Обучающиеся агенты - независимость и способность к обучению и приспосабливанию к изменяющимся обстоятельствам.

Под «анализом данных» понимают действия, направленные на извлечение из них информации об исследуемом объекте и на получение по имеющимся данным новых данных. Интеллектуальный анализ данных (ИАД) — общий термин для обозначения анализа данных с активным использованием математических методов и алгоритмов.

В общем случае процесс ИАД состоит из трех стадий;

1. выявление закономерностей;

2. использование выявленных закономерностей для предсказания неизвестных значений;

3. анализ исключений для выявления и толкования аномалийв найденных закономерностях.

Иногда выделяют промежуточную стадию проверки достоверности найденных закономерностей.

Существующие системы ИАД подразделяют на исследо­вательские, ориентированные на специалистов и предназна­ченные для работы с новыми типами проблем; прикладные,рассчитанные на аналитиков, менеджеров, технологов и решающиетиповые задачи (в прикладных системах целесообразно реализовывать не методы, а типовые виды рассуждений, характерные для проблемной области).

Для проведения автоматического анализа данных, на­копленных предприятием в течение жизненного цикла, ис­пользуются технологии под общим названием Data Mining. Data Mining — это технология обнаружения я «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретаций знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Алгоритмы, используемые в Data Mining требуют большого количества вычислений, что ранее считалось сдерживающим фактором широкого практического их применения, однако рост производительности современных процессоров снял остроту этой проблемы.

Наибольшее распространение полу­чили следующие методы Data Mining: нейронные сети, деревья решений, алгоритмы кластеризации, алгоритмы обнаружения ассоциативных связей между событиями и т.д.

Деревья решений представляют собой иерархическую древовидную структуру классифицирующих правил типа «если-то». Для отнесения некоторого объекта или ситуации к какому-либо классу следует ответить на вопросы. При положительном ответе осуществляется переход в правому узлу следующего уровня дерева,
отрицательном — к левому узлу.

приоритет по­степенно смещается в сторону логических алгоритмов поиска в данных «если — то» правил. Результаты таких алгоритмов эффективны и легко интерпретируются. Главная проблема метода - проблема перебора вариантов за приемлимое время.

В основе концепции ОLАР лежит принцип многомерного представления данных. правила, кото­рым должен удовлетворять программный продукт класса ОLАР:

1. Многомерное концеп­туальное представле­ние данных; 2.Прозрачность; 3.Доступность; 4.Устойчивая производительность; 5.Клиент-серверная архитектура; 6.Равноправие измерений; 7.Поддержка многопользовательского режима; 8.Гибкий механизм генерации отчетов и др.;

Достоинства использования многомерных БД в сис­темах оперативной аналитической обработки:

• поиск и выборка данных осуществляются значительно быстрее.

•простота включения в информационную модель разно­образных встроенных функций.

Управление знаниями - систематическое приобретение, синтез, обмен и использование опыта для достижения успеха в бизнесе или в управлении компанией.

выделяют два типа знаний:

Явные знания— знания, представленные в компании в виде должностных инструкций, регламентов и положений о деятельности подразделений, корпоративные учебные пособия и другое.

Неявные знания — знания, носителем которых является человек (продукт личного опыта), их нельзя увидеть, сложно задокументировать, передать их можно только посредством личного и непосредственного общения. Они могут содержаться в корпоративном хранилище данных, для извлечения которых используются технологии искусственного интеллекта и статистики.

Управлять знаниями так, как управляют, например, фи­нансовыми ресурсами, нельзя, но можно управлять взаимо­действиями явных и неявных знаний, способствовать их об­мену на уровне групп, индивидуальном и корпоративном уровнях, управлять переходом знаний из одной формы в дру­гую. Процедуры взаимодействия могут быть реализованы в портале управления знаниями.

Портал управления знаниями — это корпоративный информационный портал для управления взаимодействием на уровне знаний сотрудников организации, рабочих групп собственно организации.

