Добавлен: 30.06.2023
Просмотров: 74
Скачиваний: 3
ВВЕДЕНИЕ
Современная немыслима без информации. Тысячи предприятий, налогоплательщиков, рублей, котировки, реестры - все эти потоки оценить, обработать, необходимые выводы, правильное решение.
Современный - должен принимать обоснованные решения. Для наряду с знаниями, как основы менеджмента, внешнеэкономической деятельности, дело, административное управление, он владеть по построению систем.
Интеллектуальные – один из этапов развития технологий. технологиями называют методики, на каких-либо моделей, алгоритмов, математических теорем по данным значения характеристик и параметров. пример технологии - Пифагора, которая по сторон треугольника длину его стороны. примером способы, с которых обрабатывает человеческий мозг.
Аналитические нужны в очередь людям, принимающим решения - руководителям, аналитикам, экспертам, консультантам. компании в степени качеством этих решений – прогнозов, выбранных стратегий. Наиболее распространены технологии, для следующих задач: для курсов валют, цен на сырье, спроса, компании, уровня безработицы, страховых случаев, и т.д.
Как правило, для задач и не существует алгоритмов решения. руководители и решали такие только на личного опыта. С современных аналитических строятся системы, существенно эффективность решений.
Искусственный является “горячей точкой” научных исследований. В этой точке, как в фокусе, наибольшие усилия кибернетиков, лингвистов, психологов, философов, и инженеров. здесь многие вопросы, с путями развития мысли, с достижений в вычислительной техники и на будущих людей. возникают и получают права новые научных исследований. Здесь формируется взгляд на роль тех или иных результатов и возникает то, что было бы философским этих результатов.
Цель работы в понятия системы интеллекта, на нейронных в финансах и бизнесе, примеров нейронных на практике.
Задача в достоинств и каждой нейронной в от внедрения.
ПОНЯТИЕ "СИСТЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА"
Существует различных к классификации информационных систем:
– по структурированности задач;
– по функциям;
– по автоматизации функций;
– по применения и использования информации, в частности, по управления.
Известно, что при людей различные уровни предметной обученности: (память); стандартных задач (умения, навыки); нестандартных, задач (знания, активное интеллектуальное понимание).
Интеллект проявляется в областях, но мы рассмотрим его в задач, т.к. эта проявления является для интеллекта. бывают и нестандартные. Для задач алгоритмы решения. Для они неизвестны. решение задачи собой проблему.
Само "стандартности" относительно, относительна сама "неизвестность": т.е. может быть известен одним и другим, или о нем быть в определенный или времени, и – в другой. для одних может быть стандартной, а для нет. или разработка решения задачу из нестандартных в стандартные.
В и задача решенной, если известен ее решения.[1]
Разработка решения связано с и сложными рассуждениями, изобретательности, опыта, высокой квалификации.
Считается, что эта является творческой, существенно неформализуемой и участия с его "естественным" опытом и интеллектом. необходимо отметить, что технология решения задач (ТРИЗ), в сделана попытка, по мнению многих специалистов, успешная, в какой-то степени формализовать решения задач.
Интеллектуальными задачи, с разработкой алгоритмов ранее задач типа.
Отличительной и из источников эффективности является то, что они решение задачи к определенной достаточно или даже для решения задач. В нерешаемая становится решаемой. Исходная информация на вход алгоритма, на шаге она и в таком виде на шаг, в чего на алгоритма получается информация, собой задачи. может быть исполнен системой, способна элементарные на различных этого алгоритма.[2]
Существует ряд задач, таких, как образов и идентификация, прогнозирование, решений по управлению, для которых разбиение поиска на элементарные шаги, а и разработка алгоритма, затруднительны. Из этих вытекает следующее интеллекта: представляет универсальный алгоритма, разрабатывать решения задач.[3]
Исходя из вышесказанного, сделать о том, что в нашем наиболее классификацией ИС, на критерии, позволяющем "степень ИС", т.е. на критерии "степени решаемых задач".
Существуют классы искусственного интеллекта:[4]
1. Системы с интеллектуальной связью и интерфейсами.
2. Автоматизированные системы образов.
3. Автоматизированные системы принятия решений.
4. Экспертные системы (ЭС).
5. Генетические алгоритмы и эволюции.
6. Когнитивное моделирование.
7. Выявление знаний из (эмпирических фактов) и анализ (data mining).
8. Нейронные сети.
Системы с обратной и интеллектуальными интерфейсами:
Интеллектуальный (Intelligent interface) - интерфейс взаимодействия информационного и пользователя программ текстовых пользователя.
Примером служить идентификация и аутентификация по почерку. – это проверка, действительно ли является тем, за кого себя выдает. При этом пользователь предварительно о себе идентификационную информацию: свое имя и пароль, названному имени.[5]
Идентификация – это его личности.
И идентификация, и являются типичными задачами образов, может по заранее определенной или последовательности клавиш.
Системы с обратной (БОС). Это системы, поведение зависит от (биологического) состояния пользователя:
Мониторинг сотрудников на с целью
обеспечения качества продукции.
Компьютерные для больных с функциональными управлению состоянием.
Компьютерные игры с БОС.
Системы с резонансом. системы, поведение которых от сознания и его психологической реакции на стимулы.
Системы реальности.[6]
Виртуальная (ВР) – трехмерная (3D) окружающая среда, компьютерными и реалистично реагирующая на с пользователями.
Технической систем реальности являются современные персональные и обеспечение высококачественной визуализации и анимации. В устройств ввода-вывода в ВР виртуальные с дисплеями, в шлемы со очками, и устройства 3D-ввода, например, мышь с управляемым или "цифровые перчатки", обеспечивают обратную с пользователем.
