Система поддержки принятия решений предприятия на основе нейросетевых технологий

Система поддержки принятия решений предприятия на основе нейросетевых технологий

Автор: Шумков, Евгений Александрович

Автор: Шумков, Евгений Александрович

Шифр специальности: 05.13.01

Научная степень: Кандидатская

Год защиты: 2004

Место защиты: Краснодар

Количество страниц: 158 с. ил.

Артикул: 2624913

Стоимость: 250 руб.

Оглавление
ВВЕДЕНИЕ.
ГЛАВА 1. СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.
1.1 Понятие системы поддержки принятия решении
1.1.1 Хранилище данных.
1.1.2 системы.
1.1.3 Интсхлсктуальный анализ данных ii.
1.2 Нейронные сети.
1.2.1 Обучение с подкреплением.
1.2.2 обучение.
1.2.3 Сети адаптивной критики
1.2.4 Достоинства и недостатки существующих алгоритмов обучения с подкреплением
1.3 Самообучасмыс системы на бале
1.3.1 Методика ..
1.3.2 Базовый алгоритм
1.3.3 Достоинства и недостатки
Выиоды первой главы
ГЛАВА 2. ТОПОЛОГИЯ ВНУТРЕННИЙ УЧИТЕЛЬ.
2.1 Основные положения . . .
2.2 Тополошн внутренний учи.i.
2.2.1 Сенсоры
2.2.2 Решатель.
2.2.3 Учитель .
2.2.4 Коэффишилгт эффективности. .
2.2.5 Адаптационные параметры и правила самообучения.
2.2.6 Моторики
2.2.7 Взаимодействие компонент.
2.3 Обучение самообучению. . .
2.3.1 Планирование.
2.3.2 Уточнение взаимодействия компонент.
2.3.3 Разработка идеологии самообучения аля прикладных задач. в
2.3.4 Приоритетность адаптационных параметров
2.3.5 Пластичность.
2.4 Топология внутренний учитель с использованием нечеткой логики.
2.4.1 Использование системы типа Мадмани.
2.4.2 Использование системы типа Сугэно
Выводы второй главы
ГЛАВА 3. РЕАЛИЗАЦИЯ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ
3.1 Актуальность применения СППР и пснросстспых методов пропю1ироваиия.иипптмпт.ям
3.2 СППР предприятия оптово розничной торговли
3.2.1 Архитектура СППР
3.2.2 Структура хранилища данных
3.2.3 Структура ссрвиса .
3.2.4 Структура модуля ii
3.3 Задача иропюшрованнн объема продаж м.жт.и.иии.т.ии.ти.т.и.ии.ии
3.3.1 Стандартные методы прогнозирования объема продаж
3.3.2 Прогнозирование с помощью нейронных сетей.
3.4 Топологии внутренний учитель для системы прогнозирования объема продаж товаров.
3.4.1 Решатель, учитель и общий принцип работы.
3.4.2 Коэффициент эффективности
3.4.3 Коэффициогт степени уверенности и правила управления решателя
Выводы третьей главы .и .
ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МОДЕЛИ ПРОГНОЗИРОВАНИЯ
4.1 Экспериментальная оценка эффективности методов прогнозирования
4.2 Предобработка данны1ш.ш.мжи.жим.ии..и.
4.3 Краткосрочное прогнозирование
4.4 Дан ОСРОЧIIОС прогнозирование
4.5 Преимущества и недостатки топологии внутренний учитель 4 4.С Пути дальнейшего развития методики ЧМЧМИЧЧММММ1ЧМИ1ИЧ И4МЧЧМ1М1ЧМЧИ 6 Выводы четвертой главы
ЗАКЛЮЧЕНИЕ.
СПИСОК ЛИТЕРАТУРЫ


