Главная
страница 1

Л_5(ИСвЭ)

Лекция № 5. Информационные технологии в экономике

1 Технологии автоматизированного офиса

2. Нейросетевые технологии в финансово-экономической деятельности

3 Информационная технология экспертных систем


1 Технологии автоматизированного офиса

Исторически автоматизация офиса началась с рутинной секретарской работы и лишь позднее заинтересовала инженерно-технических работников и менеджеров в их дальнейшей информатизации.

В настоящее время известны несколько десятков коммерчески доступных программных продуктов, обеспечивающих технологию автоматизации офиса: текстовый процессор, электронная почта, аудиопочта, табличный процессор, электронный календарь, компьютерные конференции, телеконференции, хранение изображений, видеотекст, а также специализированные программы контроля исполнительской дисциплины: ведения документов, проверки исполнения приказов и т.д.

К офисным технологиям относится использование и некомпьютерных средств: аудио- и видеоконференций, факсимильная связь, ксерокс и другие средства оргтехники.



Технология использования текстовых редакторов

Пользователь ПЭВМ часто встречается с необходимостью подготовки тех или иных документов — писем, статей, служебных записок, отчетов, рекламных материалов и т. д.

Удобство и эффективность применения компьютеров для подготовки текстов привели к созданию множества программ для обработки документов. Такие программы называются текстовыми процессорами или редакторами. Возможности этих программ различны — от программ, предназначенных для подготовки небольших документов простой структуры, до программ для набора, оформления и полной подготовки к типографскому изданию книг и журналов (издательские системы).

Существует несколько сотен редакторов текстов — от самых простых до весьма мощных и сложных. Наиболее распространенный - Microsoft Word. Самые простые редакторы – «Блокнот», встроенный в Windows. В Microsoft Word реализована фоновая проверка орфографии, удобный инструмент рисования таблиц. Для подготовки рекламных буклетов, оформления журналов и книг используются специальные издательские системы. Они позволяют готовить и печатать на лазерных принтерах или выводить на фотонаборные автоматы сложные документы высокого качества.

Имеются 2 основных вида издательских систем: 1) очень удобны для подготовки небольших материалов с иллюстрациями, графиками, диаграммами, различными шрифтами в тексте, например газет (например - Aldus PageMaker. 2) более подходят для подготовки больших документов, например книг (например - Ventura Publisher). Она может экспортировать тексты других текстовых редакторов с сохранением форматирования. Основная операция издательских систем - верстка документов, а для ввода и редактирования текста лучше использовать Word , так как он превосходит их в скорости и удобстве работы.

Технология использования табличного редактора

В любой сфере деятельности найдется множество задач, исходные и результатные данные которых должны быть представлены в табличном виде. Универсальность таблиц и необходимость постоянно учитывать в них взаимозависимость между клетками натолкнули программистов на мысль о создании универсальной программы работы с таблицами — табличного процессора.

Табличные процессоры (электронные таблицы или ЭТ) относятся к той категории пакетов прикладных программ (ППП), которые совершили настоящую революцию в использовании персональных компьютеров (ПК) в сфере бизнеса, освободив человека от выполнения многочисленных рутинных операций при обработке документов табличного вида и положив начало новой концепции "электронного" офиса. Их популярность во всем мире исключительно велика и в настоящее время ППП, реализующие функции ЭТ, считаются обязательными элементами автоматизации управленческой деятельности.

Табличные редакторы (иногда их называют также электронные таблицы) на сегодняшний день, одни из самых распространенных программных продуктов, используемые во всем мире. Они без специальных навыков позволяют создавать достаточно сложные приложения, которые удовлетворяют до 90% запросов средних пользователей.

Табличные редакторы появились практически одновременно с появлением персональных компьютеров, когда появилось много простых пользователей не знакомых с основами программирования. Первым табличным редактором, получившим широкое распространение, стал Lotus 1-2-3, ставший стандартом де-факто для табличных редакторов:

Автоматизация работы пользователя с ЭТ осуществляется за счет следующих приемов:

1. Однородные формулы можно не набирать, а копировать, причем формулы копируются с соответствующим изменением адресов. 2. При изменении значения в какой-либо ячейке, все ячейки от нее зависящие пересчитываются. 3. Использование в работе различных мастеров: Мастер диаграмм, Мастер функций. 4. Для выполнения анализа данных, прогнозирования, моделирования и т.д. пользователем могут быть использованы такие средства из меню Сервис, как Подбор параметра и Поиск решения. При использовании данных функций в диалоговых окнах необходимо задавать требуемые параметры, а процессор выполнит необходимые расчеты и подберет оптимальное решение.


