Data i godzina: wtorek, 14.10.2025, godz. 09:30-11:00
Prelegent: dr inż. Marcin Szczepański
Abstrakt: Celem wystąpienia jest przedstawienie wyników badań z porównania zastosowania sterowników rozmytych oraz wybranych algorytmów uczenia maszynowego w kursach e-learningowych z adaptacyjną treścią do rozwiązywania problemów klasyfikacyjnych z danymi wejściowymi o nieprecyzyjnym charakterze. W sytuacjach, gdy nie ma dostępu do poanotowanych zbiorów danych i tym samym użycie metod uczenia maszynowego nie jest możliwe, alternatywą może być wykorzystanie wiedzy eksperckiej zapisanej w postaci reguł typu „jeśli… to”. W badaniu przeanalizowano problem klasyfikacyjny rozwiązany za pomocą eksperckiego sterownika rozmytego oraz oceniono jego działanie w porównaniu z najczęściej stosowanymi algorytmami uczenia maszynowego. Dodatkowo uwzględniono sterowniki rozmyte generowane automatycznie na podstawie dostępnego zbioru danych oraz opisano proces reprezentacji danych na potrzeby metod uczenia maszynowego. Wyniki wskazują, że algorytmy uczenia maszynowego osiągają lepszą dokładność klasyfikacji, gdy dysponujemy zbiorem danych. Jednocześnie sterowniki rozmyte uzyskują konkurencyjne rezultaty, co potwierdza ich potencjał w sytuacjach braku danych uczących.
Więcej informacji na stronie seminarium.
Miejsce: B2-8,9 oraz zdalni