Browsing by Author "Dyczkowski, Krzysztof. Promotor"
Now showing 1 - 2 of 2
Results Per Page
Sort Options
Item Wieloskalowe modelowanie systemów biologicznych: obliczeniowe podejście do badania zjawisk naturalnych od poziomu komórki po ekosystemy(2024) Kokosza, Andrzej; Dyczkowski, Krzysztof. PromotorBadanie zjawisk naturalnych za pomocą symulacji komputerowych oferuje szerokie możliwości ze względu na złożoność, dynamiczną naturę wzorców obserwowanych w tych procesach. Te zjawiska, począwszy od mechanizmów komórkowych, po szeroko zakrojone dynamiki ekologiczne kształtujące nasze środowisko, prezentują unikalne zachowania i wyzwania. Niniejsza praca doktorska prezentuje rozwój i walidację kilku modeli obliczeniowych symulujących procesy biologiczne na różnych skalach. Celem dysertacji jest po pierwsze wykazanie, że modele obliczeniowe mogą dokładnie odtwarzać i przewidywać złożone systemy biologiczne na różnych skalach; po drugie zilustrowanie konieczności zastosowania różnorodnych podejść do modelowania zjawisk biologicznych; oraz po trzecie, pokazanie, że modele matematyczne można wykorzystać do walidacji lub kwestionowania istniejących teorii biologicznych oraz identyfikacji obszarów wymagających dalszych badań. Przedstawiam trzy modele specyficznych zjawisk naturalnych, które zostały zwalidowane na podstawie danych empirycznych. Obejmują one dyskretny model formowania wzorca naczyniowego w Arabidopsis thaliana, ciągły model długodystansowego przesyłania sygnału w drzewach oraz zaawansowaną hybrydową symulację pożarów lasów. Wyniki potwierdziły postawione założenia oraz pozwoliły ocenić przydatność stosowanych paradygmatów modelowania w różnych scenariuszach. The study of natural phenomena gives rich opportunities for those interested in modelling and simulations. The challenge they present lies in the complexity and dynamic nature of such patterns. These processes, ranging from the cellular mechanisms to the environmental or ecological dynamics challenge our understanding and push the boundaries of traditional scientific disciplines. This thesis shows the development and validation of several computational models that simulate complex biological processes. The goal of this dissertation is first to demonstrate that computational models can accurately replicate and predict complex biological systems across different scales; second to illustrate the necessity of diverse modelling approaches to address distinct biological phenomena; and third, to illustrate that mathematical models can be utilized to validate or challenge existing biological theories and identify areas requiring further investigation. I present three models of specific natural phenomena validated against empirical data. These include a discrete model for vascular pattern formation in Arabidopsis thaliana, a continuous model of long-distance signalling in birch trees, and an advanced hybrid simulation of wildfires. The results supported the assumptions posed, Additionally, they allowed us to assess the applicability of modelling paradigms used in different scenarios.Item Zastosowanie teorii zbiorów rozmytych w klasyfikacji dominującej dyscypliny naukowej autorów w naukometrii(2024) Szymula, Łukasz; Dyczkowski, Krzysztof. Promotor; Kwiek, Marek. PromotorJednym z głównych zagadnień w naukometrii jest klasyfikacja dyscyplin naukowych autorów, co ma znaczący wpływ na ocenę ich dorobku naukowego. Tradycyjne metody, oparte na prostych algorytmach i ograniczonej interpretacji danych, często prowadzą do niejednoznaczności w klasyfikacji. W pracy zaproponowano zastosowanie teorii zbiorów rozmytych, stworzonej przez Lotfiego Zadeha, jako rozwiązanie tego problemu. Teoria ta pozwala na modelowanie nieprecyzyjności informacji i oferuje nowe perspektywy dla uzyskania jednoznacznej klasyfikacji dyscyplin w dużej skali. Głównym celem pracy jest zbadanie możliwości wykorzystania teorii zbiorów rozmytych do ulepszenia algorytmu klasyfikacji dominującej dyscypliny naukowej autorów posługując się wartością modalną. Przeprowadzone przeze mnie badania miały na celu