Файл: Практическое задание 9 Сравнительный анализ платформ бизнесинтеллекта.docx
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 08.11.2023
Просмотров: 13
Скачиваний: 2
ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.
Практическое задание 9
Таблица 1
Сравнительный анализ платформ бизнес-интеллекта
| № | Наименование платформы бизнес-интеллекта | Описание платформы | Плюсы платформы | Минусы платформы |
| 1 | VISIOLOGY | позволяет эффективно решать задачи сбора данных, их обработки и последующей визуализации для бизнес-аналитики (BI) | Импорт/экспорт данных. Отчётность и аналитика. Наличие API. Администрирование. Регулярная отчётность. Панели мониторинга. Визуализация данных. Многопользовательский доступ. Нерегламентированная отчётность. Аналитика. Самообслуживания. Экспорт отчётов. | Сбалансированная система показателей (BSC) |
| 2 | ARENADATA | Платформа для сбора, хранения и обработки больших данных на базе технологий с открытым исходным кодом. | Хранение больших данных. Генерации аналитических отчетов разного плана. Разгрузка legacy-систем. Гибридный корпоративный ландшафт. Универсальность ADPG | нет |
| 3 | LOGINOM | Это аналитическая платформа, обеспечивающая интеграцию, очистку и анализ данных для принятия более эффективных управленческих решений. | Проведения сложных расчетов. Разведочный анализ. Консолидация данных. Очистка данных. Отсечение до 99% «информационного мусора». Моделирование, прогнозирования и оптимизации данных. Визуализация и интерпретация данных. Интеграция с любыми хранилищами данных, включая базы данных, отдельные файлы, учетные системы, социальные сети, веб-сервисы и т.д. | нет |
2) описание 3 понравившихся программ существующих нейронных сетей.
Нейронная сеть Хопвилда - полносвязная нейронная сеть с симметричной матрицей связей. В процессе работы динамика таких сетей сходится (конвергирует) к одному из положений равновесия. Эти положения равновесия определяются заранее в процессе обучения, они являются локальными минимумами функционала, называемого энергией сети (в простейшем случае - локальными минимумами отрицательно определённой квадратичной формы на n-мерном кубе). Такая сеть может быть использована как автоассоциативная память,как фильтр, а также для решения некоторых задач оптимизации. В отличие от многих нейронных сетей, работающих до получения ответа через определённое количество тактов, сети Хопфилда работают до достижения равновесия, когда следующее состояние сети в точности равно предыдущему: начальное состояние является входным образом, а при равновесии получают выходной образ.
Сверточная нейронная сеть - специальная архитектура искусственных нейронных сетей, предложенная Яном Лекуном в 1988 году и нацеленная на эффективное распознавание образов, входит в состав технологий глубокого обучения . Использует некоторые особенности зрительной коры, в которой были открыты так называемые простые клетки, реагирующие на прямые линии под разными углами, и сложные клетки, реакция которых связана с активацией определённого набора простых клеток. Таким образом, идея свёрточных нейронных сетей заключается в чередовании свёрточных слоёв и субдискретизирующих слоёв . Структура сети - однонаправленная (без обратных связей), принципиально многослойная. Для обучения используются стандартные методы, чаще всего метод обратного распространения ошибки. Функция активации нейронов (передаточная функция) - любая, по выбору исследователя.
Название архитектура сети получила из-за наличия операции свёртки, суть которой в том, что каждый фрагмент изображения умножается на матрицу (ядро) свёртки поэлементно, а результат суммируется и записывается в аналогичную позицию выходного изображения.
Перцептрон.
Модель перцептрона (Perceptron) также известна как однослойная нейронная сеть состоит всего из двух слоев:
Входной слой (Input Layer)
Выходной слой (Output Layer)
Перцептрон принимает входные данные и вычисляет веса каждого нейрона. После этого линейная комбинация весов передается функции активации (сигмоидальная функция) для классификации.
Перцептрон является первой моделью нейронных сетей. Добавление скрытых слоев сделает из модели многослойный перцептрон.