Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Вопрос Основы технологий интеллект анализа данных в ИС. ⇐ ПредыдущаяСтр 4 из 4
Data Mining (добыча данных). Этот термин точнее, чем наименование «интеллект анализ данных». Data Mining (c 90-гг) –методы и ср-ва машинной «добычи» из массивов необработ данных инф-ии, кот яв-ся новой, практически ценной, нетривиальной, доступной д/ интерпретации че-ком. Типовые задачи Data Mining: 1. Классификация – разделение совок-ти на классы, причем кол-во классов определено заранее, известны признаки, соответств каждому классу. 2. Кластеризация – подобна задаче класс-ии, но классы заранее не определены.
3. Выявление послед-тей – шаблонов в данных, соответств событиям, происходящим в опред послед-ти. 4. Выявление ассоциаций – шаблонов в данных, соответств событиям, происходящим одновременно. 5. Построение регрессионных моделей и прогнозирование. Y=a0+a1x
Средствами Data Mining добывается ценная инф-я из текстовых, гипертекстовых док-тов сети Internet, а так же нах-ся в других источниках. Для обозначения этих технологий исп-ся: 1. Web Content Mining – методы и ср-ва автоматич аннотирования и классиф-ии текстовых и гипертекстовых док-тов из сети Internet. 2. Web Usage Mining – методы и ср-ва, позволяющие выявить закономерности в поведении пользователей web-узлов. 3. Text Mining – добыча информации из текстового документа. Основные средства и технологии Data Mining: 1. Стандартные методы мат статистики: 1.1. регрессионный анализ (построение регрессионных моделей). 1.2. Корреляционный анализ – определение коэф-та ясности связи. (1 – абсолютный предел связи). 1.3. Дисперсионный анализ. 1.4. Кластерный анализ. 2. Переборные методы: просты в реализации, но их эффективность невысокая, поэтому на практике переборные механизмы улучшаются применением эвристик (улучшения, произведенные опытным путем). 3. Искусственные нейронные сети (ИНС). ИНС м/б универс классификаторами аппроксиматорами и прогнозаторами. 4. Системы с нечеткой логикой и нечеткие модели: Исп-ся в областях и конкр задачах, д/ кот типична неопред-сть в исходных данных и логич правилах. Неопред-сть данных м/б связана с неполнотой, недостоверностью, противоречивостью, нечеткостью. При решении многих задач исходная инф-я недостаточна, противоречива и т.п. 5. Генетические алгоритмы. Эволюционные стратегии, исп-мые при решении задач оптимизации.
6. Методы логич шаблонов в шаблонах массивов данных. Шаблон – послед-ть, определенная цепочка событий. Инструменты Data Mining: Стат методы реализуются либо в спец пакетах (SPSS, STATISTICA, R), несложный анализ вып-ся в электр таблицах (MS Excel, Open Office Calc). Интеллект анализ вып-ся в спецпакетах (SAS, Polyanalist, MATLAB(имеет пакет расширения д/ интелл анализа данных): Neural Network, Fuzzy Logic (нечеткая логика), Genetic Algorithm and Direct Search (генетич алгоритм и прямой поиск). Основные методологии управления, используемые в АИСУП. В методологии соврем АИСУП можно выделить след эволюц этапы: 1. MPS - SIC - MRP - CRP - MRPII - ERP - MPS(Master Planning Sheduling – объемно-календарное планир-е) – ее внедрение позволяет автоматизировать подготовку календарных графиков (план закупки сырья, материалов и т.п.). Недостаток - не позволяет прогнозировать пок-ли спроса и т.п. и не предусматривает оптимизацию складских запасов. - SIC (Statistical Inventory Control – стат упр-е запасами) –позволяет оптимизировать издержки, связанные со складскими запасами и их пополнением. В основе SIC применение моделей управления запасами. - MRP (Material Requirements Planning – планир-е потребности в материалах) – основным объектом яв-ся инф-я об объекте материального учета (единица сырья, полуфабриката). Основным док-том яв-ся «Ведомость материалов», кот отражает движение объектов учета. MRP позволяет при упр-ии производств процессом соотнести перечень необх комплектующих со складскими запасами, планом закупок. - CPR (Capacity Requirements Planning – планирование потребностей в мощности) –позволяет исп-ть единый подход не только к упр-ю материалами, но и производств мощностями, такими ресурсами как, фин, кадровые, производств. - MRP II (Manufacturing Resource Planning) –объединяет все предыдущие концепции. Исп-ся единый подход упр-ия всеми ресурсами компании. - ERP (Enterprise Resource Planning – планирование ресурсов корпорации) – самая соврем методология упр-я пп. Осн задача -интегрировать в едином инф простр-тве все подразделения крупного пп и все функции управления пп. Это достигается за счет исп-ия единых БД, современных технологий лок сетей, автоматизации планир-я, анализа, контроля, прогнозир-я. Наличие этой системы позволяет исключить повторный ввод данных.
