Сдам Сам

ПОЛЕЗНОЕ


КАТЕГОРИИ







Системы поддержки принятия решений





 

Системы поддержки принятия решений (СППР- Decision Support System - DSS)– это информационные системы, разработанные для помощи менеджеру (лицу, принимающему решения –ЛПР) в принятии решений управления, объединяя данные, сложные аналитические модели и удобное для него программное обеспечение в единую ИС.

Существенное отличие СППР от вышеописанных экспертных систем состоит в том, что СППР призвана помочь человеку (ЛПР) в решении стоящей перед ним проблемы, а экспертные системы стараются заменить человека при решении некоторой проблемы.

При этом существуют вариант без использования критериев и критериальный вариант.

 

Вариант без использования критериев оценки альтернатив.

В этом случае СППР должна решить следующие задачи:

· сформировать множество альтернативных вариантов решения,

· получить результаты сравнения (например, попарного) альтернатив,

· выбрать лучшую альтернативу, имеющую наилучший ранг (место), которая и выдается системой в качестве рекомендации.

 

 

2. Критериальный вариант оценки альтернатив.

 

При использовании критериальный варианта СППР необходимо решать задачи :

· сформировать множество альтернатив,

· сформировать множество критериев оценки альтернатив,

· получить оценки альтернатив по критериям,

· выбрать лучшую альтернативу, которая и выдается системой в качестве рекомендации.

 

Критерии иногда удобно группировать в виде дерева (иерархии).

 

Системы поддержки принятия решения на основе нечетких множеств

 

Как правило, данные, обрабатываемые в информационных системах, носят четкий, числовой характер. Однако в запросах к базам данных, которые пытается формулировать человек, часто присутствуют неточности и неопределенности.



Концепция нечетких запросов базируется на математической теории нечетких множеств (fuzzy sets) и аппарате нечеткой логики (fuzzy logic), предложенной Л. Заде в 1965 году. Нечеткая логика - черезвычайно полезный инструмент для моделирования приближенных рассуждений. Она позволяет аккумулировать знания о некоторой предметной области, или, проще говоря, является одной из моделей представления знаний.

Нечетким множеством A в непустом четком пространстве X называется множество пар вида A={ х / MF(x) },

где MF(x) - функция принадлежности нечеткого множества A. Эта функция приписывает каждому элементу x є Х степень его принадлежности к нечеткому множеству A

Лингвистическая переменная (ЛП) — это переменная, значение которой задается набором вербальных (то есть словесных) характеристик некоторого свойства.

 

 

Нейронные сети

 

Нейронные сети- это раздел технологий искусственного интеллекта, в котором для обработки информации используются явления, аналогичные происходящих в нейронах живого существа. Первая модель нейронной сети была разработана в 1943 г.

Искусственная нейронная сеть (ИНС, нейросеть) -это набор нейронов, соединенных между собой. Как правило, передаточные функции f (x) всех нейронов в сети фиксированы, а веса w i являются параметрами сети и могут изменяться.

В общем случае архитектуру нейронной сети можно разделить на однослойную и многослойную модель ( Рис.5).

       
   
 
 

 


Рис.5 Однослойная (а) и многослойна (б) нейронная сеть

Основной смысл работы нейронной сети заключается в возможности классифицировать (распознавать) вектор входных сигналов X по заранее обученным образцам этого вектора. Процесс обучения происходит за счет изменения весовых коэффициентов wi.

 

 

 


Рис.4 Процесс обучения нейронной сети

Рис.6 Процесс обучения нейрона

Таким образом использование нейронной сети состоит из трех основных этапов

1. Выбор типа (архитектуры) сети.

2. Подбор весов (обучение) сети.

3. Использование обученной сети для прикладных задач.

Приведем несколько примеров использования нейронных сетей в экономических задах.

 

Лекция 11

 

Корпоративные информационные системы Ч.1

 









Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:


©2015- 2019 zdamsam.ru Размещенные материалы защищены законодательством РФ.