej zmeny: 18.05.2022