
- •11.Классификация информационных систем.
- •12.Структура и схема функционирования функционально-позадачных информационных систем.
- •35.Типовые информационные технологии, используемые на оперативном уровне управления.
- •36. Типовые информационные технологии, используемые на тактическом уровне управления.
- •37. Типовые информационные технологии, используемые на стратегическом уровне управления.
- •53.Поиск информационных ресурсов в Интернете.
- •54.Классификация и кодирование информационных ресурсов.
- •55.Электронный документооборот.
- •56.Собственные внутримашинные информационные ресурсы предприятия.
- •59.Схемы циркуляции данных в централизованных базах данных, их применение в экономической сфере.
- •60.Схемы циркуляции данных в распределенных базах данных, их применение в экономической сфере.
- •61.Схемы доступа к данным на основе архитектур файл-сервер и клиент-сервер.
- •62.Хранилища данных и их применение для решения аналитических задач с помощью аналитических измерений.
- •66.Семантические сети в решении экономических задач.
- •67.Дерево вывода в решении экономических задач.
- •68.Фреймы в решении экономических задач.
- •69.Дерево целей в решении экономических задач.
- •70.Нечеткие множества в решении экономических задач.
70.Нечеткие множества в решении экономических задач.
Знания также как и данные являются информационным ресурсом и хранятся в компьютере в соответствии с разработанной моделью. База знаний – это знания человека (эксперта, специалиста), помещенные в память компьютера в соответствии с некоторой моделью. Модель - это правила или соглашения, выполнение которых позволяет представить нечто в памяти компьютера в том виде, которая позволяет использовать формальные (программные) средства для их обработки (получение новых знаний). Существуют различные модели представления баз знаний, среди которых наиболее популярными являются: *деревья вывода; *семантические сети (ассоциативные сети), *деревья целей; *нечеткие множества; *фреймы. В процессе создания моделей баз знаний специалисты сталкиваются с проблемой отражения и использования нечеткой, то есть неопределенной информации. Задачи, решаемые человеком, в большинстве случаев опираются именно на нечеткие, размытые и неопределенные знания о процессах или событиях. Знания человека в большинстве случаев нечеткие. Он оперирует такими понятиями как высокий, низкий, горячее, холодное, бедный, богатый и т.д. в повседневной производственной практике и быту. Для того чтобы такого рода знания можно было использовать для формирования решений, в 1965 году Л.Заде предложил теорию нечетких множеств. В основе данной теории лежит понятие функции принадлежности, которая указывает степень принадлежности какого-либо элемента некоторому множеству элементов. Данная функция является субъективной и строится на основании знаний, опыта или ощущений некоторого субъекта к какому-либо объекту, процессу, явлению и т.д. Но принадлежность элементов может характеризоваться и приблизительно, например: *более или менее принадлежит; *скорее принадлежит; *возможно принадлежит и т.д. Функция принадлежности нечёткого множества — обобщение индикаторной функции классического множества. В нечёткой логике она представляет степень принадлежности каждого члена к данному нечёткому множеству. Степени принадлежности часто смешивают с вероятностями, хотя они принципиально отличны. Как правило, функции принадлежности иллюстрируются графически. Для того чтобы функцию принадлежности можно было использовать в практических расчетах, вводятся операции пересечения и объединения нечетких множеств. Операция пересечения нечетких множеств соответствует нахождению минимума значений их функций принадлежности.