Экспертная система (далее по тексту — ЭС) — это информационная система, назначение которой частично или полностью заменить эксперта в той или иной предметной области. Подобные интеллектуальные системы эффективно применяются в таких областях, как логистика, управление воздушными полетами, управление театром военных действий. Основною направленной деятельностью предсказание, прогнозирование в рамках определенного аспекта в предметной области.
Экскурс в историю экспертных систем
История экспертных систем берет свое начало в 1965 году. Брюс Бучанан и Эдвард Фейгенбаум начали работу над созданием информационной системы для определения структуры химических соединений.
Результатом работы была система под названием Dendral. В основе системы формировалась последовательность правил подобных к «IF – THEN». Информационная система не перестала развиваться и получила множество наследников, таких как ONCOIN – информационная система для диагностики раковых заболеваний, MYCIN – информационная система для диагностики легочных инфекционных заболеваний.
Какова роль и как работают экспертные системы в управлении компаниями.
Следующим этапом стали 70-е годы. Период не выделялся особыми разработками. Было создано множество разных прототипов системы Dendral. Примером служит система PROSPECTOR, областью деятельности которой являлась геологические ископаемые и их разведка.
В 80-ых годах появляются профессия – инженер по знаниям. Экспертные системы набирают популярность и выходят на новый этап эволюции интеллектуальных систем. Появились новые медицинские системы INTERNIS, CASNE.
С 90-ых годов развитие интеллектуальных систем приобретает новые и новые методы и особенности. Нововведением становится парадигма проектирования эффективных и перспективных систем. Гибкость, четкость решения поставленных задач дало новое название – мультиагентных систем. Агент – фоновый процесс который действует в целях пользователя.
Каждый агент имеет свою цель, «разум» и отвечает за свою область деятельности. Все агенты в совокупности образуют некий интеллект. Агенты вступают в конкуренцию, настраивают отношения, кооперируются, все как у людей.
В 21 век, интеллектуальной системой уже не удивишь никого. Множество фирм внедряет экспертные системы в области своей деятельности.
Быстродействующая система OMEGAMON разрабатывается c 2004 года с IBM, цель которой отслеживание состояния корпоративной информационной сети. Служит для моментального принятия решений в критических или неблагоприятных ситуациях.
G2 – экспертная система от фирмы Gensym, направленная на работу с динамическими объектами. Особенность этой системы состоит в том, что в нее внедрили распараллеливание процессов мышления, что делает ее быстрее и эффективней.
Структура экспертной системы
1. База знаний
Знания — это правила, законы, закономерности получены в результате профессиональной деятельности в пределах предметной области.
Как устроена общая архитектура экспертных систем? Душкин объяснит
База знаний — база данных содержащая правила вывода и информацию о человеческом опыте и знаниях в некоторой предметной области. Другими словами, это набор таких закономерностей, которые устанавливают связи между вводимой и выводимой информацией.
2. Данные
Данные — это совокупность фактов и идей представленных в формализованном виде.
Собственно на данных основываются закономерности для предсказания, прогнозирования. Продвинутые интеллектуальные системы способные учиться на основе этих данных, добавляя новые знания в базу знаний.
3. Модель представления данных
Самая интересная часть экспертной системы.
Модель представления знаний (далее по тексту — МПЗ) — это способ задания знаний для хранения, удобного доступа и взаимодействия с ними, который подходит под задачу интеллектуальной системы.
4. Механизм логического вывода данных(Подсистема вывода)
Механизм логического вывода(далее по тексту — МЛВ) данных выполняет анализ и проделывает работу по получению новых знаний исходя из сопоставления исходных данных из базы данных и правил из базы знаний. Механизм логического вывода в структуре интеллектуальной системы занимает наиболее важное место.
Механизм логического вывода данных концептуально можно представить в виде :
А — функция выбора из базы знаний и из базы данных закономерностей и фактов соответственно
B — функция проверки правил, результатом которой определяется множество фактов из базы данных к которым применимы правила
С — функция, которая определяет порядок применения правил, если в результате правила указаны одинаковые факты
D — функция, которая применяет действие.
Какие существуют модели представления знаний?
Распространены четыре основных МПЗ:
- Продукционная МПЗ
- Семантическая сеть МПЗ
- Фреймовая МПЗ
- Формально логическая МПЗ
Продукционная МПЗ
В основе продукционной модели представления знаний находится конструктивная часть, продукция(правило):
IF , THEN
Продукция состоит из двух частей: условие — антецендент, действие — консеквент. Условия можно сочетать с помощью логических функций AND, OR .
Антецеденты и консеквенты составленных правил формируются из атрибутов и значений. Пример: IF температура реактора подымается THEN добавить стержни в реактор
В базе данных продукционной системы хранятся правила, истинность которых установлена к за ранее при решении определенной задачи. Правило срабатывает, если при сопоставлении фактов, содержащихся в базе данных с антецедентом правила, которое подвергается проверке, имеет место совпадение. Результат работы правила заносится в базу данных.
Пример
| Грипп | 39 | 100-120 | Есть |
| Бронхит | 40 | 110-130 | Есть |
| Аллергия | 38 | 120-130 | Нет |
Пример продукции:
IF Температура = 39 AND Кашель = Есть AND Давление = 110-130 THEN Бронхит
Продукционная модель представления знаний нашла широкое применение в АСУТП
Среды разработки продукционных систем(CLIPS)
CLIPS (C Language Integrated Production System) — среда разработки продукционной модели разработана NASA в 1984 году. Среда реализована на языке С, именно потому является быстрой и эффективной.
