.

Нові інформаційні технології і експертні оцінки в економіці та виробничій сфері та освіті (реферат)

Язык: украинский
Формат: реферат
Тип документа: Word Doc
560 3416
Скачать документ

Реферат на тему:

Нові інформаційні технології і експертні оцінки в економіці та
виробничій сфері та освіті

Сфера застосування нових інформаційних технологій і розвинених засобів
комунікацій величезна. Вона включає різні аспекти, починаючи від
забезпечення простих функцій службового листування до системного аналізу
і підтримки складних задач прийняття та підтримки рішень. У свою чергу
концептуальним етапом в розвитку інформаційних технологій є створення і
використання експертних систем в економіці, виробничій сфері, освіті і
державному управлінні. Інформаційна експертна система (ІЕС) – це
сукупність методів і засобів організації, накопичення, застосування
інформаційних ресурсів і знань для вирішення складних задач в певній
області.

Перевага застосування експертних систем полягає в можливості прийняття
рішень в таких ситуаціях, в яких алгоритм попередньо не розроблено і він
формується за даними, які надаються у вигляді умовиводів (правил
прийняття рішень), що витікають з бази знань (БЗ). Причому розв’язання
задач здійснюється за неповноти умови, їхньої невірогідності та
багатозначності тлумачення початкової інформації і якісних оцінок
процесів, що відбуваються [5].

Проте, не зважаючи на користь і широке застосування ІЕС, вони, як і
будь-які системи, не досконалі. Один з головних недоліків полягає в
складності розпізнавання границь можливостей ІЕС і демонстрації
ненадійного функціонування ІЕС на межі, де є сенс в її застосуванні.
Істотним недоліком експертних систем є також значні трудові витрати, що
необхідні для поповнення бази знань. БЗ зберігає об’єкти пізнання, які
складають сукупність знань, що об’єднані за чотирма типами
концептуальних зв’язків: спільності, партитивності (співвідношення
цілого і частини), зіставлення, функціональної взаємозалежності [1].

Певні труднощі і обмеження є і при проектуванні ІЕС. Вони погано
пристосовані до навчання на рівні нових концепцій і за новими правилами,
не ефективні і мало придатні в тих випадках, коли потрібно враховувати
складність реальних і нестандартих задач [2]

Очевидно, що успішно функціонувати в майбутньому будуть лише ті
підприємства, які зможуть накопичувати, аналізувати, синтезувати і
використовувати інформацію про ринки, винаходи, нові продукти,
пропозиції і ціни постачальників і виробників кінцевої продукції, а
також про новий попит з боку потенційних споживачів. Передбачувані темпи
зростання ринку, зростаючий рівень конкуренції, з одного боку, і високий
ступінь невизначеності ділового середовища і ризики, з іншого,
зумовлюють кончу потребу в експертизі економічної інформації і
подальшому опрацюванні та практичному використанні нових ефективних ІЕС,
що володіють досконалішими споживацькими характеристиками.

У сучасних умовах на рівні великих промислових підприємств можуть бути
популярними локальні ІЕС, що зорієнтовані на конкретні дослідницькі і
аналітичні задачі: аналіз і прогнозування ринку, поведінки конкурентів,
споживачів і тощо. Теоретично компанія може створити безліч різних
спеціалізованих систем, що об’єднані в Єдину корпоративну інформаційну
експертну систему (ЕКІЕС).

Перспективними є ті інформаційні системи, що самі навчаються (ЕКІЕС),
які здатні автоматично формувати БЗ в цілях класифікації проблемних
областей і прогнозування. Але практично безмежним є використання в
проектуванні ІЕС нейромережевого підходу.

O

gd

gdEA

ща. Вся інформація, яка є у мережі про задачу, міститься в наборі
прикладів. Тому якість навчання мережі напряму залежить від кількості
прикладів в навчальній вибірці, а також від того, наскільки повно ці
приклади описують дану задачу. Так, наприклад, не доцільно
використовувати мережу для котирування цінних паперів, якщо в навчальній
вибірці котирування цінних паперів не представлено. Як тільки мережу
навчено, можна застосовувати її для розгляду конкретних задач.

Сучасні економічні системи (наприклад, промислові комплекси)
наближаються до такого рівня складності, коли їхній розвиток та
функціонування не є простою сумою властивостей окремих компонент, що
спостерігаються. Навіть невеликі відхилення в продуктивності роботи
окремих підсистем можуть викликати якісно новий режим поведінки всієї
системи і навіть привести до серйозної кризи системи. Виходом з
положення є побудова моделі на основі синтезу компонент. Так, наприклад,
синтетичні моделі є практично єдиною альтернативою в соціології,
довгострокових прогнозах погоди, в макроекономіці, медицині.

Використання штучних нейронних мереж для швидкого прийняття рішень в
небезпечній обставинах знайшла активну підтримку і обгрунтування у
розробників сучасних енергетичних систем. З цього приводу є велика
кількість літератури іноземними мовами, зокрема, англійською. Багато
робіт присвячено, зокрема, системам діагностики енергосистем і
промислових систем. Наприклад, в роботі [4] розроблена нейронна мережа
для здійснення оперативного управління і стеження за невизначеними
ситуаціями в ході роботи електростанцій. Наведено класифікацію
неполадок, що можуть статися; розроблені методи отримання їхнього
прогнозування; визначено існування стійких режимів роботи при
пошкодженнях; з’ясовано рівні їх допустимості з точки зору термальних і
інших обмежень безпеки. У дослідженні [3] розглянуто проблема
інтерпретації великої кількості одночасних сигналів тривоги в центрі
управління електричними мережами в умовах стресу.

Наведені експериментальні дані свідчать про можливість побудови
локальних ЕС підвищеній надійності, що враховують можливість виникнення
різноманітних непередбачених небезпечних ситуацій не тільки в
інженерних, технічних, але і в економічних системах.

Література:

1. Джексон П. Введение в экспертные системы. – Вильямс, 2001.

2. Информационные системы в технологии управления бизнесом: Курс лекций
для студентов экономических специальностей вузов./д.т.н., проф.
Г.Г.Арунянц – Владикавказ, 2000.

3. Использование нейронной сети для интерпретации множественных сигналов
тревоги. Using neural network to interpret multiple alarms. / Chan
Edward H.P. // IEEE Comput. Appl. Power. – 1990. N2. -p.33-37.

4. Контроль за безопасностью в ходе работы систем с помощью нейронных
сетей. On-line security screening using an artificial network / Thomas
R.J.,Sakk E., Hashemi K., Ku B.Y., Chiang H.D. // IEEE Int. Symp.
Circuits and Syst. New Orleans, La, May 1-3, 1990. V.4 – New York
(N.Y.), 1990 – p.2921-2924.

5. Романов В.П. Интеллектуальные информационные системы в єкономике:
Учебное пособие / Под ред. д.э.н., проф. Н.П. Тихомирова. – М.:
Издательство «Экзамен», 2003. – 496 с.

6. Ясницкий Л.Н. Введение в искусственный интеллект: Учебн.пос. для
студ. высш. учебн. заведений. – М.: Издательский центр «Академия», 2005.
– 176 с.

Нашли опечатку? Выделите и нажмите CTRL+Enter

Похожие документы
Обсуждение

Ответить

Курсовые, Дипломы, Рефераты на заказ в кратчайшие сроки
Заказать реферат!
UkrReferat.com. Всі права захищені. 2000-2020