Interpretation-aware Cognitive Map construction for time series modeling

Agnieszka Jastrzębska , Aleksander Cisłak

Abstract

We raise a few issues regarding time series modeling using Cognitive Maps, which is an example of a qualitative rather than a purely quantitative approach. Methods that operate at the level of concepts instead of numerical values are a worthy alternative for time series processing thanks to certain desirable properties such as abstraction and ease of interpretation. Those features are unavailable in classical time series modeling algorithms, where the main concern is numerical accuracy of a prediction expressed as a series of numerical values. In this work, we argue that it is desirable for Cognitive Map-based models to be simplified, ideally to the point where their descriptiveness and numerical accuracy is not compromised. In particular, we show experimentally that both the size of the map and the size of the set of possible weight values can be minimized without increasing the error rate.
Author Agnieszka Jastrzębska (FMIS / DSMKP)
Agnieszka Jastrzębska,,
- Department of Structural Methods for Knowledge Processing
, Aleksander Cisłak (FMIS / DSMKP)
Aleksander Cisłak,,
- Department of Structural Methods for Knowledge Processing
Journal seriesFuzzy Sets and Systems, ISSN 0165-0114
Issue year2019
Vol361
Pages33-55
Publication size in sheets1.1
Keywords in Polishmapa poznawcza, mapa rozmyta, interpretacja, modelowanie, szereg czasowy
Keywords in EnglishCognitive Map, Crisp, Fuzzy, Interpretation, Modeling, Time series
ASJC Classification1702 Artificial Intelligence; 2609 Logic
Abstract in PolishW pracy przedstawiono właściwości modelowania szeregów czasowych za pomocą map poznawczych. Uwaga skupiona została na aspekcie jakościowym. Mapy poznawcze wyróżniają się na tle innych podejść do modelowania szeregów czasowych tym, że są budowane w oparciu o abstrakcyjne pojęcia. Pojęcia odpowiadają poziomom modelowanego zjawiska i można im przypisać etykietę w języku naturalnym. Dzięki temu, interpretacja modelu jest łatwa. W pracy przedstawiono uproszczony model map poznawczych, w którym zależności są opisane wartościami ze zbioru -1,0,1. Omówione zostały również warianty
DOIDOI:10.1016/j.fss.2018.05.013
URL https://www.sciencedirect.com/science/article/pii/S0165011418302896
Languageen angielski
Score (nominal)140
Score sourcejournalList
ScoreMinisterial score = 140.0, 30-06-2020, ArticleFromJournal
Publication indicators Scopus Citations = 4; WoS Citations = 1; Scopus SNIP (Source Normalised Impact per Paper): 2018 = 1.885; WoS Impact Factor: 2018 = 2.907 (2) - 2018=2.997 (5)
Citation count*
Cite
Share Share

Get link to the record


* presented citation count is obtained through Internet information analysis and it is close to the number calculated by the Publish or Perish system.
Back
Confirmation
Are you sure?