Prezentacja - Instytut Informatyki PŁ
Transkrypt
Prezentacja - Instytut Informatyki PŁ
Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Lingwistyczne podsumowania baz danych. Inteligentne generowanie streszczeń Adam Niewiadomski Instytut Informatyki, Politechnika Łódzka Katowice, 29 stycznia 2010 r. Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Problematyka Bazy i hurtownie danych – olbrzymia ilość liczb. . . . . . a ludzka percepcja jest ograniczona Wymagania użytkowników Przyjazna, naturalna reprezentacja danych czytelność danych i wiedzy – jezyk ˛ naturalny znaczenie i kontekst – objaśnianie, podsumowywanie Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Problematyka Bazy i hurtownie danych – olbrzymia ilość liczb. . . . . . a ludzka percepcja jest ograniczona Wymagania użytkowników Przyjazna, naturalna reprezentacja danych czytelność danych i wiedzy – jezyk ˛ naturalny znaczenie i kontekst – objaśnianie, podsumowywanie Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Problematyka Bazy i hurtownie danych – olbrzymia ilość liczb. . . . . . a ludzka percepcja jest ograniczona Wymagania użytkowników Przyjazna, naturalna reprezentacja danych czytelność danych i wiedzy – jezyk ˛ naturalny znaczenie i kontekst – objaśnianie, podsumowywanie Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Reprezentacja wyrażeń nieprecyzyjnych Zbiór rozmyty A = {hx , µA (x )i : x ∈ X} (1) µA : X → [0, 1] – funkcja przynależności [Zadeh 1965] Własność ≡ zbiór posiadajacych ˛ ja˛ obiektów Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Reprezentacja wyrażeń nieprecyzyjnych Zbiór rozmyty A = {hx , µA (x )i : x ∈ X} (1) µA : X → [0, 1] – funkcja przynależności [Zadeh 1965] Własność ≡ zbiór posiadajacych ˛ ja˛ obiektów Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Spójniki, modyfikatory, wyrażenia kwantyfikowane ORAZ, LUB, NIE - iloczyn, suma, dopełnienie zb. rozm. BARDZO, MNIEJ WIECEJ, ˛ PRAWIE - modyfikatory, hedges operacje na funkcjach przynależności, np. potegowanie ˛ Wyrażenia kwantyfikowane lingwistycznie T ( Q x’ów jest S ) = µQ card(S ) T ( Q x’ów, które sa˛ W , jest S ) = µQ card(S ∩ W ) card(W ) (2) ! (3) gdzie: S , W – zbiory rozmyte w X, Q – kwantyfikator rozmyty np. OKOŁO POŁOWY studentów ma WYSOKA˛ ŚREDNIA˛ Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Spójniki, modyfikatory, wyrażenia kwantyfikowane ORAZ, LUB, NIE - iloczyn, suma, dopełnienie zb. rozm. BARDZO, MNIEJ WIECEJ, ˛ PRAWIE - modyfikatory, hedges operacje na funkcjach przynależności, np. potegowanie ˛ Wyrażenia kwantyfikowane lingwistycznie T ( Q x’ów jest S ) = µQ card(S ) T ( Q x’ów, które sa˛ W , jest S ) = µQ card(S ∩ W ) card(W ) (2) ! (3) gdzie: S , W – zbiory rozmyte w X, Q – kwantyfikator rozmyty np. OKOŁO POŁOWY studentów ma WYSOKA˛ ŚREDNIA˛ Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Spójniki, modyfikatory, wyrażenia kwantyfikowane ORAZ, LUB, NIE - iloczyn, suma, dopełnienie zb. rozm. BARDZO, MNIEJ WIECEJ, ˛ PRAWIE - modyfikatory, hedges operacje na funkcjach przynależności, np. potegowanie ˛ Wyrażenia kwantyfikowane lingwistycznie T ( Q x’ów jest S ) = µQ card(S ) T ( Q x’ów, które sa˛ W , jest S ) = µQ card(S ∩ W ) card(W ) (2) ! (3) gdzie: S , W – zbiory rozmyte w X, Q – kwantyfikator rozmyty np. OKOŁO POŁOWY studentów ma WYSOKA˛ ŚREDNIA˛ Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Lingwistyczne podsumowania baz danych Wiekszość ˛ pracowników ma średnia˛ pensje˛ 1-sza forma, Q I , [Yager 1982] P T = µQ µS (di ) |D| di ∈D ! (4) Wiekszość ˛ pracowników około 30 lat, ma średnia˛ pensje˛ 2-ga forma, Q II , [Kacprzyk, Yager, Zadrożny 2001] P T = µQ µS (di ) ∧ µW (di ) P di ∈D µW (di ) di ∈D ! (5) gdzie D = {d1 , d2 , . . . , dm } Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Lingwistyczne podsumowania baz danych Wiekszość ˛ pracowników ma średnia˛ pensje˛ 1-sza forma, Q I , [Yager 1982] P T = µQ µS (di ) |D| di ∈D ! (4) Wiekszość ˛ pracowników około 30 lat, ma średnia˛ pensje˛ 2-ga forma, Q