22.Организация данных в кс. Корпо­ративные базы даны. Требования. Масштабируемость. Хранилища данных.

Под БД понимается совокупность хранящихся вместе данных при наличии такой минимальной избыточности, которая допускает их использование оптимальным образом для одного или нескольких приложений. Под корпоративной базой данных понимают базу данных, объединяющую в том или ином виде все необходимые данные и знания об автоматизируемой организации. Корпоративная база данных (БД) является центральным звеном корпоративной информационной системы и позволяет создать единое информационное пространство корпорации.

Цель создания БД как формы хранения данных ¾ построение системы данных, не зависящих от принятых алгоритмов, применяемых технических средств, физического расположения данных в ЭВМ. БД предполагает многоцелевое использование.

Основные требования к базам данных:

1)полнота представления- адекватное представление инфы об объекте; 2)целостность БД; 3)гибкость структуры данных-БД должна позволять изменять структуры данных, не нарушая своей целостности и полноты при изменении внешних условий; 4)реализуемость- объективное представление разнообразных объектов, их свойств и отношений;5)доступность- обеспечение разграничения доступа к данным;6)избыточность- должна быть min.

Интегрированные базы данных -реализация принципа однократного ввода и многократного использования информации.

Корпоративные базы данных бывают сосредоточенные (централизованные) и распределенные. Сосредоточенная база данных - БД, данные которой физически хранится в запоминающих устройствах одной вычислительной машины

Централизация обработки информации позволила устранить такие недостатки традиционных файловых систем, как несвязность, несогласованность и избыточность данных. Однако, возникают следующие трудности: 1)большой поток обмена данными;2)высокий трафик в сети; 3)низкая надежность; 4)низкая общая произв-сть. В качестве возможного решения этих проблем предлагается децентрализация данных.

В последнее время в системах поддержки принятия решений широко используются хранилища данных и OLAP. OLAP – это совокупность средств многомерного анализа данных, накопленных в хранилище.

OLAP-технология основывается на специально сконструированной по многомерной модели данных БД, предназначенной для эффективного хранения и быстрого анализа информации. Такие БД называют хранилищами данных. Хранилища данных не заменяют, а дополняют традиционные реляционные БД.

Реляционная БД предназначена для ежедневной работы и данные в ней постоянно изменяются. Хранилище данных призвано обеспечивать управляющий персонал аналитическими данными для принятия решений. Оно содержит большие объемы информации и, как правило, находится в стабильном положении.

Данные в хранилище попадают прямо или косвенно из оперативных систем (OLTP-систем), которые предназначены для автоматизации бизнес-процессов. Кроме того, хранилище может пополняться за счет внешних источников, например статистических отчетов.

33. Искусственные нейроонные сети (инс)

Нейронная сеть – класс аналит методов, построен на принципах обучения мыслящих существ и функционировании мозга, позвол прогнозир значение некой переменной в новых наблюдах по данным других наблюдов после прохождения обучения на имеющихся данных.

ИНС представляют собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов).

Классификация по типу входной информации: Аналоговые нейронные сети (используют информацию в форме действительных чисел); Двоичные нейронные сети (оперируют с информацией, представленной в двоичном виде).

По характеру обучения: Обучение с учителем — выходное пространство решений нейронной сети известно; Обучение без учителя — нейронная сеть формирует выходное пространство решений только на основе входных воздействий. Такие сети называют самоорганизующимися; Обучение с подкреплением — система назначения штрафов и поощрений от среды.

По характеру связей: Сети прямого распространения Рекуррентные Радиально-базисные функции Самоорганизующиеся карты

Применение: прогнозир на фондовом рынке, предоставл кредитов, распознование состояния больного, сис-мы безопасности, прогнозирование поведения клиента, прогнозирование и оценка риска предстоящей сделки, прогнозирование движения наличности, объемов оборотных средств, прогнозирование экономических параметров и фондовых индексов;для планирования работы предприятия:прогнозирование объемов продаж , прогнозирование загрузки производственных мощностей, прогнозирование спроса на новую продукцию;для бизнес-аналитики и поддержки принятия решений: выявление тенденций, корреляций, типовых образцов и исключений в больших объемах данных, анализ работы филиалов компании,сравнительный анализ конкурирующих фирм.