- •Н. М. Абдикеев проектирование интеллектуальных систем в экономике
- •Раздел IV. Прикладные интеллектуальные системы в экономике Глава 10 Интеллектуальная система планирования производства.
- •Глава 11. Динамическая интеллектуальная система оперативно-диспетчерского управления предприятием.
- •Глава 12. Информационно-аналитические системы управления маркетингом
- •Глава 13. Информационно-аналитическая система поддержки банковских решений.
- •Глава 14. Экспертная система риск-менеджмента.
- •Раздел I. Тенденции развития информационных систем в экономике.
- •Глава 1. Информационные системы при интегрированном автоматизированном управлении экономическими объектами.
- •Классификация информационных систем.
- •Области применения информационных систем в экономике.
- •Интегрированное автоматизированное производство, планирование и управление.
- •Интегрированные экономические информационные системы.
- •Глава 2. Тенденции развития информационных систем поддержки решений.
- •2.1. Направления развития информационных систем.
- •Основные технологические тенденции.
- •Технологии сетевых вычислений.
- •2.2. Моделирование и анализ ситуаций.
- •Моделирование и анализ ситуаций принятия решений.
- •2.3. Процесс подготовки и принятия решений.
- •2.4. Новая технология решения задач управления.
- •Глава 3. Интеллектуальные системы на основе инженерии знаний и искусственного интеллекта.
- •3.1. Организация работы с данными и знаниями. Инженерия знаний.
- •Данные. Источники данных.
- •Структура данных и системы управления базами данных.
- •Хранилище данных.
- •Olap: оперативная аналитическая обработка данных.
- •Интеллектуальный анализ данных.
- •Интеллектуальные базы данных.
- •Знания в искусственном интеллекте. База знаний.
- •Система управления базой знаний
- •Обработка знаний.
- •Инженерия знаний.
- •3.2. Развитие исследований в области искусственного интеллекта.
- •3.3. Теория и практика искусственного интеллекта.
- •3.4. Интеллектуальные информационные системы поддержки решений.
- •Раздел II. Модели и методы интеллектуальных систем.
- •Глава 4. Экспертные системы – системы, базирующиеся на знаниях.
- •4.1. Экспертные системы – основная разновидность интеллектуальных систем.
- •4.2.Функциональные возможности и характеристика эс.
- •4.3. Области применения экспертных систем.
- •4.4. Стратегические и динамические эс.
- •Глава 5. Представление знаний в интеллектуальных системах.
- •5.1. Проблемы представления и моделирования знаний.
- •5.2. Представление знаний на основе фреймов и семантических сетей.
- •5.2.1. Фреймы.
- •5.2.2. Семантические сети.
- •5.3. Продукционные и логические модели представления знаний.
- •5.3.1. Продукционные модели.
- •5.3.2. Логические модели представления знаний Исчисление предикатов
- •Вывод на предикатах.
- •Процесс стандартизации.
- •5.4. Представление и формализация нечетких знаний.
- •Основные определения нечетких множеств.
- •Операции с нечеткими множествами.
- •Нечеткие отношения.
- •Нечеткая и лингвистическая переменные.
- •Нечеткие числа и функции
- •Лингвистические критерии и отношения предпочтения.
- •Нейронные сети.
- •От биологических сетей к инс
- •Биологические нейронные сети
- •Основные понятия
- •Обучение
- •Глава 6. Обработка знаний и вывод решений в интеллектуальных системах.
- •6.1. Методы вывода и поиска решений в продукционных системах. Методы вывода на основе прямой и обратной цепочек.
- •Общие методы поиска решений в пространстве состояний.
- •Методы поиска решений в больших пространствах состояний.
- •6.2. Выводы на фреймах и в семантических сетях.
- •6.2.1. Вывод на фреймах. Структура данных фрейма.
- •Процедуры – демоны и присоединенные процедуры (методы или служебные).
- •Взаимодействие фреймов и правил.
