Разработка и исследование автоматизированных систем анализа деятельности предприятия с использованием семантических сетей

• Автор: Крошилина, Светлана Владимировна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Рязань
• Количество страниц: 173 с.

ВВЕДЕНИЕ

ГЛАВА 1. АВТОМАТИЗИРОВАННЫЕ СИСТЕМЫ АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ

1.1. Автоматизация анализа деятельности предприятий с помощью

ЭКСПЕРТНЫХ СИСТЕМ.

1.1.1. Основные понятия.

1.1.2. Задачи автоматизации анализа деятельности предприятия

1.1.3. Принципы построения производственных аналитических систем и механизм анализа результатов.

1.2. Краткий обзор существующих экспертных аналитических систем

1.2.1. Системы, основанные на правилах

1.2.2. Нейросетевые системы, основанные на примерах.

1.2.3. Нечеткие системы, основанные на принципах

1.2.4. Системы, основанные на разработке моделей
1.2.5. Особенности и недостатки существующих автоматизированных систем анализа деятельности предприятий
1.3. Интеллектуальные информационные системы анализа деятельности предприятия
1.3.1. Развитие направлений интеллектуальных систем аналитики деятельности предприятий
1.3.2. Методология проектирования интеллектуальных систем аналитики деятельности предприятий
1.3.3. Общая структура экспертной системы анализа деятельности предприятия.
Основные результаты
ГЛАВА 2. СИСТЕМА АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ, ОСНОВАННАЯ НА СЕМАНТИЧЕСКИХ СЕТЯХ.
2.1. Модели представления знаний экспертов.
2.1.1. Логические модели.
2.1.2. Фреймы.
2.1.3. Нейронные сети.
2.1.4. Продукционные системы
2.1.5. Семантические сети.
2.2. Универсальная алгебра для описания сетевой модели знаний в нечеткой экспертной системе.
2.2.1. Основные понятия универсальной алгебры.
2.2.2. Применение нечетких множеств
2.2.3. Нечеткие объекты предметной области
2.3. Описания предметной области семантической сетью6Г
2.3.1. Описание семантической сети нечеткой экспертной системыбЗ
2.3.2. Определение операций на элементах семантической сети
2.3.3. Определение операций над семантическими сетями.
2.3.4. Определение отношений на множестве элементов семантической сети.
2.3.5. Определение отношений на семантических сетях.
Основные результаты
ГЛАВА 3. АВТОМАТИЗАЦИЯ АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЙ В НЕЧЕТКОЙ ЭКСПЕРТНОЙ СИСТЕМЕ.
3.1. Механизм логического вывода в нечеткой экспертной системе анализа деятельности предприятий.
3.1.1. Оценка сгенерированных вариантов возможного выбора рекомендаций для принятия управленческих решений
3.1.2. Согласование рекомендаций и ситуаций.
3.1.3. Контроль развития ситуации.
3.1.4. Выбор возможных решений
3.2. Модель предприятия
3.2.1. Понятие модели предприятия в нечеткой экспертной системе
3.2.2. Формирование модели предприятия
3.2.3. Сетевая модель предприятия в нечеткой экспертной системе анализа деятельности предприятий
3.2.4. Типы моделей предприятия в нечеткой экспертной системе.
3.3. Модель событий предприятия
3.3.1. Выбор рекомендаций.
3.3.2. Ознакомление с предметной областью деятельности предприятия.
3.4. Анализ деятельности предприятия с применением модели предприятия.
3.4.1. Оценочная функция
3.4.2. Расширенный набор рекомендаций при анализе.
3.4.3. Ординарные рекомендации при анализе.
3.4.4. Распределение рекомендаций в пространстве ситуаций предметной области.
3.5. Приобретение знаний экспертов.
Основные результаты
ГЛАВА 4. ПРОГРАММНАЯ РЕАЛИЗАЦИЯ НЕЧЕТКОЙ
ЭКСПЕРТНОЙ СИСТЕМЫ АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ
4.1. Основные задачи, реализуемые программным пакетом
4.1.1. Требования к системе анализа деятельности предприятия.
4.1.2. Задачи, выполняемые подсистемой моделирования предприятия
4.1.3. Требования к подсистеме приобретения знаний.
4.1.4. Технические и программные средства для создания и функционирования нечеткой экспертной системы
4.2. Описание реализации системы
4.2.1. Построение подсистемы анализа деятельности предприятия
4.2.2. Описание базы данных.
4.2.3. Проектирование подсистемы приобретения знаний
4.3. Принципы функционирования нечеткой экспертной системы
АНАЛИЗА ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ
4.3.1. Определение наименования модели предметной области деятельности предприятия
4.3.2. Выделение и ввод понятий с отношениями между ними
4.3.3. Ввод ситуации для выдачи рекомендаций по принятию решений и определение соответствующих ей понятий
4.3.4. Генерация правил в нечеткой экспертной системе.
4.3.5. Анализ деятельности предприятия нечеткой экспертной системой
Основные результаты
ЗАКЛЮЧЕНИЕ
ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ.
СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ


Знание в теории искусственного интеллекта совокупность данных у индивидуума, общества или у системы ИИ о мире, включающих в себя информацию о свойствах объектов, закономерностях процессов и явлений, а также правилах использования этой информации для принятия решений. Правила использования включают систему причинноследственных связей. Главное отличие знаний от данных состоит в их активности. Это означает, что появление в базе новых фактов или установление новых связей может стать источником изменений в принятии решений . Знания, которыми обладает специалист в какойлибо области дисциплине, можно разделить на формализованные точные и неформализованные неточные. Формализованные знания , , формулируются в книгах и руководствах в виде общих и строгих суждений законов, формул, моделей, алгоритмов и т. Неформализованные знания являются результатом обобщения многолетнего опыта работы и интуиции специалистов. Они обычно представляют собой многообразие эмпирических эвристических приемов и правил. Ряд аспектов классификации знаний иллюстрирует рисунок 1. В зависимости от источника знаний выделяются априорные и накапливаемые знания. Первый вид знаний определяется и помещается в базу знаний БЗ до начала функционирования включающей эту БЗ интеллектуальной системы. Кроме того, при работе с БЗ достоверность содержащихся в ней априорных знаний не переоценивается. В отличие от априорных, множество накапливаемых знаний формируется в процессе использования БЗ. Источниками этих знаний могут быть эксперты, внешние искусственные устройстванаблюдатели различного рода датчики, механизмы распознавания образов и т. Широко распространенным аспектом классификации знаний является их деление на декларативные факты, сведения описательного характера, процедурные информация о способах решения типовых задач в некоторой ПрО и метазнания. Метазнания чаще всего определяются как знания о знаниях и содержат общие сведения о принципах использования знаний. К уровню метазнаний также относят стратегии управления выбором и применением процедурных знаний. Рисунок 1. В основе деления знаний в зависимости от степени их достоверности лежат так называемые нефакторы, присущие знаниям 0 неполнота информации о рассматриваемом фрагменте ПрО, неточность количественных и размытость качественных оценок, неоднозначность ряда правил вывода новых знаний, несогласованность некоторых. БЗ и пр. Один из способов учета таких нефакторов при формализации знаний состоит в использовании теории нечетких множеств . К классу процедурных знаний с нечеткой степенью достоверности относятся эвристики, описывающие приемы решения задач, базирующиеся на опыте экспертов в конкретной ПрО , 1, 6. С точки зрения решения задач в некоторой ПрО, знания удобно разделить на две большие категории факты и эвристики. Под фактами обычно понимают общеизвестные в данной ПрО истины, обстоятельства . В процессе поиска решения задач применяются логические рассуждения и опыт. Общим термином, которым обозначается использование опыта для решения некоторой задачи, является эвристика . В настоящее время существует необходимость разработки специальных методов исследования организационнопроизводственных и финансовых систем, которые в полной степени учитывают российские реалии организации и ведения бизнеса. Вструктуре комплекса управления предприятиеминтеллектуальные блоки включают в информационную систему автоматизированные рабочие места специалистов экономиста, производственного менеджера, финансового менеджера и т. При этом необходимы специализация интеллектуальных компонент и формирование их структур в зависимости от классов решаемых задач, которые, по аналогии с деятельностью человека, существенно повышают качество диагностики состояния предприятия. Пользователямэкспертам для работы нужна такая система анализа в узкой предметной области хозяйственная деятельность конкретного предприятия, территориальное расположение, его положение на рынке и т. МПрО и ее редактирования средства построения запросов к системе и их обработки средства накопления результатов анализа и средства работы с результатами.