2. Нейросетевые технологии в финансово-экономической деятельности

В настоящее время имеет место широкое появление на отечественном рынке компьютеров и программного обеспечения нейропакетов и нейрокомпьютеров, предназначенных для решения финансовых задач. Те банки и крупные финансовые организации, которые уже используют нейронные сети для решения своих задач, понимают, насколько эффективным средством могут быть нейронные сети для задач с хорошей статистической базой, например при наличии достаточно длинных временных рядов, в том числе и многомерных.

Нейросетевые технологии оперируют биологическими терминами, а методы обработки данных получили название генетических алгоритмов, реализованных в ряде версий нейропакетов, известных в России. Это профессиональные нейропакеты Brain Maker Professional v.3.11 и Neuroforester v.5.1, в которых генетический алгоритм управляет процессом общения на некотором множестве примеров, а также стабильно распознает и прогнозирует новые ситуации с высокой степенью точности даже при появлении противоречивых или неполных знаний. Причем обучение сводится к работе алгоритма подбора весовых коэффициентов, который реализуется автоматически без участия пользователя-аналитика. Все результаты обработки представляются в графическом виде, удобном для анализа и принятия решений.

Использование нейросетевых технологий как инструментальных средств перспективно в решении множества плохо формализуемых задач, в частности при анализе финансовой и банковской деятельности, биржевых, фондовых и валютных рынков, связанных с высокими рисками моделей поведения клиентов, и др. Точность прогноза, устойчиво достигаемая нейросетевыми технологиями при решении реальных задач, уже превысила 95%. На мировом рынке нейросетевые технологии представлены широко – от дорогих систем на суперкомпьютерах до ПК, делая их доступными для приложений практически любого уровня.

К основным преимуществам нейронных сетей можно отнести:


    • способность обучаться на множестве примеров в тех случаях, когда неизвестны закономерности развития ситуации и функции зависимости между входными и выходными данными. В таких случаях (к ним можно отнести до 80% задач финансового анализа) пасуют традиционные математические методы;

    • способность успешно решать задачи, опираясь на неполную, искаженную и внутренне противоречивую входную информацию;

    • эксплуатация обученной нейронной сети по силам любым пользователям;

    • нейросетевые пакеты позволяют исключительно легко подключаться к базам данных, электронной почте и автоматизировать процесс ввода и первичной обработки данных;

    • внутренний параллелизм, присущий нейронным сетям, позволяет практически безгранично наращивать мощность нейросистемы, т.е. сверхвысокое быстродействие за счет использования массового параллелизма обработки информации;

    • толерантность к ошибкам: работоспособность сохраняется при повреждении значительного числа нейронов;

    • способность к обучению: программирование вычислительной системы заменяется обучением;

    • способность к распознаванию образов в условиях сильных помех и искажений.

Появление столь мощных и эффективных средств не отменит традиционные математические и эконометрические методы технического анализа, или сделает ненужной работу высококлассных экспертов. В качестве нового эффективного средства для решения самых различных задач нейронные сети просто приходят – и используются теми людьми, которые их понимают, которые в них нуждаются и которым они помогают решать многие профессиональные проблемы. Не обязательно насаждать нейронные сети или пытаться доказать их неэффективность путем выделения присущих им особенностей и недостатков - нужно просто относиться к ним, как к неизбежному следствию развития вычислительной математики, информационных технологий и современной элементной базы.

Под нейрокомпьютером здесь понимается любое вычислительное устройство, реализующее работу нейронных сетей, будь то специальный нейровычислитель или эмулятор нейронных сетей на персональном компьютере.

Нейронная сетью (НС) – вид вычислительной структуры, основанной на использовании нейроматематики - нового направления математики, находящегося на стыке теории управления, численных методов и задач классификации, распознавания образов. Для решения конкретных задач используются пакеты прикладных программ-эмуляторов работы нейронных сетей – нейропакеты, нейросетевые и гибридные экспертные системы, специализированные параллельные вычислители на базе нейрочипов.

Модели НС могут быть программного и аппаратного исполнения.

Несмотря на существенные различия, отдельные типы НС обладают несколькими общими чертами.

Во-первых, основу каждой НС составляют относительно простые, в большинстве случаев – однотипные, элементы (ячейки), имитирующие работу нейронов мозга. Далее под нейроном будет подразумеваться искусственный нейрон, то есть ячейка НС. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Он обладает группой синапсов – однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон – выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов. Общий вид нейрона приведен на рисунке.