- •Вывод во фреймовой системе.
- •6.2.2. Вывод в семантических сетях.
- •Структурирование знаний в семантической сети.
- •Процедурные семантические сети.
- •Вывод в семантических сетях.
- •6.3. Дедуктивные методы поиска решений.
- •6.4. Поиск решений в условиях неопределенности. Неопределенность.
- •6.4.1. Вероятностный вывод. Вероятностный подход.
- •Байесовский вывод.
- •Вывод на основе теории Демпстера-Шафера.
- •6.4.2. Вывод на основе теории уверенности. Коэффициент уверенности и доверие.
- •Объединение коэффициентов уверенности.
- •6.4.3. Нечеткая логика и приближенные рассуждения.
- •Приближенные рассуждения.
- •Композиционное правило вывода.
- •6.5. Вывод в нейронных сетях. Обработка информации в нейронных сетях.
- •Обучение инс и обучающие алгоритмы.
- •Архитектура многослойной сети прямого распространения.
- •2. Самоорганизующиеся карты Кохонена.
- •3. Модели теории адаптивного резонанса.
- •Сеть Хопфилда.
- •Ассоциативная память
- •Раздел III. Проектирование интеллектуальных систем.
- •Глава 7. Разработка и проектирование интеллектуальных систем.
- •7.1. Этапы проектирования интеллектуальных систем.
- •7.2. Анализ предметной области и методы приобретения знаний. Предметная и проблемная области.
- •Выявление источников знаний.
- •7.3. Работа с экспертами и проблема извлечения знаний.
- •7.4. Автоматизация извлечения знаний и формирования модели.
- •Краткая характеристика проблемной области.
- •Характеристика интеллектуальной системы прогнозирования.
- •Концептуальная модель (км) производства.
- •Глава 8. Архитектура интеллектуальных систем.
- •8.1. Структура интеллектуальной системы.
- •8.2. Проектирование базы знаний.
- •Понятие знания в контексте исследуемой проблемной области.
- •Оценка пространства поиска решений.
- •Выбор способа представления знаний.
- •Структура бз и взаимодействие с другими компонентами ис.
- •8.3. Разработка механизма вывода решений.
- •8.4. Объяснение и обоснование решений.
- •8.5. Интеллектуальный интерфейс.
- •Виды интерфейса.
- •Графика.
- •Мультимедиа и гипермедиа.
- •Виртуальная реальность.
- •Естественный язык.
- •Глава 9. Инструментальные средства проектирования интеллектуальных систем.
- •9.1. Анализ традиционных языков программирования и представления знаний.
- •9.1.1. Специализированный язык lisp.
- •9.1.2 Фрейм – ориентированный язык frl.
- •9.1.3 Язык логического программирования prolog.
- •9.1.4. Продукционный язык ops.
- •9.2. Современные программные средства построения интеллектуальных систем.
- •9.2.1. Объектно-ориентированный язык Visual Basic.
- •Возможности языка Visual Basic для создания эс.
- •9.2.2. Язык логического программирования Visual Prolog.
- •9.2.3. Интегрированная инструментальная среда guru.
- •9.2.4. Интегрированная инструментальная среда g2 для создания интеллектуальных систем реального времени.
- •Использование мощности объектно-ориентированного программирования
- •Работа в Реальном времени
- •Динамическое моделирование и моделирование для анализа " что- если "
- •Раздел IV. Прикладные интеллектуальные системы в экономике.
- •Глава 10. Интеллектуальная система планирования производства.
- •10.1 Производственная программа предприятия и календарное планирование.
- •10.2 Исследование предметной области и системы управления производством. Характеристика объекта управления нефтеперерабатывающего производства
- •Технология плановых расчетов.
- •Интегрированное автоматизированное управление производством.
- •10.3. Специфика функционирования и архитектура интеллектуальной системы планирования и управления производством.
- •10.4. Имитационное моделирование процесса расчета плана. Формализация задачи планирования нефтеперерабатывающего производства на основе имитационного моделирования.
