Prejsť na obsah
dizertácie

Dovoľujeme si oznámiť, že dňa

7. 7. 2017 o 13.00 hod.

sa uskutoční na Fakulte informatiky a informačných technológií STU v Bratislave
Ilkovičova 2, v miestnosti 5.08 obhajoba dizertačnej práce

Ing. Marcela Kvassaya

Názov dizertačnej práce:
A Contribution towards the Discovery of Causal Relationships in Agent-Based Models of Human Behaviour
Príspevok k odhaľovaniu kauzálnych vzťahov v agentových modeloch ľudského správania

Odbor: 9.2.9. aplikovaná informatika

Školiteľ: doc. Ing. Ladislav Hluchý, CSc. - ÚI SAV, Bratislava

Oponenti dizertačnej práce:
prof. Ing. Štefan Kozák, PhD. - FEI STU v Bratislave
prof. Ing. Vladimír Kvasnička, DrSc. - FIIT STU v Bratislave

Abstrakt:

Cieľom tejto dizertácie je prispieť k odhaľovaniu a skúmaniu kauzálnych vzťahov pri vzniku emergentných javov v agentových modeloch ľudského správania. Na základe nelineárnej štrukturálnej kauzality bola sformulovaná nová analytická metóda, ktorá bola aj prakticky aplikovaná a zároveň experimentálne overená na konkrétnom modeli ľudského správania z projektu EUSAS. V závere práce sú jej hlavné princípy zovšeobecnené pre aplikáciu na iné systémy podobného typu. Metóda je založená na pojme kauzálneho rozkladu modelovej premennej, ktorý kvantifikuje podiel rôznych faktorov na jej číselnej hodnote. Na základe kvantifikácie a rozčlenenia ich účinku môžeme následne posúdiť ich relatívnu dôležitosť v kľúčových raných obdobiach, kedy sa skúmaný emergentný jav iba začína formovať. Navyše, kauzálne rozklady možno použiť aj na predikciu emergencie, pričom časový vývoj predikčnej presnosti ich zložiek indikuje hlbšie príčiny emergencie a tiež možnosti, ako ju dostať pod kontrolu.

The goal of this dissertation is to contribute towards the discovery and exploration of causal relationships leading to emergence in agent-based models of human behaviour. A new method based on nonlinear structural causality is formulated and then applied to, as well as evaluated on, a model of human behaviour used in project EUSAS. In the Conclusion its main principles are generalised for application to other similar systems. The method is based on the concept of a causal partition of a model variable which quantifies the contribution of various factors to its numerical value. Quantifying and separating their effects makes it possible to judge their relative importance in crucial early periods during which the emergent behaviour of the system begins to form. Moreover, causal partitions can be used as the predictors of emergence: the time evolution of the predictive accuracy of their components hints at the deeper causes of emergence and at the possibilities to bring it under control.

Autoreferát dizertačnej práce zaslaný do vedeckého časopisu Information Sciences and Technologies - Bulletin of ACM Slovakia

Dizertačná práca je k nahliadnutiu na Študijnom oddelení FIIT STU.