29. Математические модели и методы

искусственного интеллекта.

Логическая модель (машина док утвержд.)

 Деревья решений

Особенности(назначение, наглядность и

понятость)

 Нечеткая логика (фазификация – перевод знач (Х)

в нечеткий формат функции принадлежности

М(Х); дефазификация - процедура преобразования

нечеткого множества в четкое число.

 Расс на основные анологичные случаи

Эволюционная модель

 Построение прогнозов поиск предыст

Искусственные нейронные сети (ИС) — математические

модели, а также их программные или аппаратные

реализации, построенные по принципу организации и

функционирования биологических нейронных сетей —

сетей нервных клеток живого организма.

Нейронные сети не программируются в привычном

смысле этого слова, они обучаются. Возможность

обучения — одно из главных преимуществ нейронных

сетей перед традиционными алгоритмами. Нечёткие

множества — реализуют логические отношения

между данными. Эти программные продукты

используются для управления экономическими

объектами, построения экспертных систем и систем

поддержки принятия решений.

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 вр)

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 машинныйинтеллект - свойство

автоматизированных или автоматических систем

брать на себя отдельные функции интеллекта

человека. Традиционно любая ЭС в общем виде может быть

представлена так: Данные + Алгоритм = Программа

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. 5. Клиент – серверная архитектура. 6. Равноправие измерений. 7. Динамическая обработка разреженных матриц. 8. Поддержка многопользовательского режима.