Проводить качественный анализ продаж и его прогнозирование, в ручном режиме, в том числе с помощью нейронных сетей, является трудной, зачастую неразрешимой задачей. Для этого необходимо построение автоматизированных систем прогнозирования. Одним из перспективных подходов для построения таких систем является использование нейронных сетей и обучения с подкреплением. Реализация адаптивной модели прогнозирования, работающей без участия пользователя, позволяет значительно повысить привлекательность нейросетевых методов прогнозирования. Создание СППР позволит получить доступное средство для оперативного анализа и управления предприятием. Возможно ли качественное обучение нейронной сети при заведомо недостаточном количестве исходных данных? Как обеспечить интерпретируемость результатов работы нейросети? Возможна ли реализация метода обучения самообучению полностью на нейросетевой архитектуре? Возможно ли создание обобщенной методологии построения адаптивных систем управления на основе нейросетевых технологий? Возможно ли создание нейросетевой системы прогнозирования, работающей и обучающейся в автоматическом режиме, без участия эксперта? Каким образом реализовать доступность нейросетевого моделирования для конечного пользователя? СППР в деятельности предприятий. Рассмотрены модели построения OLAP и Data - mining систем. Проведен анализ существующих методов обучения с подкреплением (Q-leaming, сети адаптивной критики и других) с использованием нейронных сетей, рассмотрена методика SMP. Выявлены достоинства и недостатки существующих методов. Во второй главе обоснован и описан метод создания топологии ^ «внутренний учитель». Разработанный метод позволяет обучить нейросеть на небольшом количестве примеров, а также дообучать (переобучать) в режиме реального времени по мере поступления новой информации, без участия эксперта (впрочем, последний может корректировать процесс обучения). Это позволяет использовать данный метод для моделирования динамических процессов, в которых наибольшую достоверность имеют самые свежие данные, или процессов, для которых, на начальном этапе, не представляется возможным создать обучающее множество необходимого размера. Использование метода обучения самообучению предоставляет системе уникальную возможность изменения стратегии и тактики поведения. В третьей главе разработаны структура хранилища данных предприятия, OLAP - система и модуль Data - mining на основе нсйросетевой топологии «внутренний учитель» и обоснована целесообразность применения нейросетевых методов для прогнозирования финансовых показателей предприятия. Приведен пример применения топологии «внутренний учитель» для прогнозирования объема продаж товаров предприятия. В четвертой главе проведено сравнение результатов анализа данных полученных при помощи топологии «внутренний учитель», классической « нейронной сети с алгоритмом SMP/SSA и метода математической статистики. Также рассмотрены возможные пути дальнейшего развития методики. В заключении описаны выводы и результаты проделанной работы. В приложении 1 приводится анализ современных нейропакетов. В приложении 2 приводится описание и руководство по использованию разработанной системы нейросетевого моделирования NNWizard. Практическая значимость работы заключается в разработке и апробации метода создания нейросстевых моделей, разработке нейросетевой моделирующей системы NNWizard для создания, исследования и применения нейросетевых имитационных моделей. Система NNWizard используется для прогнозирования объема продаж предприятия и поддержки принятия решений. SMP/SSA, модель созданная на основе топологии «внутренний учитель». Разработанная система поддержки принятия решений внедрена в ООО «Трансазия Трейд». Разработанная система нейросетевого моделирования внедрена в ООО «Трансазия Трейд» и ООО «Престиж». Основной материал работы опубликован в 5 научных статьях и 3 тезисах докладов. Подана заявка о выдаче патента на изобретение. Диссертация состоит из введения, четырех разделов, заключения, списка использованной литературы и приложений. Ее общий объем составляет 8 страниц текста, содержащего таблиц и рисунка.

Рекомендуемые диссертации данного раздела

28.06.2016

+ 100 бесплатных диссертаций

Дорогие друзья, в раздел "Бесплатные диссертации" добавлено 100 новых диссертаций. Желаем новых научных ...

15.02.2015

Добавлено 41611 диссертаций РГБ

В каталог сайта http://new-disser.ru добавлено новые диссертации РГБ 2013-2014 года. Желаем новых научных ...


Все новости

Время генерации: 0.250, запросов: 244