II , [Kacprzyk, Yager, Zadrożny 2001] P T = µQ µS (di ) ∧ µW (di ) P di ∈D µW (di ) di ∈D ! (5) gdzie D = {d1 , d2 , . . . , dm } Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Reprezentacja wyrażeń nieprecyzyjnych Spójniki, modyfikatory, wyrażenia kwantyfikowane Lingwistyczne podsumowania baz danych Generator podsumowań Generator podsumowań Około połowy pracowników ma około 30 lat [0.61]. Znacznie wiecej ˛ niż 2000 pracowników ma wyższe wykształcenie [0.74]. Około połowy pracowników zarabia blisko 4000 [0.53]. Wielu pracowników ma wyższe wykształcenie i zarabia blisko 4000 [0.36] Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Znane opracowania Kacprzyk, Zadrożny 1995 – FQUERY for MS Access George, Srikanth 1996 – zastosowanie alg. genetycznych Kacprzyk, Strykowski 1996 – wspomaganie marketingu Ochelska 2001 – podsumowania dokumentów medycznych Kacprzyk, Zadrożny 2003 – protoformy, podsumowania interaktywne i przez internet Kacprzyk, Wilbik 2007 – podsumowania szeregów czasowych wiele innych Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Znane opracowania Kacprzyk, Zadrożny 1995 – FQUERY for MS Access George, Srikanth 1996 – zastosowanie alg. genetycznych Kacprzyk, Strykowski 1996 – wspomaganie marketingu Ochelska 2001 – podsumowania dokumentów medycznych Kacprzyk, Zadrożny 2003 – protoformy, podsumowania interaktywne i przez internet Kacprzyk, Wilbik 2007 – podsumowania szeregów czasowych wiele innych Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Znane opracowania Kacprzyk, Zadrożny 1995 – FQUERY for MS Access George, Srikanth 1996 – zastosowanie alg. genetycznych Kacprzyk, Strykowski 1996 – wspomaganie marketingu Ochelska 2001 – podsumowania dokumentów medycznych Kacprzyk, Zadrożny 2003 – protoformy, podsumowania interaktywne i przez internet Kacprzyk, Wilbik 2007 – podsumowania szeregów czasowych wiele innych Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Znane opracowania Kacprzyk, Zadrożny 1995 – FQUERY for MS Access George, Srikanth 1996 – zastosowanie alg. genetycznych Kacprzyk, Strykowski 1996 – wspomaganie marketingu Ochelska 2001 – podsumowania dokumentów medycznych Kacprzyk, Zadrożny 2003 – protoformy, podsumowania interaktywne i przez internet Kacprzyk, Wilbik 2007 – podsumowania szeregów czasowych wiele innych Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Znane opracowania Kacprzyk, Zadrożny 1995 – FQUERY for MS Access George, Srikanth 1996 – zastosowanie alg. genetycznych Kacprzyk, Strykowski 1996 – wspomaganie marketingu Ochelska 2001 – podsumowania dokumentów medycznych Kacprzyk, Zadrożny 2003 – protoformy, podsumowania interaktywne i przez internet Kacprzyk, Wilbik 2007 – podsumowania szeregów czasowych wiele innych Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Znane opracowania Kacprzyk, Zadrożny 1995 – FQUERY for MS Access George, Srikanth 1996 – zastosowanie alg. genetycznych Kacprzyk, Strykowski 1996 – wspomaganie marketingu Ochelska 2001 – podsumowania dokumentów medycznych Kacprzyk, Zadrożny 2003 – protoformy, podsumowania interaktywne i przez internet Kacprzyk, Wilbik 2007 – podsumowania szeregów czasowych wiele innych Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Prace bieżace ˛ Podsumowania danych rozmytych poprzez type-2 fuzzy sets Przyspieszone i/lub nowe algorytmy obliczania degrees of truth MVCP O (n) T1 ÷ T5 , T6 ÷ T11 , I, SP (·), descriptors Miary jakości podsumowań Gramatyka i fleksja podsumowań Interfejsy użytkownika i eksperta/-ów Adam Niewiadomski GD O (n log n) Jez. ˛ słowiańskie Wykresy JChart, format XML Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Prace bieżace ˛ Podsumowania danych rozmytych poprzez type-2 fuzzy sets Przyspieszone i/lub nowe algorytmy obliczania degrees of truth MVCP O (n) T1 ÷ T5 , T6 ÷ T11 , I, SP (·), descriptors Miary jakości podsumowań Gramatyka i fleksja podsumowań Interfejsy użytkownika i eksperta/-ów Adam Niewiadomski GD O (n log n) Jez. ˛ słowiańskie Wykresy JChart, format