29. Математические модели и методы искусственного интеллекта.

Искусственный интеллект реализуется на базе четырех подходов: логического, эволюционного, имитационного и структурного.

Основой логического подхода служит булева алгебра и ее логические операторы, в первую очередь, оператор IF (если). При этом исходные данные хранятся в базе данных в виде аксиом, а правила логического вывода - как отношения между ними.

Примером практической реализации логических методов являются деревья решений и нечеткая логика.

Эволюционное моделирование представляет собой универсальный способ построения прогнозов состояний системы в условиях задания их предыстории.

К построению систем ИИ широко используется имитационный подход с базовым понятием «черный ящик» (система, в которой внешнему наблюдателю доступны лишь входные и выходные величины, а структура и внутренние процессы неизвестны).

Под структурным подходом подразумевается построение систем ИИ путем моделирования структуры человеческого мозга (нейросетееое моделирование).

Искусственные нейронные сети (ИНС) - это математические модели и их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.

30. Системы ии и их роль в поддержке управленческих решений.

Система (ИИ) – автоматизированная информационная система для решения трудных задач, не имеющих известного алгоритма решения.

1- Интеллектуальный анализ данных и знаний.

2- Управление корпоративными знаниями

3- Поддержка принятия решений

4- Управление на основе технологий ИИ.

Закономерности выявленные методами ИИ:

1- Ассоциация

2- Последовательность (цепочка событий во времени)

3- Классификация (выявление признаков)

4- Кластеризация (формирование групп)

5- прогнозирование

Основные области применения ИИ: - Доказательства теорем; - Игры; - Распознавание образов; - Принятие решений;- Адаптивное программирование; - Сочинение машинной музыки; - Обработка данных на естественном языке; - Обучающиеся сети нейросети. Искусственный или машинный интеллект - свойство автоматизированных или автоматических систем брать на себя отдельные функции интеллекта человека.

Традиционно любая экспертная система в общем виде может быть представлена так: Данные + Алгоритм = Программа

5. Клиент – серверная архитектура.

6. Равноправие измерений.

7. Динамическая обработка разреженных матриц.

8. Поддержка многопользовательского режима.

31. Аналитическая обработка данных, системы оперативной аналитической обработки (ОLAP).

OLAP (Online Analytical Processing – оперативная аналитическая обработка) – это информационный процесс, который дает возможность пользователю запрашивать систему, проводить анализ и т.д. в оперативном режиме (онлайн). Результаты генерируются в течении секунд.

OLAP системы выполнены для конечных пользователей, в то время как OLTP системы делаются для профессиональных пользователей ИС. В OLAP предусмотрены такие действия, как генерация запросов, запросы нерегламентированных отчетов, проведение статистического анализа и построение мультимедийных приложений.

Для обеспечения OLAP необходимо работать с хранилищем данных (или многомерным хранилищем), а также с набором инструментальных средств, обычно с многомерными способностями. Этими средствами могут быть инструментарий запросов, электронные таблицы, средства добычи данных (Data Mining), средства визуализации данных и др.

В основе концепции OLAP лежит принцип многомерного представления данных. Э. Кодд рассмотрел недостатки реляционной модели, в первую очередь указав на невозможность объединять, просматривать и анализировать данные с точки зрения множественности измерений, то есть самым понятным для корпоративных аналитиков способом, и определил общие требования к системам OLAP, расширяющим функциональность реляционных СУБД и включающим многомерный анализ как одну из своих характеристик.

Правила, которым должен удовлетворять программный продукт класса

OLAP

1. Многомерное концептуальное представление данных.

2. Прозрачность.

3. Доступность.

4. Устойчивая производительность.