Совершенствование методологии проектирования интеллектуальных информационных систем : Ориентированных на применение Internet/Intranet

• Автор: Рыженко, Ирина Николаевна
• Шифр специальности: 05.13.10
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Бишкек
• Количество страниц: 185 с. : ил.

ВВЕДЕНИЕ

Глава 1. Исследование проблем разработки информационных

систем и систем принятия решений

1.1. Проблемы разработки экспертных систем

1.2. Анализ систем приобретения знаний

1.3. Анализ методологий проектирования информационных систем 1.3.1. Связь методологий с этапами жизненного цикла

разработки программных систем

1.4. Применение интеллектуальных агентов и ШЕВсЫаЬаБе

1.4.1 Программные агенты и мулыпиагентные системы 1.4.2. Анализ современных направлений в области

создания интеллектуалы 1ых агентов.

1.5. Выводы
1.6. Постановка задачи
Глава 2. Совершенствование методологии проектирования
информационных систем
2.1. Принятые методологии и средства исследования
2.1.1. Методология
2.1.2. Стандарт онтологического исследования
2.2. Совершенствование методологии проектирования информационных
систем
2.3. Классификация моделей в экономических системах
2.4. Модель функционирования и управления предприятием с
использованием экспертной системы
2.5. Разработка методологии представления архитектуры разрабатываемой
системы
2.6. Проектирование концептуальной модели аудиторской деятельности
2.6.1. Выбор основания для построения концептуальной модели
2.6.2. Определение объектов проектируемой системы
2.6.3. Определение функций
2.6.4. Установление сетевых представлений
2.7. Формализация архитектурных представлений
2.8. Разработка информационной модели объектов аудита
2.9. Разработка программного обеспечения, информационной системы аудита
финансового состояния предприятия 2.9.1. Основные положения при разработке программного
обеспечения
2.9.2. Разработка программного обеспечения информационной системы финансового состояния предприятия
2 Выводы
Глава 3. Разработка экспертной системы на базе интернет технологий
3.1. Проектирование виртуальной области знаний для оценки
финансового состояния предприятия
3.2. Концептуальная модель экспертной оценки финансового состояния
предприятия
3.3. Алгоритм оценки финансового состояния
3.3.1. Основные понятия и определения теории нечетких множеств
3.3.2. Лингвистические переменные
3.3.3. Формализация процесса оценки финансового состояния
3.3.4. Определение функции принадлежности и Коэффициента надежности принятия решения относительно оценки финансового состояния
3.3.5. Определение доверительного интервала коэффициента надежности
3.3.6. Определение степени влияния важности показателя на оценку финансового состояния предприятия.
3.4. Формирование базы знаний для оценки финансового состояния
предприятия
3.4.1. Формальное описание базы знаний
3.4.2. Определение прототипа базы знаний
3.5. Обучение заполнение базы знаний экспертной системы оценки
финансового состояния предприятия
3.5.1. Формирование отражения базы знаний в виртуальном пространстве
3.5.2. Формирование базы знаний виртуального пространства
3.5.3. Алгоритм вывода рекомендаций интеллектуальным агентом
3.6. Алгоритм фильтра для расчета коэффициентов основных
показателей 1
3.7. Выводы
Глава 4. Практическое использование программного обеспечения информационных систем и экспертных систем
4.1. Информационная система Оптовые поставки медикаментов
4.1 Состав программного обеспечения
4.1.2. Структура корпоративной информационной системы
4.1.3. Система удаленного администрирования корпоративных сетей
4.2. Модель информационной системы с помощью Егуп и Вруп
4.3. Экспертная система на базе агентной технологии
4.4. Описание виртуальной экспертной системы аудита ВЭСАУДИТ
4.5. Выводы
ЗАКЛЮЧЕНИЕ И ОСНОВНЫЕ ВЫВОДЫ ИСПОЛЬЗОВАННЫЕ ИСТОЧНИКИ ПРИЛОЖЕНИЕ
Приложение 1. Авторское свидетельство Приложение 2. Акты внедрения Приложение 3. Акты использования Приложение 4. Диплом конкурса Приложение 5. Модель ВЭС АУДИТ
ВВЕДЕНИЕ


