Czasopismo | PRZEMYSŁ CHEMICZNY | Rocznik 2019 - zeszyt 11

Systemy rekomendacji do zastosowania w przemyśle chemicznym

10.15199/62.2019.11.3

nr katalogowy: 123285
10.15199/62.2019.11.3

Systemy rekomendacji są stosowane głównie w doborze produktów związanych ze sprzedażą lub wyborem w sieci komputerowej (muzyka, film, moda). Interesującym sposobem wykorzystania systemów rekomendacji jest system doboru optymalnych substratów do reakcji w celu uzyskania określonych związków chemicznych. Implementacja systemów rekomendacji w przemyśle chemicznym może stanowić profesjonalne narzędzie wsparcia w podejmowaniu decyzji co do kierunków optymalizacji procesów przemysłowych. Rekomendacja definiowana jest jako poparcie, pozytywna opinia, polecenie. Jest to słowo pochodzące z języka łacińskiego od słowa recommendatio. W wielu systemach implementowanych w sieciach oraz systemach komputerowych można stosować rekomendacje, aby podpowiedzieć użytkownikowi określony tok postępowania oraz stymulować go do robienia wskazanych ruchów i dokonywania konkretnych wyborów. Kolejnym celem jest analiza informacji zawartych w bazach danych i dobór odpowiedniej informacji w wybranym kontekście zastosowania. Wykorzystanie systemów rekomendacji jest bardzo zróżnicowane, dotyczy nie tylko pracy z systemami społecznościowymi, ale również aspektów naukowych, takich jak badania wyboru najlepszej ścieżki rozwiązania danego problemu1). Istotnym zastosowaniem jest również analiza danych pochodzących z procesów przemysłowych z zakresu chemii. Systemy rekomendacji w znaczący sposób mogą wspomóc regulację i sterowanie tymi procesami, zwiększając zakres automatyzacji w przemyśle. W przypadku zastosowania systemów rekomendacji w przemyśle chemicznym najbardziej interesujący jest aspekt analizy i doboru informacji z bazy danych. Zaawansowane narzędzia oparte na algorytmach rekomendacji mogą być w tym przypadku stosowane m.in. do optymalizacji parametrów procesów przemysłowych lub predykcji niepożądanych zjawisk w danym procesie. Systemy rekomendacji są zautomatyzowane i zawierają w sobie wiele procesów zarówno algorytmicznych, jak i bi[...]

Bibliografia

[1] M. Albiniak, Zastosowanie algorytmów sztucznej inteligencji w aplikacjach zdalnego nauczania z elementami konkurencji, Wydawnictwo Komunikacji i Łączności, Warszawa 2005.
[2] P.D. Straffin, Teoria gier, Wydawnictwo Naukowe Scholar, Warszawa 2004.
[3] L. Li, J.P. Kenny, M.S. Wu i in.,
[w:] Architectures for adaptive software systems (red. R. Mirandola, I. Gorton, C. Hofmeister), Springer, Berlin 2009, 194.
[4] J. Savage, A. Kishimoto, B. Buesser, E. Diaz- Aviles, RecSys’17 Proc. of the Eleventh ACM Conf. on Recommender Systems, Como 2017.
[5] L. Balby Marinho, A. Hotho, R. Jaschke, A. Nanopoulos, S. Rendle, L. Schmidt-Thime, G. Stumme, P. Symeonidis, Recommender systems for social tagging systems, Springer, Berlin 2012.
[6] M.P. Robillard i in., Recommendation systems in software engineering, Springer- Verlag, Berlin 2014.
[7] T. Dunning, E. Friedman, Practical machine learning. Innovations in recommendation, O’Reilly Media Inc., Sebastopol 2014.
[8] J. Pearl, Probabilistic in intelligent systems: networks of plausible inference, Morgan Kaufmann, San Francisco 1988.
[9] W.S. Bainbridge, Evolution Technol. 2008, 19, nr 1, 8.
[10] R.F. DeMara, A.J. Gonzalez, V. Hung, C. Leon-Barth, R.A. Dookhoo i in., Interservice/ Industry Training, Simulation, and Education Conf. (I/ITSEC) 2008.
[11] J. Bobadilla, F. Ortega, A. Hernando, J. Alcalá, Konowledge-Based Systems 2011, 24, nr 8, 1310.
[12] D. Wang, Y. Liang, D. Xu, X. Feng, R. Guan, Knowledge-Based Systems 2018, 157, 1.
[13] http://www.di.uniba.it/intint/DC-ACII07/Afzal. pdf, dostęp 19 września 2019 r.
[14] N. Hariri, C. Castro-Herrera, J. Cleland-Huang, B. Mobasher,
[w:] Recommendation systems in software engineering (red. M.P. Robillard i in.), Springer-Verlag, Berlin 2014, 455.
[15] T. Achakulvisut, D.E. Acuna, T. Ruangrong, K. Kording, Plos One 2016, 11, nr 7.
[16] https://www.kde.cs.uni-kassel.de/wp-content/ uploads/ws/rsdc08/pdf/10.pdf, dostęp 19 września 2019 r.

Zeszyt


PRZEMYSŁ CHEMICZNY - e-zeszyt (pdf) 2019-11 licencja: Osobista Produkt cyfrowy	55.00 zł

Prenumerata

PRZEMYSŁ CHEMICZNY - prenumerata cyfrowa
licencja: Osobista

Produkt cyfrowy
Nowość

762.00 zł

PRZEMYSŁ CHEMICZNY - prenumerata PLUS
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEMYSŁ CHEMICZNY - PAKIET prenumerata PLUS (Prenumerata papierowa + dostęp do portalu sigma-not.pl + e-prenumerata)	1002.00 zł brutto 927.78 zł netto 74.22 zł VAT (stawka VAT 8%)

1002.00 zł

PRZEMYSŁ CHEMICZNY - papierowa prenumerata roczna + wysyłka
licencja: Osobista

Szczegóły pakietu

Nazwa
PRZEMYSŁ CHEMICZNY - papierowa prenumerata roczna	960.00 zł brutto 888.89 zł netto 71.11 zł VAT (stawka VAT 8%)
PRZEMYSŁ CHEMICZNY - pakowanie i wysyłka	42.00 zł brutto 34.15 zł netto 7.85 zł VAT (stawka VAT 23%)

1002.00 zł

Open Access

Zeszyt

2019-11

Twój Koszyk

Zeszyt

Prenumerata

Open Access

Zeszyt

Czasopisma