- •2.Классификация ис.
- •3. Кис. Струк-ра и требования к кис.
- •4. Архитектура ис, типы архитектур.
- •5. Базовые стандарты ис
- •8. Информационная модель организации.
- •7. Информационное обеспечение корпоративных информационных систем.
- •11.Техническое обеспечение корпоративных информационных систем. Классификация технического обеспечения.
- •9. Информационные ресурсы ис: источники и потребители информации.
- •12. Требования к техн обеспечению кис.
- •10.Роль информационных ресурсов в управлении экономикой.
- •13. Корпоративные сети. Администрирование кс.
- •15. Перспективы развитие тех. Средств кис телекоммуникационных и сетевых технологий.
- •17. Сегментация рынков по
- •18. Кис в предметной области
- •20. Перспективы развития программного обеспечения кис
- •21. Понятие искусственного интеллекта. Интеллектуальные системы
- •22. Математические методы и модели ии.
- •25. Понятие и назначение системы поддержки принятия решений (сппр).
- •28. Угрозы информационной безопасности и их класиф-я. Компьютерная преступность.
- •29. Классы безопасности информационных систем
- •32.Методы и средства защиты инф.
- •33. Правовые обеспечение иб
- •30. Обеспечение безопасности в корп. Сетях
- •34.Реинжиниринг бизнес-процессов.
- •35. Примеры реализации реинжиниринга бизнес-процессов в предметной области
- •36. Жизн цикл ис. Стандарты. Модели жц.
- •39. Стандартизация и сертификация ис.
- •40. Оценка эффективности ит:
22. Математические методы и модели ии.
Искусственный интеллект реализуется на базе четырех подходов: логического, эволюционного, имитационного и структурного.
Основой логического подхода служит булева алгебра и ее логические операторы, в первую очередь оператор IF (если). При этом исходные данные хранятся в базе знаний в виде аксиом, а правила логического вывода — как отношения между ними. данный подход требует эффективной реализации вычислительного процесса, и хорошие результаты достигаются при сравнительно небольшом размере базы знаний.
Самоорганизация—процесс самопроизвольного увеличения порядка, или организации, в системе, происходящий под действием внешней среды. Самоорганизующиеся модели служат в основном для прогнозирования поведения и структуры систем различной природы. В процессе построения моделей участие человека сведено к минимуму. Эволюционное моделирование - универсальный способ построения прогнозов состояний системы в условиях задания их предыстории. Общая схема алгоритма эволюции: задание исходной организации системы, случайные мутации, отбор для дальнейшего развития той организации, которая является лучшей в рамках некоторого критерия.
Поиск оптимальной структуры происходит в большей степени случайно и не целенаправленно, что затягивает процесс, но обеспечивает наилучшее приспособление к изменяющимся условиям.
Генетические алгоритмы - это стохастические, эвристические оптимизационные методы, основанные на идее эволюции путем естественного отбора.
Генетический алгоритм - мощное поисковое средство, эффективное в различных проблемных областях.
Под структурным подходом подразумевается построение систем ИИ путем моделирования структуры человеческого мозга. Нейросетевое моделирование применяется в различных областях — бизнесе, медицине, технике, геологии, физике, где нужно решать задачи прогнозирования, классификации или управления. В основе лежит идея построения вычислительного устройства из большого числа параллельно работающих простых элементов — формальных нейронов, которые функционируют независимо друг от друга и связаны между собой однонаправленными каналами передачи информации.
Искусственные нейронные сети (ИНС) — это математические модели и их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей.
Как правило, искусственная нейронная сеть используется, когда неизвестны виды связей между входами и выходами.
Для моделей, построенных по аналогии с мозгом человека, характерны простое распараллеливание алгоритмов и связанная с этим высокая производительность. Основное использование этих моделей — прогнозирование.
23.Системы интеллектуального анализа данных (АИД). Управление знаниями
ИАД-общий термин для обозначения анализа данных с активным использованием матем-х мет-в и алгоритмов (м-ды оптимизации, генетические алгоритмы, распознование образов, статистич-ие м-ды, Data Mining и т.д.), использующих визуальное представление данных.
В общем случае процесс ИАД состоит из 3 стадий; 1.выявление закономерностей; 2.использование выявленных закономерностей для предсказания неизвестных значений; 3.анализ исключений для выявления и толкования аномалий в найденных закономерностях.
Существующие системы ИАД подразделяют на исследовательские, ориентированные на специалистов и предназначенные для работы с новыми типами проблем; прикладные, рассчитанные на аналитиков, менеджеров, технологов и решающие типовые задачи.
Управление знаниями - систематическое приобретение, синтез, обмен и использование опыта для достижения успеха в бизнесе или в управлении компанией.выделяют два типа знаний: Явные знания — представленные в компании в виде должностных инструкций, регламентов и положений о деятельности подразделений, корпоративные учеб пособия и др. Неявные знания — знания, носителем которых является человек (продукт личного опыта, передать их можно только посредством личного и непосредственного общения. Они могут содержаться в корпоративном хранилище данных, для извлечения которых используются технологии искусственного интеллекта и статистики.
Управлять знаниями так, как управляют, например, финансовыми ресурсами, нельзя, но можно управлять взаимодействиями явных и неявных знаний, способствовать их обмену на уровне групп, индивидуальном и корпоративном уровнях, управлять переходом знаний из одной формы в другую. Процедуры взаимодействия могут быть реализованы в портале управления знаниями (это корпоративный информационный портал для управления взаимодействием на уровне знаний сотрудников орг-ации, рабочих групп и орг-ции)
24. Понятие и назначение экспертной системы ЭС— система искусственного интеллекта, включающая знания об определенной слабо структурированной и трудно формализуемой узкой предметной области и способная предлагать и объяснять пользователю разумные решения. ЭС предназначена для решения неформализованных задач, к которым относят задачи, обладающие одной или несколькими из следующих характеристик: -исходные данные не могут быть заданы в числовой форме; -цели не могут быть выражены в терминах точно определенной целевой функции; -не существует алгоритмического решения задач; -алгоритмическое решение существует, но его нельзя использовать из-за ограниченности ресурсов (время, память).Классификация ЭС. -по назначению: общего пользования и специализированные; -по степени зависимости от внешней среды: статические и динамические; -по типу использования: изолированные, ЭС на входе/выходе других систем и гибридные; -по стадии создания: исследовательские образцы; демонстрационые; промышленые; коммерческие
Структура ЭС.Полностью оформленная статическая экспертная система имеет 6 компонентов: база знаний, машина логического вывода; компонент приобретения знаний, объяснительный и диалоговый компоненты; база данных. Режимы работы ЭС.ЭС может работать в 2 режимах: приобретения знаний и решения задачи.