- •Принципы реализации имитационной модели планирования нефтеперерабатывающего производства
- •2. Для каждой стадии определяется расчетная схема, в виде совокупности отношений, определяющих расчет производственной программы установок входящих в данную стадию.
- •10.5. Учет неопределенности в системе.
- •Процедуры принятия решений при планировании производства во взаимодействии с имитационной моделью планирования в эис
- •Глава 11. Динамическая интеллектуальная система оперативно – диспетчерского управления предприятием.
- •11.1. Оперативно – диспетчерское управление предприятием
- •11.2 Функционирование интеллектуальной системы диспетчерского управления в составе исуп в реальном времени.
- •3) Рекомендации пользователю по действиям в сложившейся производственной ситуации.
- •11.3 Представление знаний и вывод решений в системе. Фреймово – продукционная модель представления заданий в иис.
- •Механизм вывода решений и рекомендаций в иис.
- •11.5 Имитационная прогнозирующая модель для оперативных интервалов времени
- •11.5.1 Принципы построения имитационной прогнозирующей модели.
- •11.5.2 Построение имитационной модели производства на базе Сети Петри.
- •11.5.3 Моделирование неопределенности ситуаций в имитационной прогнозирующей модели
- •11.5.4 Процедуры принятия решений при диспетчерском управлении во взаимодействии с имитационной прогнозирующей моделью иис.
- •Глава 12. Информационно-аналитические системы поддержки решений в маркетинге.
- •12.1. Процесс управления маркетингом.
- •12.2. Информационно – аналитические системы поддержки маркетинговых решений.
- •Типы структур управления торговыми сетями.
- •Классификация каналов связи.
- •Системы crm.
- •12.4 Интернет – маркетинг и электронная коммерция.
- •Глава 13. Информационно-аналитическая система поддержки банковских решений.
- •13.1. Анализ предметной области.
- •Система управления кредитными операциями
- •13.2. Система оценки кредитоспособности заемщика.
- •Анализ финансового состояния заемщика.
- •Система финансовых коэффициентов (рейтинг заемщика).
- •Ликвидные средства 2-го класса
- •Ликвидные средства 3-го класса
- •Объем и структура долговых обязательств
- •Рейтинг заемщика
- •Моделирование бизнес-процессов в системе.
- •Визуальное моделирование.
- •Предоставление вариантов использования.
- •Логическое представление
- •Регистрация нового клиента
- •Анализ финансового состояния заемщика
- •13.4. Архитектура системы и характеристика функциональных блоков.
- •Подсистема анализа залоговых средств
- •Подсистема учета кредитной истории
9.2.3. Интегрированная инструментальная среда guru.
В инструментальной среде построения ЭС GURU, разработанной фирмой Micro Data Base Systems, Inc., методы экспертных систем сочетаются с такими средствами обработки данных, как составление электронных ведомостей, управление базой данных и деловой графикой, и таким образом формируется уникальная среда для поддержки принятия решений и разработки прикладных интеллектуальных систем [100].
Система GURU легка в употреблении для новичков и в то же время является достаточно эффективной и гибкой системой для профессионалов - разработчиков.
В обычных «интегрированных» программных продуктах или несколько отдельных программ помещены в операционную среду, или несколько, второстепенных компонентов вкладываются в главный компонент (как, например, программа обработки электронных ведомостей или текстовый редактор). Трудности, с которыми сталкиваются при таких стилях «интеграции», хорошо известны. Первая трудность заключается в том, что пользователь вынужден переходить назад и вперед по отдельным программам и передавать данные между ними. Метод вложений заставляет пользователя выполнить всю обработку в пределах главного компонента, и в результате получаются относительно слабые вторичные компоненты.