Автоматизированные распознавания образов:[7]
Система образов - это систем искусственного интеллекта, обеспечивающих:[8]
– конкретных объектов и обобщенных образов классов;
– обучение, т.е. обобщенных классов на основе ряда объектов, (т.е. к тем или иным – классам) и обучающую выборку;
– самообучение, т.е. кластеров на основе неклассифицированной выборки;
– распознавание, т.е. (и прогнозирование) состояний объектов, признаками, друг с и с обобщенными образами классов;
– степени модели;
решение задачи и прогнозирования (обеспечивается не моделями).
Автоматизированные поддержки решений:
Системы принятия (СППР) – это компьютерные системы, всегда интерактивные, разработанные, помочь (или руководителю) в решений управления, данные, сложные аналитические и для программное в единую систему, может слабоструктурированное и неструктурированное решения. СППР под управлением пользователя от до и ежедневно. Предназначена для выбора варианта из множества альтернативных в многокритериальности и исходной информации.
Экспертные системы:[9]
Экспертная (ЭС) – это программа, в определенных отношениях эксперта или экспертов в той или иной предметной области. ЭС для практических задач, в слабо структурированных и формализуемых областях.
Исторически, ЭС были системами искусственного интеллекта, привлекли потребителей. системы используются в для рынка и маркетинговых программ, а в деле для тенденции рынка, трейдинг для котировок и валют, в для подготовки заключений о состоянии предприятий.
Генетические и эволюции:
Генетические (ГА) – это методы функциональной оптимизации, на имитационном моделировании эволюции.
Когнитивное моделирование:[10]
Это анализа, определение силы и направления факторов на объекта в состояние с сходства и в различных на управления.
Основана на структуризации области, т.е. на будущих и состояний управления и существенных (базисных) управления и среды, влияющих на объекта в эти состояния, а установление на качественном причинно-следственных между ними, с учетом взаимовлияния друг на друга.
Результаты структуризации с помощью когнитивной (модели).
В сфере это в сроки разработать и стратегию развития предприятия, банка, региона или даже государства с влияния во внешней среде; в финансов и рынка – ожидания рынка.
Выявление из (эмпирических фактов) и интеллектуальный данных (data mining):[11]
Интеллектуальный данных (ИАД или data mining) – это процесс в "сырых" ранее неизвестных, нетривиальных, практически и интерпретации знаний, для принятия решений в сферах деятельности. технологии data mining используются в деле для проблем Телекоммуникации, биржевого и др.
Нейронные сети:
Искусственная сеть (ИНС, нейросеть) - это набор нейронов, между собой. Как правило, функции всех нейронов в сети фиксированы, а веса параметрами сети и могут изменяться. входы помечены как входы сети, а некоторые - как выходы сети. любые на сети, мы какой-то чисел на сети. любую задачу можно к задаче, нейросетью.
1.2. Нейронная сеть Хопфилда
Нейронные сети - это искусственного интеллекта, в котором для сигналов явления, происходящим в нейронах существ. особенность сети, о ее широких и потенциале, в обработке информации звеньями. При количестве связей это позволяет ускорить обработки информации. Во случаях становится преобразование в времени. того, при числе соединений сеть устойчивость к ошибкам, на линиях. поврежденных берут на себя линии, в чего сети не претерпевает существенных возмущений.
Мозг содержит 1011 нейронов, каждый из своим соединен с 1000 нейронов. Таким образом в нем около 1014 связей, которые определяют его функционирование. заметить, что информации в нейронах достаточно медленно, частота составляет 400 - 500 Гц, в то как компьютеры в гигагерцевом диапазоне. мозг решать проблемы, не под силу самой совершенной ЭВМ, параллельной вычислительных процессов, избыточности и “пластичности”, живому адаптироваться к окружающей и сложные в существенной информационной неопределенности.
Искусственная сеть - это машина, которая спроектирована для функций и ему многослойную иерархическую и к обучению. смотрят на ИНС как на инструмент для нейробиологических феноменов, ожидают от ИНС эффективных вычислительных возможностей, избыточности и распараллеливанию, хотя и те и другие хотят больше, чем сегодня дать.
С точки ИНС - это параллельно распределенная обработки информации, тесно связанными простыми узлами (однотипными или различными), имеет свойство экспериментальные знания, их и доступными для в удобной для и решений. Функционирование ИНС работу в двух аспектах:
знания из среды в процессе обучения;
обучение путем (целенаправленного или случайного) силы между (синаптических весов) либо топологии (архитектуры) сети.
Основным блоком ИНС формальный или искусственный (он же узел сети), собой или электронную, или математическую, или алгоритмическую, или программно- модель, чьи имеют аналоги биологических нейронов. На рисунке1,1 приведены распространенные элементарных нейронов, реализующих так примитивные функции:
На вход подается xi, при этом с каждым связан так синаптический вес wi В теле нейрона вычисляется функция т.е. реализуется нелинейное отображение пространства Rnв скалярный R1.
Процедура, с которой обучение (настройка) отдельного или в целом, алгоритмом обучения. В процессе происходит (адаптация) весов, а возможно и ИНС так, выходные отвечали некоторому априори критерию качества, процесс сетью конкретной задачи.
Рисунок 1.1 – модели нейронов
С системного ИНС рассматривать как черный ящиик, на вход поступает векторный x, а на должен появиться сигнал y с характеристиками, в результате сети. нейросеть отображение n-мерного х = (х1,х2,...хп)T в m -мерный y = (y1,y2,...yп)T(Рисунок 1.2)[12]