В доступной форме и на высоком профессиональном уровне рассмотрены основные классы экономических информационных интеллектуальных систем, цели и современные технологии их разработки, общая схема этих систем, роль в информационном обеспечении процесса разработки знаний.
Специальные главы учебного пособия посвящены информационным интеллектуальным системам принятия решений в условиях неопределенности и риска, введению в представление знаний, представлению суждений, правилам вывода, принципам резолюций, представлению знаний в виде фреймов.
Особое внимание уделено генетическим адаптивным алгоритмам, агентным системам и нейронным сетям.
Для студентов, преподавателей, аспирантов экономических вузов, специалистов по информатике и компьютерным наукам, интеллектуальным информационным системам.
Кол-во страниц:497
Язык:Русский
Издательство:Экзамен
ПРЕДИСЛОВИЕ 5
ГЛАВА 1. Основные классы экономических интеллектуальных информационных систем (ИИС) 10
Эволюция информационных систем 10
Интеллектуальные информационные системы (ИИС) 25
ГЛАВА 2 . Цели и современные технологии разработки интеллектуальных информационных систем (ИИС) 32
Технология разработки и реализация управленческого решения 32
Процесс проектирования интеллектуальной информационной системы (ИИС) 45
Объектно-ориентированное проектирование (ООП) интеллектуальной информационной системы 54
ГЛАВА 3. Общая схема интеллектуальной информационной системы 65
Основные компоненты интеллектуальной информационной системы (ИИС) 65
Конструирование базы знаний 75
Техника вывода 80
Система естественно-языкового интерфейса (СЕЯИ) 82
Технология работы интеллектуальных информационных систем (ИИС) 83
Байесовская сеть 85
Разработка прототипа системы поддержки решений 89
Искусственный интеллект в управлении инвестициями 95
ГЛАВА 4. Роль интеллектуальных информационных систем (ИИС) в информационном обеспечении процесса разработки решений 99
Критерии оценки и отбора оптимального набора стратегий 99
Модель информационной системы поддержки принятия решений 110
Стоимость и ценность информации 117
Стратегии, основанные на теории полезности 124
Имплементация и мониторинг стратегий 128
ГЛАВА 5 . ИИС принятия решений в условиях неопределенности и риска 133
Методы ситуационного анализа и их роль в принятии решения 133
Оценка уровня риска и байесовский подход к ее уточнению 136
Подход «среднее—дисперсия». Модель Марковитца 142
Использование дерева решений с применением формулы Байеса 146
Распространение уверенности в деревьях 154
ГЛАВА 6. Введение в представление знаний 169
Компоненты интеллектуальной информационной системы анализа инвестиций 169
Тезаурус как база знаний 178
ГЛАВА 7 . Представление суждений, правила вывода, принцип резолюций 197
Формальные языки 197
Интерпретация выражений языка исчисления предикатов 206
Логические выводы в формальной системе исчисления предикатов первого порядка 207
Логические выводы на основе принципа резолюции 217
Немонотонные выводы 225
Логика веры и знания 232
ГЛАВА 8. Представление знаний в виде фреймов 235
Логики знания и фреймы 235
Г Л ABA 9. Стратегия вывода с использованием байесовского подхода 270
Обработка свидетельств в условиях неуверенности и нечеткости 270
Меры неопределенности в ИИС 283
Модель Шортлифа и Бьюкенена 293
Теория Демпстера—Шейфера 302
ГЛАВА 10. Машинное обучение 323
Компоненты процесса обучения 323
Индуктивное обучение 325
Система ID3 330
Система INDUCE 331
Алгоритм обучения понятиям 337
Нейнкрементальное (параллельное) обучение в решетках Галуа 338
Адаптивная дискретизация непрерывных значений атрибутов 345
Открытие знаний 347
Типы закономерностей, выявляемых методами И АД 351
Бизнес-приложения методов НАД 355
Классы систем ИАД 360
Архитектура систем ИАД 366
Применение алгоритмов типа АВО (вычисления оценок) для построения итерационных алгоритмов поиска 370
Алгоритм распознавания типа «Кора» 374
Обучение машин распознаванию образов 375
Алгоритмы автоматического построения классификаций 379
ГЛАВА 11. Генетические адаптивные алгоритмы 393
Назначение и структура генетических алгоритмов 393
Математическая модель генетического алгоритма 396
Генетический алгоритм для генерации правил требования 406
ГЛАВА 12. Агентные системы 410
Структура и функции агента и мультиагентных систем 410
Архитектура агента 414
Мультиагентные системы (MAC) и виртуальные организации 416
Элементы теории агентных систем 421
Принятие решения активным агентом на основе знаний, полученных обобщением прецедентов 424
ГЛАВА 13. Нейронные сети 427
Архитектура нейронных сетей 427
Алгоритмы обучения нейронных сетей 432
Динамические сети 436
Самоорганизующиеся сети 437
Сеть со встречным распространением 439
Применение нейронных сетей для анализа временных рядов 445
ЛИТЕРАТУРА 476
ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ 480