26. Принципы построения систем, ориентированных на анализ данных. Хранилища данных (30).

1. Хранилища данных позволяют разгрузить оперативные базы данных, и тем самым, позволяют пользователям более эффективно и быстро извлекать необходимую информацию.

2. Они могут быть включены в общую корпоративную сеть, по которой в хранилище по заранее определенному расписанию, как правило, в период наименьшей загрузки сети и серверов копируется накопленная за день или за неделю информация.

3. Поскольку данные меняются редко, то к хранилищу данных не предъявляются жесткие требования, которые обычно предъявляются к обычным базам данных - отсутствие аномалий при выполнении операций обновления или удаления и избыточности хранения информации.

4. Проектирование хранилища данных является весьма сложной задачей.

5. Основная идея хранилища:

   1. Предметно-ориентированная структура,

   2. Интегрированное (агрегированное) представление данных,

   3. Хронологическая последовательность данных,

   4. Логическая структура данных ориентирована на процессы принятия решений.

27. Определение, предназначение и примеры экспертных систем (30).

Экспертные системы - это яркое и быстро прогрессирующее направление в области искусственного интеллекта.Искусственный интеллект – самое молодое научное направление. Появление его было подготовлено развитием мощности вычислительных машин. Искусственный интеллект занимает исключительное положение. если раньше производство ориентировалось на обязательное участие человека, то в настоящее время находят применение безлюдные технологии, основанные на роботизации и автоматизации системы управления.Интеллектуальные системы в настоящее время начинают занимать ведущее положение в проектировании образцов изделий. Часть изделий невозможно спроектировать без их участия. Системы, относящиеся к системам искусственного интеллекта в настоящее время: экспертные системы. Первые системы, которые нашли широкое применение. Их элементы используются в системах проектирования, диагностики, управления и играх. Основаны на вводе знаний высококвалифицированных специалистов (экспертов) в ЭВМ и разработке специальной системы по их использованию.Экспертная система - это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. Экспертная система, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы экспертных систем, определённым образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы. Экспертные системы выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом.Главное достоинство экспертных систем - возможность накапливать знания, сохранять их длительное время, обновлять и тем самым обеспечивать относительную независимость конкретной организации от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения. Практическое применение искусственного интеллекта на машиностроительных предприятиях и в экономике основано на экспертных системах, позволяющих повысить качество и сохранить время принятия решений, а также способствующих росту эффективности работы и повышению квалификации специалистов.

Примеры экспертных систем:

1. S&PCBRS была разработана для решения следующих задач: оценка рейтинга ценных бумаг по данным о фирмах эмитентах; формирование корректной рейтинговой шкалы. Экспертная система имеет следующие характеристики: представление задачи оценки рейтинга как задачи классификации; отбор данных о фирмах эмитентах и формирование обучающего материала; выбор нейроклассификатора, его обучение и тестирование; сравнение с оценками экспертов; использование нейросетевой парадигмы

2. MIXER. Экспертная система оказывает помощь программистам в написании микропрограмм

28. Что пытаются создать нейронные сети? Ключевая характеристика нейронных сетей. Как они работают? Какие нейросетевые программы Вы знаете? (30).

Искусственные нейронные сети (ИНС) – это программно или аппаратно реализованные системы, построенные по принципу организации и функционирования их биологического аналога – нервной системы человека.

В процессе функционирования нейронной сети, в ней осуществляется преобразование информации, в результате которого входной вектор преобразуется в выходной.

Конкретный вид выполняемого сетью преобразования данных определяется:

• характеристиками составляющих ее нейронов,

• особенностями архитектуры – топологией межнейронных связей,

• выбором подмножеств нейронов для ввода и вывода данных,

• способами обучения сети,

• наличием или отсутствием конкуренции между нейронами,

• направлением и способами управления передачи данных

В практике искусственных нейронных сетей сложились два основных метода обучения:

• с учителем,

• без учителя.

При обучении с учителем предполагается, что помимо входных сигналов, известны также и ожидаемые выходные сигналы. Иными словами, нейрон каждый раз получает информацию о том, какой выходной сигнал от него ожидают. При обучении без учителя ожидаемые выходные сигналы неизвестны, подбор весовых коэффициентов осуществляется на основе конкуренции нейронов, либо корреляции обучающих и выходных сигналов.

29. Генетические алгоритмы. Какие программные продукты, использующие генетические алгоритмы Вы знаете? (30).

Генетические алгоритмы это компьютерная модель эволюции популяции искусственных «особей», ключевыми операторами которой являются селекция, скрещивание и мутация.

Генетические алгоритмы предназначены для решения задач оптимизации. К подобным задачам можно отнести, например, бизнес-планирование. В процессе разработки бизнес-плана возникает большое число альтернатив: многочисленные условия получения кредита в различных банках, различные схемы закупок и реализации, варианты приобретения оборудования у различных поставщиков и т.д.