Файл: Лекция 1 1 Экономическая информация и информационные процессы.docx

Хотя технология работы с экспертной системой не является простой, пользовательский интерфейс этих систем является дружественным и обычно не вызывает трудностей при ведении диалога.

База знаний. Она содержит факты, описывающие проблемную область, а также логическую взаимосвязь этих фактов. Центральное место в базе знаний принадлежит правилам. 

Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия, которое может выполняться или нет, и действия, которое следует произвести, если условие выполняется.

Все используемые в экспертной системе правила образуют систему правил, которая даже для сравнительно простой системы может содержать несколько тысяч правил.

Интерпретатор. Это часть экспертной системы, производящая в определенном порядке обработку знаний (мышление), находящихся в базе знаний.

Технология работы интерпретатора сводится к последовательному рассмотрению совокупности правил (правило за правилом). Если условие, содержащееся в правиле, соблюдается, выполняется определенное действие, и пользователю предоставляется вариант решения его проблемы.
Модуль создания системы. Он служит для создания набора (иерархия) правил. Существуют два подхода, которые могут быть положены в основу модуля создания системы: использование языков программирования и использование оболочек экспертных систем.

Экспертная система не может полностью заменить специалиста-профессионала, так как в области творческой деятельности люди обладают большими способностями в сравнении с самыми умными современными компьютерными системами. Эксперты справляются с неожиданными поворотами событий, способны проводить аналогии из других предметных областей, могут приспособить свои знания для решения ранее незнакомых им задач. Тем не менее, в стандартных ситуациях экспертные системы могут с успехом применяться. Например, в сфере финансового обслуживания эти системы помогают страховым компаниям анализировать и оценивать коммерческий риск, устанавливать размеры ссуд при кредитовании организаций, составлять сметы проектов и т.д.

2.6 Нейросетевые технологии

Нейросетевые технологии, наряду с технологиями экспертных систем, представляют собой еще одно направление искусственного интеллекта, практически реализуемое в организационно-экономической сфере.

Нейросетевые технологии основаны на применении алгоритмов нейронных сетей. В этих алгоритмах используются специальные математические методы распознавания образов и самообучения.

---

Отличительной чертой нейронных сетей является их способность менять свое поведение (обучаться) в зависимости от изменения внешней среды, извлекая скрытые закономерности из потока данных.

При этом алгоритмы обучения не требуют каких-либо предварительных знаний о существующих в предметной области взаимосвязях - необходимо только подобрать достаточное число примеров, описывающих поведение моделируемой системы в прошлом.

Нейросетевые технологии могут быть использованы при решении аналитических, исследовательских и прогнозных задач, связанных с обширными информационными потоками.

Нейросетевая технология обладает двумя характерными свойствами:

- способностью обучаться на конкретном множестве примеров;

- умением прогнозировать новые ситуации с высокой степенью точности, причем в условиях появления противоречивых или неполных значений в потоках информации.

Эти свойства открывают перед нейросетевыми технологиями широкие возможности применения в качестве аналитических инструментов в таких плохо формализованных областях, как анализ финансовой и банковской деятельности.

Любая задача, связанная с использованием финансовых средств на валютном рынке или рынке ценных бумаг, сопряжена с риском и требует тщательного анализа прогноза.

В настоящее время точность прогноза, получаемого с помощью нейросетевых технологий, достигает 95%.

Среди перспективных направлений использования нейросетевых технологий можно назвать создание компьютерных моделей поведения клиента для оценки риска или перспективности работы с конкретными клиентами.

Например, можно проанализировать прежние сделки и на этой основе оценить вероятность того, согласится ли конкретный клиент на то или иное предложение.

---