S

Ячейка нейрона

Аксон

Выход


Y

Синапсы


Входы

X3

X2

X1

X

W1



W2

W3

Wn

Каждый синапс характеризуется величиной синаптическои связи или ее весом wi, который по физическому смыслу эквивалентен электрической проводимости.

Текущее состояние нейрона определяется, как взвешенная сумма его входов.

В зависимости от функций, выполняемых нейронами в сети, можно выделить 3 типа:



    • входные нейроны, на которые подается вектор, кодирующий входное воздействие или образ внешней среды; в них обычно не осуществляется вычислительных процедур, а информация передается с входа на выход путем изменения их активации;

    • выходные нейроны, выходные значения которых представляют выходы нейросети;

    • промежуточные нейроны, составляющие основу нейронных сетей.

В большинстве нейронных моделей тип нейрона связан с его расположением в сети. Если нейрон имеет только выходные связи, то это входной нейрон, если наоборот – выходной нейрон. В процессе функционирования сети осуществляется преобразование входного вектора в выходной, переработка информации.

Каждый нейрон распознаёт и посылает сигнал об одном простом событии, он не посылает много сигналов и не распознаёт много событий. Синапс позволяет единственному сигналу иметь различные воздействия на связанные с ним нейроны. Распознавание более сложных событий есть работа группы взаимосвязанных нейронов (НС) и несколько биологических нейронных сетей функционируют взаимосвязанно для обработки всё более сложной информации.

Нейронная сеть состоит из слоев нейронов, которые соединены друг с другом. Детали того, как нейроны соединены между собой, заставляют задуматься над вопросом проектирования НС. Некоторые нейроны будут использоваться для связи с внешним миром, другие нейроны - только с нейронами. Они называются скрытыми нейронами.

Перечислим основные классы задач, возникающих в финансовой области, которые эффективно решаются с помощью нейронных сетей:



  • прогнозирование временных рядов на основе нейросетевых методов обработки (прогнозирование кросс-курса валют, прогнозирование котировок и спроса акций, прогнозирование остатков средств на корреспондентских счетах банка);

  • страховая деятельность банков;

  • прогнозирование банкротств на основе нейросетевой системы распознавания;

  • определение курсов облигаций и акций предприятий с целью инвестирования;

  • применение нейронных сетей к задачам биржевой деятельности;

  • прогнозирование экономической эффективности финансирования инновационных проектов;

  • предсказание результатов займов;

  • оценка платежеспособности клиентов;

  • оценка недвижимости;

  • рейтингование;

  • общие приложения нейронных сетей и пр.


3 Информационная технология экспертных систем

Экспертные системы дают возможность получать менеджеру необходимую информацию для принятия решений по любым проблемам при наличии соответствующей базы знаний. Они имеют непосредственное отношение к области «искусственного интеллекта». Но сюда относится также и создание роботов, систем, моделирующих интеллектуальные способности человека.

Экспертные системы (ЭС) возникли как теоретический и практический результат в применении и развитии методов искусственного интеллекта с использованием ЭВМ.

ЭС – это набор программ, выполняющий функции эксперта при решении задач из некоторой предметной области. ЭС выдают советы, проводят анализ, дают консультации, ставят диагноз. Практическое применение ЭС на предприятиях способствует эффективности работы и повышению квалификации специалистов.

Главным достоинством экспертных систем является возможность накопления знаний и сохранение их длительное время. В отличие от человека к любой информации экспертные системы подходят объективно, что улучшает качество проводимой экспертизы. при решении задач, требующих обработки большого объема знаний, возможность возникновения ошибки при переборе очень мала.

Основными отличиями ЭС от других программных продуктов являются использование не только данных, но и знаний, а также специального механизма вывода решений и новых знаний на основе имеющихся. Знания в ЭС представляются в такой форме, которая может быть легко обработана на ЭВМ. В ЭС известен алгоритм обработки знаний, а не алгоритм решения задачи. Поэтому применение алгоритма обработки знаний может привести к получению такого результата при решении конкретной задачи, который не был предусмотрен. Более того, алгоритм обработки знаний заранее неизвестен и строится по ходу решения задачи на основании эвристических правил. Решение задачи в ЭС сопровождается понятными пользователю объяснениями, качество получаемых решений обычно не хуже, а иногда и лучше достигаемого специалистами. В системах, основанных на знаниях, правила, по которым решаются проблемы в конкретной предметной области, хранятся в базе знаний. Проблемы ставятся перед системой в виде совокупности фактов.