Система управления содержимым/контентом - программный комплекс, который позволяет управлять электронным контентом.

Системы бизнес-интеллекта (Business Intelegence) – класс информационных систем, которые позволяют преобразовывать разрозненные и необработанные данные операционной деятельности предприятия в структурированную инфу и знания, используемые для принятия управленческих решений.

По оценкам агентства IDС рынок Business Intelegence состоит из 5 секторов:

1. OLAP-продукты

2. Инструменты добычи данных

3. Средства построения Хранилищ и Витрин данных

4. Управленческие информационные системы и приложения

5. Инструменты конечного пользователя для выполнения запросов и построения отчетов.

Как правило, функции BI включают поддержку принятия решений, запросы и отчетность, аналитическую обработку оnline, статистический анализ, прогнозирование и количественный анализ.

Потенциальными потребителями BI-систем являются телекоммуникационные компании, банки, промышленные предприятия и сфера торговли, государственные управленческие структуры; крупные компании и холдинги, отрасли энергетики, нефтехимии и др.

Потребность в системах искусственного интеллекта возникает по мере достижения предприятием достаточно высокой культуры управления.

Понятие и назначение экспертной системы (ЭС). Примеры применения в экономике.

Экспертная система— система ис­кусственного интеллекта, включающая знания об опреде ленной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения.

ЭС предназначена для решения неформализованных задач, к которым относят задачи, обладающие одной или несколькими из следующих характеристик: -исходные данные не могут быть заданы в числовой форме; -цели не могут быть выражены в терминах точно определенной целевой функции; -не существует алгоритмического решения задач; -алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память).

Классификация ЭС.

Классификация ЭС: -по назначению: общего пользования и специализированные; -по степени зависимости от внешней среды: статические и динамические; -по типу использования: изолированные, ЭС на входе/выходе других систем и гибридные; -по стадии создания: исследовательские образцы(разработанные за 1-2 месяца с минимальной БЗ); демонстрационные(разработанные за 2-4 месяца на языке типа LISP, PROLOG, CLIPS и др.); промышленные(разработанные за 4-8 месяцев на языке типа CLIPS с полной БЗ); коммерческие(разработанные за 1,5-2 года на языке типа C++, Java с полной БЗ).

Структура ЭС.

Полностью оформленная статическая экспертная система имеет 6 компонентов: база знаний, машина логического вывода; компонент приобретения знаний, объяснительный и диалоговый компоненты; база данных. База знаний-содержит факты и правила. Правила представляют более долговременную информацию о том, как порождать новые факты или гипотезы из того, что сейчас известно. Подсистема логического вывода, используя исходные данные из рабочей памяти и базы знаний, формирует последовательность правил, которая приводит к решению задачи. Компонент приобретения знаний автоматизирует процесс наполнения ЭС знаниями, источником которых является эксперт (группа экспертов). Объяснительный компонент разъясняет пользователю, как система получила решение задачи (или почему она не получила решение) и какие знания при этом использовала. Диалоговый компонент ориентирован на организацию дружественного общения с пользователем в ходе решения задач. База данных предназначена для хранения исходных и промежуточных данных решаемой в текущий момент задачи. Статические ЭС используют в приложениях, где можно не учитывать изменения, происходящие в окружающем мире, в архитектуру ЭС вводятся 2 компонента: подсистема моделирования внешнего мира и подсистема связи с внешним окружением.

Режимы работы ЭС.

ЭС может работать в 2 режимах: приобретения знаний и решения задачи (режим консультации или режим использования). В режиме приобретения знаний общение с ЭС осуществляет эксперт, который, используя компонент приобретения знаний, наполняет систему информацией, позволяющей ЭС в режиме консультации самостоятельно решать задачи из проблемной области. Эксперт описывает проблемную область в виде совокупности правил и процедур. В режиме консультации общение с ЭС осуществляет конечный пользователь, которого интересует результат или способ его получения.

Не нашли, что искали? Воспользуйтесь поиском по сайту: