СППР з використанням незалежних вітрин даних



Мы поможем в написании ваших работ!


Мы поможем в написании ваших работ!



Мы поможем в написании ваших работ!


ЗНАЕТЕ ЛИ ВЫ?

СППР з використанням незалежних вітрин даних



Незалежні вітрини даних (рис. 1.4) часто з'являються в організації історично і зустрічаються у великих організаціях з великою кількістю незалежних підрозділів, що частенько мають свої власні відділи інформаційних технологій.

Рис.1.4. Незалежні вітрини даних

Переваги:

· Вітрини даних можна впроваджувати досить швидко.

· Вітрини проектуються для відповідей на конкретну низку запитань.

· Дані у вітрині оптимізовані для використання певними групами користувачів, що полегшує процедури їх наповнення, а також сприяє підвищенню продуктивності.

Недоліки:

· Дані зберігаються багаторазово в різних вітринах даних. Це призводить до дублювання даних і, як наслідок, до збільшення витрат на зберігання і потенційних проблем, пов'язаних з необхідністю підтримки несуперечності даних.

· Потенційно дуже складний процес наповнення вітрин даних при великій кількості джерел даних.

· Дані не консолідуються на рівні підприємства, таким чином, відсутня єдина картина бізнесу.

СППР на основі дворівневого сховища даних

Дворівневе сховище даних (рис. 5) будується централізованій для надання інформації у рамках компанії. Для підтримки такої архітектури потрібна виділена команда професіоналів в області сховищ даних.

Рис.1.5. Дворівневе сховище даних

Це означає, що уся організація повинна погоджувати усі визначення і процеси перетворення даних.

Переваги:

· Дані зберігаються в єдиному екземплярі.

· Мінімальні витрати на зберігання даних.

· Відсутні проблеми, пов'язані з синхронізацією декількох копій даних.

· Дані консолідуються на рівні підприємства, що дозволяє мати єдину картину бізнесу.

Недоліки:

· Дані не структуруються для підтримки потреб окремих користувачів або груп користувачів.

· Можливі проблеми з продуктивністю системи.

· Можливі труднощі з розмежуванням прав користувачів на доступ до даних.

СППР на основі трирівневого сховища даних

Рис. 1.6. Трирівневе сховище даних

Сховище даних є єдиним централізованим джерелом корпоративної інформації. Вітрини даних представляють підмножини даних з сховища, організовані для вирішення завдань окремих підрозділів компанії. Кінцеві користувачі мають можливість доступу до детальних даних сховища, у випадку якщо даних у вітрині недостатньо, а також для отримання повнішої картини стану бізнесу.

Переваги:

· Створення і наповнення вітрин даних спрощене, оскільки наповнення походить з єдиного стандартизованного надійного джерела очищених нормалізованих даних.

· Вітрини даних синхронізовані і сумісні з корпоративним представленням. Є корпоративна модель даних. Існує можливість порівняно легкого розширення сховища і додавання нових вітрин даних.

· Гарантована продуктивність.

Недоліки:

· Існує надмірність даних, що веде до зростання вимог на зберігання даних.

· Вимагається узгодженість з прийнятою архітектурою багатьох областей з потенційно різними вимогами (наприклад, швидкість впровадження іноді конкурує з вимогами наслідувати архітектурний підхід).

 

Експертні системи

Експертні системи (ЕС) виникли як значний практичний результат у застосуванні та розвитку методів штучного інтелекту (ШІ) - сукупності наукових дисциплін, що вивчають методи розв'язання задачі нтелектуального (творчого) характеру з використанням комп’ютера.

ЕС - це набір програм, що виконує функції експерта при вирішенні завдань з деякої предметної області. ЕС видають поради, проводять аналіз, дають консультації, ставлять діагноз. Практичне застосування ЕС на підприємствах сприяє ефективності роботи та підвищення кваліфікації фахівців.

Головною перевагою експертних систем є можливість накопичення знань і збереження їх тривалий час. На відміну від людини до будь-якої інформації експертні системи підходять об'єктивно, що покращує якість проведеної експертизи. При вирішенні завдань, що вимагають обробки великого обсягу знань, можливість виникнення помилки при переборі дуже мала.

При створенні ЕС виникає ряд труднощів. Це насамперед пов'язано з тим, що замовник не завжди може точно сформулювати свої вимоги до системи, що розробляється. Також можливе виникнення труднощів психологічного порядку: при створенні бази знань системи експерт може перешкоджати передачі своїх знань, побоюючись, що згодом його замінять "машиною". Але ці побоювання не обгрунтовані, оскільки ЕС не володіють здоровим глуздом, інтуїцією. Хоча в даний час ведуться розробки експертних систем, що реалізують ідею самонавчання. Також ЕС незастосовні у великих предметних областях і в тих областях, де відсутні експерти.

Експертна система складається з бази знань (частини системи, в якій містяться факти), підсистеми виведення (множина правил, за якими здійснюється рішення задачі), підсистеми пояснення, підсистеми придбання знань і діалогового процесора.

При побудові підсистем виведення використовують методи розв'язання задач штучного інтелекту.

Основними відмінностями ЕС від інших програмних продуктів є використання не тільки даних, а й знань, а також спеціального механізму генерації рішень і нових знань на основі наявних. Знання в ЕС подаються у такій формі, яка може бути легко оброблена на комп’ютері. У ЕС відомий алгоритм обробки знань, а не алгоритм рішення задачі. Тому застосування алгоритму обробки знань може призвести до отриманнятакого результату при вирішенні конкретного завдання, який не був передбачений. Більш того, алгоритм обробки знань заздалегідь невідомий і будується по ходу рішення задачі на підставі евристичних правил. Рішення завдання в ЕС супроводжується зрозумілими користувачеві поясненнями, якість рішень, що отримуються, зазвичай не гірша, а іноді і краща тієї, що досягається фахівцями. У системах, заснованих на знаннях, правила (або евристики), по яких вирішуються проблеми в конкретній предметній області, зберігаються в базі знань. Проблеми ставляться перед системою у виді сукупності фактів, описують деяку ситуацію, і система за допомогою бази знань намагається генерувати висновок з цих фактів.

У будь-який момент часу в ЕС існують три типи знань:

- Структуровані знання - статичні знання про предметну область. Після того, як ці знання виявлені, вони вже не змінюються.

- Структуровані динамічні знання, що змінюються - знання про предметну області. Вони оновлюються в міру виявлення нової інформації.

- Робочі знання - знання, що застосовуються для вирішення конкретної задачі або проведення консультації.

Всі перераховані вище знання зберігаються в базі знань. Для її побудови потрібно провести опитування фахівців, які є експертами в конкретній предметної області, а потім систематизувати, організувати і забезпечити цізнання покажчиками, щоб згодом їх можна було легко отримати з бази знань.

В експертних системах першого покоління знання представлені наступним чином:

1) знаннями системи є тільки знання експерта, досвід накопичення знань не передбачається.

2) методи представлення знань дозволяли описувати лише статичні предметні області.

3) моделі представлення знань орієнтовані на прості області.

Представлення знань в експертних системах другого покоління наступне:

1) використовуються не поверхневі знання, а більш глибокі. Можливе доповнення предметної області.

2) ЕС може вирішувати задачі динамічної бази даних предметної області.

Області застосування систем, заснованих на знаннях, можуть бути згруповані у декілька основних класів: медична діагностика, контроль і управління, діагностика несправностей в механічних і електричних пристроях, навчання.

Навіть кращі з існуючих ЕС мають певні обмеження в порівнянні з людиною-експертом.

1. Більшість ЕС не цілком придатні для застосування кінцевим користувачем. Багато систем виявляються доступними тільки тим експертам, які створювали бази знань.

2. Режим питання-відповідь, що звичай прийнятий в таких системах, уповільнює отримання рішень

3. Навики системи не зростають після сеансу експертизи.

4. Все ще залишається проблемою приведення знань, отриманих від експерта, до вигляду, що забезпечує їх ефективну машинну реалізацію.

5. ЕС не здатні навчатися.

6. ЕС неможуть застосовуватись у великих предметних областях. Їх використання обмежується предметними областями, в яких експерт може прийняти рішення за час від декількох хвилин до декількох годин.

7. У тих областях, де відсутні експерти (наприклад, в астрології),застосування ЕС виявляється неможливим.

8. Має сенс залучати ЕС тільки для вирішення когнітивних завдань.

9. Людина-експерт при розв'язанні задач звичайно звертається до своєї інтуїції або здорового глузду, якщо відсутні формальні методи рішення або аналоги таких завдань.

Системи, засновані на знаннях не є ефективними при необхідності проведення скрупульозного аналізу, коли число "рішень" залежить від тисяч різних можливостей та багатьох змінних, які змінюються в часі. У таких випадках краще використовувати бази даних з інтерфейсом природною мовою.

Системи, засновані на знаннях, мають певні переваги перед людиною-експертом.

1. У них немає упереджень.

2. Вони не роблять поспішних висновків.

3. Ці системи працюють систематизовано, розглядаючи всі деталі, часто обираючи найкращу альтернативу з усіх можливих.

4. База знань може бути дуже і дуже великою. Будучи введені в комп’ютер один раз, знання зберігаються назавжди. Людина ж має обмежену базузнань, і якщо дані довгий час не використовуються, то вони забуваються та назавжди губляться.

Системи, засновані на знаннях, стійкі до "перешкод". Експерт користується побічними знаннями і легко піддається впливу зовнішніх факторів, які безпосередньо не пов'язані з розв'язуваної завданням. ЕС, не обтяжені знаннями з інших областей, за своєю природою менш схильні до "шумів". З часом системи, засновані на знаннях, можуть розглядатися користувачами як різновид тиражування - новий спосіб запису і поширення знань. Подібно іншим видам комп'ютерних програм вони не можуть замінити людину ввирішенні завдань, а, швидше, нагадують знаряддя праці, які дають йомуможливість вирішать завдання швидше й ефективніше.

6. Ці системи не замінюють фахівця, а є інструментом у йогоруках.

 

Штучний інтелект.

Як науковий напрямок штучний інтелект виник в середині 60 – х років XX століття. Його виникнення пов’язано з напрямком на автоматизацію людської інтелектуальної діяльності.

Історія наукових досліджень в галузях штучного інтелекту може бути поділена на чотири періоди:

• 60–ті роки – початок 70–х – дослідження в галузі “загального інтелекту ”, спроби моделювати загальні інтелектуальні процеси, властиві людині: вільний діалог, розв’язування різних задач, доведення теорем, теорія ігор, створення віршів та музики;

• 70–ті роки – дослідження і розробки підходів до формального представлення знань та висновків, спроби звести інтелектуальну діяльність до формальних перетворень символів, рядків;

• з кінця 70-х – розробки систем в предметних галузях, які мають прикладне практичне значення ( експертні системи);

• 90-ті роки – фронтальні роботи по створенню комп’ютерів 5-го покоління, які володіли інтелектуальними можливостями.

Наведемо деякі визначення штучного інтелекту:

1. Штучний інтелект – умовне позначення кібернетичних систем, які моделюють деякі сторони інтелектуальної діяльності людини: логічне та аналітичне мислення.

2. Штучний інтелект – здібності робота чи комп’ютера до імітації людських навичок, що використовуються у процесі розв’язуванні задач, вивченні проблем, мислення та самовдосконалення.

3. Штучний інтелект – науковий напрямок, пов’язаний з розробкою алгоритмів та програм для автоматизації інтелектуальної діяльності.

4. Штучний інтелект – один з напрямків інформатики, мета якого – розробка апаратно – програмних засобів, які дозволяють користувачу – не програмісту здійснювати постановку своїх задач, щоі традиційно відносили до інтелектуальних, спілкуючись з комп’ютером на обмеженій підмножині природних мов.

Штучний інтелект поділяють на два наукові напрямки: нейрокібернетику (штучний розум) та кібернетику “чорний ящик” (машинний інтелект).

Перший напрямок базується на апаратному моделюванні роботи головного мозку людини, основою якого є велика кількість (14 міліардів) пов’язаних між собою нервових клітин – нервів. Системи штучного інтелекту при цьому називаються нейтронними мережами.

Для другого напрямку не суттєво, яка конструкція “думаючого” пристрою. Головне, щоб на задані вхідні дані він реагував так само, як людський розум.

Окреслимо основні напрямки використання та досліджень в галузі штучного інтелекту:

• Сприйняття та розпізнавання образів. Проблеми розуміння та логічного мислення в процесі обробки візуальної та мовної інформації. (Системи перевірки правопису, системи перекладачів).

• Математика та автоматичне доведення теорем.

• Ігри. Оскільки ігри, як формальні системи, характеризуються скінченним числом ситуацій з чітко визначеними правилами, то вони з самого початку привернули до себе увагу як до полігону досліджень. (Гра в шахи)

• Розв’язування задач. В цьому випадку поняття “розв’язування” використовується в широкому смислі слова. Сюди відноситься постановка, аналіз та уява конкретних ситуацій.

• Розуміння людської мови. Тут ставиться задача аналізу та генерації текстів, їх внутрішнього представлення, вияв знань, необхідних для розуміння текстів. Висловам людської мови притаманна: неповнота; нечіткість; неточність; граматична некоректність; залежність від контексту; неоднозначність.