Основная работа на третьем этапе заключается в существенном расширении базы знаний, то есть в добавлении большого числа дополнительных правил, фреймов, узлов семантической сети или других элементов знаний. Эти элементы знаний обычно увеличивают глубину системы, обеспечивая большее число правил для трудно уловимых аспектов отдельных случаев. В то же время эксперт и инженер по знаниям могут увеличить базу знаний системы, включая правила, управляющие дополнительными подзадачами или дополнительными аспектами экспертной задачи. После установления основной структуры ЭС инженер по знаниям приступает к разработке и адаптации интерфейсов, с помощью которых система будет общаться с пользователем и экспертом. Экспертные системы оцениваются главным образом для того, чтобы проверить точность работы программы и ее полезность. После завершения этапа разработки экспертной системы необходимо провести се тестирование в отношении критериев эффективности. К тестированию широко привлекаются другие эксперты с целью апробирования работоспособности системы на различных примерах. Этап стыковки включает обеспечение связи ЭС с существующими базами данных и другими системами на предприятии, а также улучшение системных факторов, зависящих от времени. Этап поддержки системы является одним из элементов функционирования системы, проявляющийся в том, что необходимо постоянно следить за изменяющимся парком технических средств и развитием операционных систем, как пользователю, так и разработчику системы с целью доработки приложений в случае необходимости. Консервативность, т. Субъективизм разработчика, т. Практическая несовместимость с уже имеющимися средствами ведения баз данных на предприятии. Рассмотрим автоматизированный подход к проблеме извлечения и структурирования знаний, традиционно называемый приобретением знаний iii. Поскольку основную трудность в создании интеллектуальных систем представляет этап проектирования, выполняемый инженером по знаниям или аналитиком, анализ предметной области, получение знаний и их структурирование, эти процедуры считаются наиболее узким местом проектирования экспертных систем . Первое поколение систем приобретения знаний СПЗ появилось в середине х II 5, I I , АРИАДНА . Это средства наполнения так называемых пустых ЭС, то есть систем, из БЗ которых изъяты знания например, I I, пустая медицинская ЭС I со специальной диалоговой системой заполнения базы знаний II. Их авторы считали, что прямой диалог эксперта с компьютером через СПЗ поможет сократить жизненный цикл разработки. Однако опыт создания и внедрения СПЗ продемонстрировал несовершенство такого подхода. Слабая проработка методов извлечения и структурирования знаний. Жесткость модели представления знаний, встроенной в СПЗ с привязкой к программной реализации. Ограничения на предметную область. Второе поколение СПЗ появилось в конце х и было ориентировано на более широкий модельный подход с акцентом на предварительно детальном анализе предметной области. Так, в Европе широкое применение получила методология iii i i , в основе которой лежит понятие интерпретационной модели, позволяющей процессы извлечения, структурирования и формализации знаний рассматривать как интерпретацию лингвистических знаний в другие представления и структуры. На рис. Н
6 о о
С
о
р
8. Уровень анализа выполнения
СЗ
X
о
Рис. Результатом анализа является концептуальная модель экспертизы, состоящая из четырех уровней уровня области уровня вывода уровня задачи стратегического уровня, которая затем вводится в пространство
проектирования и преобразуется в трехуровневую модель проектирования Рис. Рис. При решении реальных задач КЛОБ использует библиотеку интерпретационных моделей, описывающих общие экспертные задачи, такие как диагностика, мониторинг, без конкретного наполнения объектами предметной области. Интерпретационная модель представляет собой концептуальную модель без уровня области. На основании извлеченных лингвистических данных происходит отбор, комбинация и вложение верхних уровней модели, то есть уровней вывода и задачи, которые наполняются конкретными объектами и атрибутами из уровня области и представляют в результате концептуальную модель рассматриваемой задачи. На рис. КАОБ.