Соврем крупные АИСУП относятся к ERP-системам. Особенности выбора и внедрения ИС на пп. ИС, как программный продукт может приобретаться на пп 3 путями: 1. Приобретение готовой системы; 2. Доработка и конфигурирование готовой системы; 3. Создание системы либо сторонними фирмами под заказ, либо создание собств силами. Первый вариант для пп с типовой орг структурой, типовой организацией бизнес-процессов. Второй вариант если ппв чем-то является нетиповым или относится к сфере деят-ти, д/ кот нет полностью готовых типовых систем. Третий вариант если пп во многом является уникальным, если готовые системы для его сферы либо отсутствуют, либо недоступны. Самостоятельная разработка м/б целесообразна при наличии специалистов и при существснижении издержек по сравнению с приобретением системы. Системы искусственного интеллекта и их применение в сфере экономики. Определения и основные понятия, связанные с ИИ. Искусственный интеллект (Artificial Intelligence, AI, ИИ) – впервые употребили в 1956 г. на семинаре в Дортмундском университете. Intelligence – способность мыслить разумно. 1920г. К. Чапек – чешский драматург написал произв-е «R.U.R.» робот. описал завод, кот занимался пр-вом человекоподобных машин (роботов), но напоминавших по виду андроидов. Робототехника, как раздел технологии или инженерного дела, связанного с пр-вом человекоподобных машин. ИИ– то, что еще не создано (бесспорное опред-е). ИИ – алгоритм создания алгоритмов. «Тест Тьюринга» или «Критерий Тьюринга» 1950 г. – англ мат-ик Алан Тьюринг опуб-л статью «Вычислит машины и разум». предложил способ опред-я наличия искусств разума у техники. Критерий Тьюринга – если при общении с искусств системой в диалоговом режиме по достаточно широкому кругу вопросов ч-к не в состоянии понять, кем яв-ся его собеседник (машиной или другим ч-ком) – это означает, что система яв-ся ИИ. Неясности – насколько же широк круг вопросов. Дж. Сёрль еще в начале 80-х гг. предложил в одной из своих работ тест, опровергающий «Тест Тьюринга», который условно называется «Тест с кит комнатой». Суть: выберем предмет, кот д/ ч-ка, кот участвует в эксперименте абсолютно не известен. Напр, кит яз. Ч-ка садят в комнату и заставят переводить с кит, но у него есть руководство (супер-словарь и т.д.) на том языке кот он знает, напр англ. Эта книга о том, как составлять иероглифы. Ч-ку передают записки с вопросами из вне, вопросы любые. Моя задача карточками с кит иероглифами составить осмысл ответ на вопрос. Создастся впечатление, что ч-к, нах-ся в комнате – владеет языком на достаточно высоком уровне, но на самом деле это мех операция с символами. ИИ (расширенное опред-е) – ИС (машина, программа), способная моделировать или воспроизводить по внешним признакам интеллект деят-ть ч-ка при решении сложных слабо формализ задач. В наст время сущ-ют 2 понятия: -Сильный интеллект. в полном смысле соответств разуму человека, или превосходящий ее. -Слабый интеллект. система или программа, способные решать отдельные задачи интеллект типа. Его подобие интеллекту ч-ка необяз-но. С самого начала (с 50-х гг.) ведутся исслед-ия в области создания восходящего и нисходящего ИИ. Попытки создать нисходящий ИИ исходят из предп-я, что возможно создать систему, наделенную высокоразвитым интеллектом «с самого начала». Система с момента ее «включения» способна решать
|
||||||
Последнее изменение этой страницы: 2016-08-15; просмотров: 118; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 3.133.12.172 (0.007 с.) |