Виявлення та представлення знань експертів в експертних системах.

Основною особливістю інтелектуальних систем є те, що вони основані на певних знаннях. Знання тут розуміються як інформація, що зберігається та формалізована у відповідності з деякими правилами. Найбільш фундаментальною та важливою проблемою є проблема представлення знань.

На сьогодні найбільш відомими є три підходи до представлення знань:

1. продукційні та логічні моделі;

2. семантичні мережі;

3. фрейми.

Продукційні правила – найбільш простий спосіб представлення знань. Він грунтується на представленні знань в формі правил, структурованих у відповідності до схеми “ якщо - то”. Частина правила “ якщо” називається посиланням, а “то” – висновком. Правило в загальному записується так

Якщо а1, а2, . . . , аn то b.

Якщо кількість посилань дорівнює нулю, тоді знання складаються лише з висновку і називаються фактами.

Семантична мережа – представлення знань, що ґрунтуються на зображенні понять за допомогою вузлів і відношень між ними. Семантичні мережі можуть відображати структуру знань з всіма складностями їх взаємодії, пов’язувати в одно ціле об’єкти та їх властивості.

Фреймова система має всі властивості, притаманні мові представлення знань і одночасно є новий спосіб обробки інформації. Слово “ фрейм” в перекладі з англійської означає “рамка”. Фрейм є одиницею представлення знань про об’єкт, яку можна описати деякою сукупністю понять та сутностей.

 

ПИТАННЯ ДЛЯ САМОКОНТРОЛЮ

1. Поняття та задачі СППР.

2. Прийняття управлінських рішень на основі аналітичних методі та інструментів.

3. Сутність та завдання експертних систем.

4. Поняття штучного інтелекту.

5. Архітектура СППР.

 

ТЕСТИ ДЛЯ ПЕРЕВІРКИ ЗНАНЬ

1. СППР – це

а) комп'ютерна інтерактивна автоматизована інформаційна система, яка забезпечує користувачам зручний доступ до даних і моделей з метою прийняття рішень;

б) система організації, ведення і зберігання даних, що розташовані на машинних носіях і призначені для колективного багатоцільового використання;

в) система методів і способів збору, передачі, накопичення, опрацювання, зберігання, подання і використання інформації;

г) комплексне вивчення економічного об’єкта як одного цілого з представленням частин його як цілеспрямованих систем і вивчення цих систем та взаємовідносин між ними.

2. Доступність СППР:

а) характеризує можливість системи адаптуватися до змін потреб і ситуацій;

б) означає здатність системи виконувати потрібні функції протягом заданого періоду часу;

в) здатність забезпечувати видачу відповідей на запити користувача в потрібній формі і в необхідний час;

г) означає здатність системи відповідати на найсуттєвіші запитання.

3. Робасність СППР:

а) характеризує можливість системи адаптуватися до змін потреб і ситуацій;

б) забезпечує сумісність складових системи щодо управління даними і засобами спілкування з користувачами у процесі підтримки прийняття рішень;

в) ступінь здатності системи відновлюватися в разі виникнення помилкових ситуацій як зовнішнього, так і внутрішнього походження;

г) означає здатність системи виконувати потрібні функції протягом заданого періоду часу.

4. Потужність СППР:

а) означає здатність системи відповідати на найсуттєвіші запитання;

б) характеризує можливість системи адаптуватися до змін потреб і ситуацій;

в) означає здатність системи виконувати потрібні функції протягом заданого періоду часу;

г) здатність забезпечувати видачу відповідей на запити користувача в потрібній формі і в необхідний час.

5. Експертні системи (ЕС) – це:

а) сукупність наукових дисциплін, що вивчають методи розв'язання задачінтелектуального (творчого) характеру з використанням ЕОМ;

б) набір програм, що виконує функції експерта при вирішенні завдань з деякої предметної області;

в) єдине централізоване джерело корпоративної інформації;

г) накопичення знань і збереження їх тривалий час.

6. Штучний інтелект (ШІ)

а) сукупність наукових дисциплін, що вивчають методи розв'язання задачінтелектуального (творчого) характеру з використанням ЕОМ;

б) набір програм, що виконує функції експерта при вирішенні завдань з деякої предметної області;

в) єдине централізоване джерело корпоративної інформації;

г) накопичення знань і збереження їх тривалий час.

 

 

РОЗДІЛ 7.



Последнее изменение этой страницы: 2016-04-07; 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 - 3.237.71.247 (0.017 с.)