Damian wrote:

> [ciach ]
>
>> Przykład reprezentacji:
>>
>> wig20: rośnie, spada, płaski,...
>> pogoda w Polsce: pada, słońce, mgła,...
>> pogoda w Himalajach: pada, słońce, mgła,...
>> premier Polski mówi: jest kryzys, nie ma kryzysu, będę prezydentem,...
>> szef FED: stopy up, stopy down,...
>>
>> I już można np. sieć neuronową czegoś nauczyć. Ja jestem jednak
>> sceptycznie
>> do tego nastawiony ponieważ za reprezentację dostępnego zbioru informacji
>> może robić wykres. I być może wykres wystarczy analizować. Oczywiście
>> jest to reprezentacja uśredniona i pewnie zaszumiona, ale wcale nie
>> wiadomo, czy
>> lepszą się wymyśli...
>>
> nie wszystko mozesz oznaczyc jednoznacznie i obiektywnie do analizy,
> ja na waszym miejscu obralbym kierunek obejmujacy takie zagadnienia
> "Rozmyte metody reprezentacji i przetwarzania informacji "
> "Sterowanie i podejmowanie decyzji w warunkach niepewności i braku
> precyzji "
> Profesor, ktory jest w tym dobry kiedys zrobil data mining sprzedazy
> pewnej firmy w uzaleznieniu od pogody

No oczywiście pomiędzy słońcem a deszczem jest "raczej słońce" i "raczej
deszcz", a fuzzy numbers i fuzzy sets zaliczane są do zbioru narzędzi
grzebania w danych. Istnieją też porządnie zdefiniowane zasady arytmetyki
takich liczb (vide nazwisko Zadeh). Narzędzia są, ale nadal trzeba ustalić
co ma być reprezentacją i nadal trzeba wprowadzić kategoryzację (choć
rozmytą).

Pzdr,
--
Marek