Метод Интеграции, используемый в системе GURU, совершенно отличается от вышеупомянутых. Он основывается на принципе синергизма. При этом под «синергизмом» здесь понимается следующее. В системе GURU все средства всегда доступны. Многочисленные компоненты можно соединять по желанию в пределах одной операции, а это характеризует систему как гибкую и удобную в использовании. Например:
в посылке любого правила ЭС можно делать прямые ссылки на поля базы данных, на ячейки электронных ведомостей, на статические переменные, на программные переменные и массивы;
вывод любого правила ЭС может включать в себя операции управления базой данных, запросы на языке SQL (языке структурированных запросов), операции обработки электронных ведомостей, генерацию статистических данных, дистанционную передачу данных, выполнение процедур, генерацию деловой графики
поскольку ЭС обосновывает задачу, она может брать консультации у других ЭС, выполнять процедурные модели, просматривать базы данных, составлять электронные ведомости или проводить статистический анализ;
любую ячейку электронной ведомости можно определить в терминах поиска в базе данных или в терминах всей программы, или в терминах консультации с ЭС.
Взаимодействовать с системой можно любым из четырех различных способов: с помощью меню: на ограниченном естественном языке, в режиме команд или через специально разработанные интерфейсы. Каждый тип интерфейса системы GURU предназначен для удовлетворения потребностей и вкусов различных классов пользователей. Всеми четырьмя интерфейсами можно пользоваться во время одного и того же сеанса взаимодействия с системой GURU.
Как и в большинстве оболочек, в GURU используется продукционная модель представления знаний в виде совокупности «If-then» правил с обратной стратегией вывода в качестве основной имеется возможность моделирования нечетких и неточных рассуждений. Кроме посылок и заключения в правила можно включать команды, которые будут выполняться перед проверкой условия, а также пояснительный текст для генерации объяснений. Правила также включают необязательные параметры цены и приоритета, позволяющие управлять процессом выбора из совокупности, готовых, к выполнению правил очередного. С каждым правилом можно также связать число, определяющее, сколько раз это правило может выполняться в процессе консультации.
Правила, относящиеся к решению некоторой общей задачи, образуют базу знаний, или набор правил. В этот набор кроме: собственно правил включаются две специальные процедуры: инициализация и завершение, которые должны выполняться до и после выполнения правил. В набор правил также включаются описания переменных, участвующих в правилах, содержащие спецификации типа, точности и т. п.
По умолчанию в GURU принята стратегия обратного вывода, однако, можно использовать чисто прямой вывод, а также комбинировать его с обратным в рамках одного набора правил. Как стратегиями вывода, так и целевыми переменными можно управлять динамически в процессе консультации.
GURU обеспечивает мощные средства управления обработкой факторов уверенности, отражающих степень неточности и нечеткости выраженных в правилах эвристических знаний. Для предоставления такой нечеткости в GURU с каждым значением переменной может быть связан числовой коэффициент от 0 до 100. Система предоставляет разработчику выбор более чем из 30 различных формул, позволяющих управлять обработкой факторов уверенности во время вывода.
Полезными являются такие дополнительные средства управления логическим выводом, как установка степени «точности» вывода значения для некоторой переменной, изменение принятого по умолчанию порядка просмотра правил.
Эффективность машины логического вывода во многом зависит от того, как она осуществляет поиск в наборе правил, когда ищет правила, которые можно выполнять. В отличие от традиционного программного обеспечения, использующего принципы искусственного интеллекта, система GURU предоставляет расширенные средства управления настройкой, в частности поддерживает до 50 различных стратегий поиска. Эффективность также зависит от количества и состава правил в наборе правил. Поскольку система GURU предоставляет разнообразные возможности создания наборов правил, то можно значительно сократить количество правил, необходимых для охвата всех знаний и опыта в конкретной проблемной области. Это приводит к ускорению процесса получения логических выводов, а также к упрощению управления этими правилами.
Интегрированная система GURU пытается превратить потенциальные преимущества ЭС в реальность, облегчить пользователю процесс создания ЭС, сделать его прямым, эффективным и естественным.