nie tylko teoretyczne zrozumienie wpływu zastosowania tej teorii na klasyfikację, ale również praktyczne sprawdzenie skuteczności proponowanych modyfikacji na podstawie pełnej bibliometrycznej bazy danych Scopus udostępnionej w platformie ICSR Lab, Elsevier. Hipotezy badawcze skupiały się zarówno na możliwości zwiększenia jednoznaczności klasyfikacji poprzez identyfikację kluczowych pojęć z obszaru naukometrii, jak i na określeniu podobieństwa klasyfikacji uzyskanej przez zaproponowane modyfikacje z powszechnie stosowanym podejściem, które nie uwzględnia nieprecyzyjności informacji. W badaniu wykorzystano najpopularniejsze metody z teorii zbiorów rozmytych, dzięki którym usprawniono proces klasyfikacji dyscyplin naukowych autorów. Pierwsze zaproponowane rozwiązanie obejmowało wykorzystanie zmiennych lingwistycznych reprezentowanych przez trzy poziomy intensywności: niskie, średnie i wysokie. Kolejnym skutecznym rozwiązaniem okazało się zbudowanie sterowników rozmytych do tworzenia bardziej elastycznych reguł klasyfikacji. Ostatnie podejście obejmowało agregacje wartości rozmytych operatorami OWA. Dzięki tym trzem propozycjom, uzyskano bardziej jednoznaczną klasyfikację autorów w naukometrii. Wykorzystanie tej metody pozwoliło na poprawę jednoznacznej klasyfikacji z około 69% do ponad 95%. Dzięki zastosowanym modyfikacjom jednoznaczna klasyfikacja autorów wzrosłą zatem o ponad 37% w porównaniu do podejścia, które nie uwzględnia nieprecyzyjności informacji. Wyniki moich badań wskazują na znaczącą rolę stosowania teorii zbiorów rozmytych w naukometrii, co otwiera drogę do dalszych badań w obu dziedzinach. One of the main issues in Scientometrics is the classification of authors' scientific disciplines, which has a significant impact on the evaluation of their scientific output. Traditional methods, based on simple algorithms and limited interpretation of data, often lead to ambiguities in classification. This thesis proposes the use of fuzzy set theory, developed by Lotfi Zadeh, as a solution to this problem. This theory allows to model the imprecision of information and offers new perspectives for achieving unambiguous classification of disciplines on a large scale. The main purpose of the work is to explore the possibility of using fuzzy set theory to improve the classification algorithm of the authors' dominant scientific discipline using modal value. The study I conducted aimed not only to theoretically understand the impact of application of this theory on classification, but also to practically test the effectiveness of the proposed modifications on the basis of the full bibliometric database Scopus provided in the platform ICSR Lab, Elsevier. The research hypotheses focused both on the possibility of increasing the unambiguity of the classification by identifying key concepts from the field of Scientometrics, and on determining the similarity of the classification obtained by the proposed modifications with the commonly used approach that does not take into account imprecision of information. The study used the most popular methods from fuzzy set theory to improve classification process of the authors' scientific disciplines. The first proposed solution involved the use of linguistic variables represented by three levels of intensity: low, medium and high. Another effective solution was the construction of fuzzy controllers to create more flexible classification rules. The last approach involved aggregating fuzzy values with OWA operators. With these three proposals, a more unambiguous classification of authors in Scientometrics has been achieved. The use of this method improved the unambiguous classification from about 69% to over 95%. Thus, with the modifications used, the unambiguous classification of authors increased by more than 37% compared to an approach that does not take into consideration the imprecision of information. The results of my research indicate a significant role for the application of fuzzy set theory in Scientometrics, which opens the possibilities for further research in both fields.