Качество ЭС определяется размером и качеством базы знаний (правил или эвристик). Система функционирует в следующем циклическом режиме: выбор (запрос) данных или результатов анализов, наблюдения, интерпретация результатов, усвоения новой информации, выдвижении с помощью правил временных гипотез и затем выбор следующей порции данных или результатов анализов. Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

В любой момент времени в системе существуют три типа знаний:

1) Структурированные знания – статистические знания о предметной области. После того как эти знания выявлены, они уже не изменяются.

2) Структурированные динамические знания – изменяемые знания о предметной области. Они обновляются по мере выявления новой информации.

3) рабочие знания – знания, применяемые для решения конкретной задачи или проведения консультации.

Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

Системы, основанные на знаниях, строятся по модульному принципу, что позволяет постепенно наращивать их базы знаний.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматриваемых задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

Области применения систем, основанных на знаниях, могут быть сгруппированы в несколько основных классов: прогнозирование, планирование, контроль и управление, обучение, диагностика неисправностей в механических и электрических устройствах, медицинская диагностика.

Большинство ЭС включают знания, по содержанию которых их можно отнести одновременно к нескольким типам. Например, обучающая система может также обладать знаниями, позволяющими выполнять диагностику и планирование. Она определяет способности обучаемого по основным направлениям курса, а затем с учетом полученных данных составляет учебный план. Управляющая система может применяться для целей контроля, диагностики, прогнозирования и планирования.



Существует ряд прикладных задач, которые решаются с помощью систем, основанных на знаниях, более успешно, чем любыми другими средствами. При определении целесообразности применения таких систем нужно руководствоваться следующими критериями.

  1. Данные и знания надежны и не меняются со временем.

  2. Пространство возможных решений относительно невелико.

  3. В процессе решения задачи должны использоваться формальные рассуждения. Существуют системы, основанные на знаниях, пока еще не пригодные для решения задач методами проведения аналогий или абстрагирования (человеческий мозг справляется с этим лучше). В свою очередь традиционные компьютерные программы оказываются эффективнее систем, основанных на знаниях, в тех случаях, когда решение задачи связано с применением процедурного анализа. Системы, основанные на знаниях, более подходят для решения задач, где требуются формальные рассуждения.

  4. Должен быть по крайней мере один эксперт, который способен явно сформулировать свои знания и объяснить методы применения этих знаний для решения задач.

Системы, основанные на знаниях, имеют определенные преимущества перед человеком-экспертом:

  1. У них нет предубеждений.

  2. Они не делают поспешных выводов.

  3. Эти системы работают систематизированно, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

  4. База знаний может быть очень и очень большой. Будучи введены в машину один раз, знания сохраняются навсегда. Человек же имеет ограниченную базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

  5. Системы, основанные на знаниях, устойчивы к «помехам». Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены «шумам».

  6. Эти системы не заменяют специалиста, а являются инструментом в его руках.




Смотрите также:
Лекция № Информационные технологии в экономике 1 Технологии автоматизированного офиса
137.42kb.
1 стр.
Информационные системы и технологии
3769.69kb.
17 стр.
Методические указания по выполнению лабораторной работы №18 для студентов всех форм обучения специальностей 230104 «системы автоматизированного проектирования»
788.98kb.
4 стр.
«Фундаментальная информатика и информационные технологии» Магистерские программы «Технологии баз данных», «Технологии разработки компьютерных игр» Дисциплина «Объектно-ориентированные case-технологии» Задание на курсовой проект
9.15kb.
1 стр.
Программа «информатика и икт (информационные и коммуникационные технологии)»
301.66kb.
1 стр.
Направление подготовки: 230400. 68 Информационные системы и технологии
27.67kb.
1 стр.
Учебно-методический комплекс по дисциплине информационные технологии в лингвистических исследованиях Пенза 2007 Программа курса «Информационные технологии в лингвистических исследованиях»
242.75kb.
1 стр.
Программа Тринадцатой международной научно-практической конференции "Новые информационные технологии в образовании. Технологии "
163.64kb.
1 стр.
«Информационные технологии в образовании» Центр новых педагогических технологий Московский областной общественный фонд новых технологий в образовании
8197.28kb.
45 стр.
1 Нормативные документы для разработки ооп бакалавриата по направлению подготовки 230400 информационные системы и технологии
765.86kb.
3 стр.
Информационные лазерные технологии
1480.14kb.
10 стр.
Высшее образование первая ступень
608.36kb.
5 стр.