17. Технологии поддержки принятия решений руководства (ess – Executive Support Systems). Технологии интеллектуальной обработки данных, характеристика и основные направления.

На высшем, стратегическом уровне структуры управления используются системы, ориентированные в основном на работу с внешними, по отношению к предприятию, данными.

Для них характерна нечеткость, неполнота и противоречивость.

Например, информация о конкурентах, ситуациях на рынке, перспективах изменения цен на продукцию, энергоносители, изменение таможенных тарифов и т.д.

BI-технологии (Business Intelligence):

• Data Mining (DM: технологии интеллектуального анализа данных)

• нейротехнологии.

• технологии обработки нечеткой информации;

Экспертные системы (системы обработки знаний).

18. BI-технологии (Business Intelligence): нейротехнологии

• Data Mining (DM: технологии интеллектуального анализа данных)

• нейротехнологии.

• технологии обработки нечеткой информации.

Нейросети - предназначенны для воспроизведения неосознанных мыслительных усилий человека в форме нейросетей

•Нейросетевые технологии используются для распознавания каких-либо событий или предметов.

•Нейронные сети в искусственном интеллекте – это упрощенные модели биологических нейронных сетей.

Иску́сственные нейро́нные се́ти (ИНС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.

ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Каждый процессор подобной сети имеет дело с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам.

Нейронные сети не программируются в привычном смысле этого слова, они «обучаются».

Технически обучение заключается в нахождении коэффициентов связей между нейронами (синаптических весов).

В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке.

Применение нейросетей предполагает выполнение следующих этапов:

Постановка задачи: формирование цели применения нейросети (например, прогнозирование курса ценных бумаг).

Обучение нейросети: подготовка обучающих примеров, которые представляют собой уже известные результаты решения задачи без нейросети и предъявление их ей.

Эксплуатация сети: сети предъявляется некоторая ситуация, которая либо распознается, либо нет.

Основные сферы применения нейросетей:

Экономика и бизнес: предсказание поведения рынков, предсказание банкротств, оценка стоимости недвижимости, оценка кредитоспособности, прогнозирование курса валют.

Медицина: обработка медицинских изображений, диагностика.

Автоматизация производства: оптимизация режимов производственного процесса, диагностика качества продукции, предупреждение аварийной ситуации.

Политические технологии: обобщение социологических опросов.

Безопасность и охранные системы: системы идентификации личности, распознавание автомобильных номеров.

Геологоразведка: анализ сейсмических данных, оценка ресурсов месторождений.