XML Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Prace bieżace ˛ Podsumowania danych rozmytych poprzez type-2 fuzzy sets Przyspieszone i/lub nowe algorytmy obliczania degrees of truth MVCP O (n) T1 ÷ T5 , T6 ÷ T11 , I, SP (·), descriptors Miary jakości podsumowań Gramatyka i fleksja podsumowań Interfejsy użytkownika i eksperta/-ów Adam Niewiadomski GD O (n log n) Jez. ˛ słowiańskie Wykresy JChart, format XML Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Prace bieżace ˛ Podsumowania danych rozmytych poprzez type-2 fuzzy sets Przyspieszone i/lub nowe algorytmy obliczania degrees of truth MVCP O (n) T1 ÷ T5 , T6 ÷ T11 , I, SP (·), descriptors Miary jakości podsumowań Gramatyka i fleksja podsumowań Interfejsy użytkownika i eksperta/-ów Adam Niewiadomski GD O (n log n) Jez. ˛ słowiańskie Wykresy JChart, format XML Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Prace bieżace ˛ Podsumowania danych rozmytych poprzez type-2 fuzzy sets Przyspieszone i/lub nowe algorytmy obliczania degrees of truth MVCP O (n) T1 ÷ T5 , T6 ÷ T11 , I, SP (·), descriptors Miary jakości podsumowań Gramatyka i fleksja podsumowań Interfejsy użytkownika i eksperta/-ów Adam Niewiadomski GD O (n log n) Jez. ˛ słowiańskie Wykresy JChart, format XML Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Możliwości, uogólnienia Nadal olbrzymi i niewykorzystany potencjał aplikacyjny Barwise’a i Coopera teoria uogólnionej kwantyfikacji (TGQ) – ponad 30 rodzajów kwantyfikatorów lingwistycznych (!) Rozszerzenia zbiorów rozmytych Przedziałowe zbiory rozmyte Intuicjonistyczne zbiory rozmyte oraz I-fuzzy sets Zbiory rozmyte typu 2 Zbiory przybliżone Pawlaka Nowe implementacje, w połaczeniu ˛ np. z Fuzzy SQL Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Możliwości, uogólnienia Nadal olbrzymi i niewykorzystany potencjał aplikacyjny Barwise’a i Coopera teoria uogólnionej kwantyfikacji (TGQ) – ponad 30 rodzajów kwantyfikatorów lingwistycznych (!) Rozszerzenia zbiorów rozmytych Przedziałowe zbiory rozmyte Intuicjonistyczne zbiory rozmyte oraz I-fuzzy sets Zbiory rozmyte typu 2 Zbiory przybliżone Pawlaka Nowe implementacje, w połaczeniu ˛ np. z Fuzzy SQL Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Możliwości, uogólnienia Nadal olbrzymi i niewykorzystany potencjał aplikacyjny Barwise’a i Coopera teoria uogólnionej kwantyfikacji (TGQ) – ponad 30 rodzajów kwantyfikatorów lingwistycznych (!) Rozszerzenia zbiorów rozmytych Przedziałowe zbiory rozmyte Intuicjonistyczne zbiory rozmyte oraz I-fuzzy sets Zbiory rozmyte typu 2 Zbiory przybliżone Pawlaka Nowe implementacje, w połaczeniu ˛ np. z Fuzzy SQL Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s Problematyka Zbiory rozmyte i terminy lingwistyczne Zastosowania podsumowań lingwistycznych Znane opracowania Prace bieżace ˛ Możliwości, uogólnienia Ostatnie publikacje Ostatnie publikacje Niewiadomski, A., On Finity, Countability, Cardinalities, And Cylindric Extensions of Type-2 Fuzzy Sets in Linguistic Summarization of Databases, IEEE Transactions on Fuzzy Systems, 2010, (w druku). Niewiadomski, A., Korczak, O., Methods of evaluating degrees of truth for linguistic summaries of data: a comparative analysis. Lecture Notes in Artificial Intelligence, 2010, (w druku). Niewiadomski, A., On type-2 fuzzy logic and linguistic summarization of databases, Bulletin of the Section of Logic, Vol. 38, Nr 3/4, 2009, ss. 215–227. Niewiadomski, A., Methods for the Linguistic Summarization of Data: Applications of Fuzzy Sets and Their Extensions. Akademicka Oficyna Wydawnicza EXIT, 2008. Seria IBS PAN, Badania Systemowe, tom 60. Niewiadomski, A., A type-2 fuzzy approach to linguistic summarization of data, IEEE Transactions on Fuzzy Systems, Vol. 16, Nr 1, 2008, ss. 198-212. Niewiadomski, A., Ochelska, J., Szczepaniak, P. S., Interval- valued linguistic summaries of databases, Control and Cybernetics, Vol. 35, Nr 2, 2006, ss. 415-444. Adam Niewiadomski Lingwistyczne podsumowania baz danych.Inteligentne generowanie s