Пример:
(defrule bronchitis // deftule зарезервированное слово, которое вводит новое правило за ним следует название правила (symptoms (temperature 39) (cough true)(pressure «110-130»)) //симптом с температурой 39, наличием кашля, и давлением 110-130 => (printout t «Диагноз — бронхит» crlf)) //это симптомы бронхита
Подобное правило будет активировано только тогда, когда в базе данных появится факт симптома с подобными параметрами.
Семантическая сеть МПЗ
В основе продукционной модели лежит ориентированный граф. Вершины графа — понятия, дуги — отношения между понятиями.
Особенностью является наличие трех типов отношений:
- класс — подкласс
- свойство — значение
- пример элемента класса
По количеству типов отношений выделяют однородные и неоднородные семантические сети. Однородные имею один тип отношения между всеми понятиями, следовательно, не однородные имею множество типов отношений.
Все типы отношений:
- часть — целое
- класс — подкласс
- элемент — количество
- атрибутивный
- логический
- лингвистический
Пример
Недостатком МПЗ является сложность в извлечении знаний, особенно при большой сети, нужно обходить граф.
Фреймовая МПЗ
Предложил Марвин Мински в 1970 году. В основе фреймовой модели МПЗ лежит фрейм. Фрейм — это образ, рамка, шаблон, которая описывает объект предметной области, с помощью слотов. Слот — это атрибут объекта. Слот имеет имя, значение, тип хранимых данных, демон.
Демон — процедура автоматически выполняющаяся при определенных условиях. Имя фрейма должно быть уникальным в пределах одной фреймовой модели. Имя слота должно быть уникальным в пределах одного фрейма.
Слот может хранить другой фрейм, тогда фреймовая модель вырождается в сеть фреймов.
Пример
Пример вырождающейся в сеть фреймов
На своей практике, мне доводилось встречать системы на основе фреймовой МПЗ. В университете в Финляндии была установлена система для управления электроэнергией во всем здании.
Языки разработки фреймовых моделей (Frame Representation Language)
FRL (Frame Representation Language) — технология создана для проектирования интеллектуальных систем на основе фреймовой модели представления знаний. В основном применяется для проектирования вырождающихся в сеть фреймовой модели.
Запись фрейма на языке FRL будет иметь вид:
(frame Room // вводим новый фрейм Room (windows (value(4), demon(open))) //Слот windows со значением 4 и демоном open (doors (value(1), demon(open))) //Слот doors со значением 1 и демоном open (conditioners (value(2), demon(turn on))) //Слот conditioners со значением 2 и демоном turn on (sokets (value(10), demon(turn on))) //Слот sokets со значением 10 и демоном turn on )
Существуют и другие среды: KRL (Knowledge Representation Language), фреймовая оболочка Kappa, PILOT/2.
Формально логическая МПЗ
В основе формально логической МПЗ лежит предикат первого порядка. Подразумевается, что существует конечное, не пустое множество объектов предметной области. На этом множестве с помощью функций интерпретаторов установлены связи между объектами. В свою очередь на основе этих связей строятся все закономерности и правила предметной области. Важное замечание: если представление предметной области не правильное, то есть связи между объектами настроены не верно или не в полной мере, то правильная работоспособность системы будет под угрозой.
Пример
A1 = A2 = A3 = ; IF A1 AND A2 THEN
Банальней примера и не придумаешь.
Важно: Стоит заметить, что формально логическая МПЗ схожа с продукционной. Частично это так, но они имеют огромную разницу. Разница состоит в том, что в продукционной МПЗ не определены никакие связи между хранимыми объектами предметной области.
Важно
Любая экспертная система должна иметь вывод данных и последовательность «мышления» системы. Это нужно для того чтобы увидеть дефекты в проектировании системы. Хорошая интеллектуальная система должна иметь право ввода данных, которое реализуется через интеллектуальный редактор, право редактора на перекрестное «мышление» представлений при проектировании системы и полноту баз знаний(реализуется при проектировки закономерностей предметной области между инженером по знаниям и экспертом).
Заключение
Экспертные системы действительно имеют широкое применение в нашей жизни. Они позволяют экономить время реальных экспертов в определенной предметной области. Модели представления знаний это неотъемлемая часть интеллектуальных систем любого уровня. Поэтому, я считаю, что каждый уважающий себя IT-специалист, должен иметь даже поверхностные знания в этих областях.
Спасибо за внимание!
- Экспертные системы
- интеллектуальные системы
- модель представления знаний
- ядро экспертной системы
Источник: habr.com
Использование интеллектуальных систем в финансовом анализе
Экспертные системы с успехом применяются в тех областях, где кроме применения стандартных алгоритмических методов, основанных на точных вычислениях, по существу знания и опыт конкретных экспертов-аналитиков, а принятие решений формируется в условиях неполноты данных и зависит скорее от качественных, чем количественных оценок.
Ключевые слова
ФИНАНСОВЫЙ АНАЛИЗ, ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ, ЭКСПЕРТНЫЕ СИСТЕМЫ
Текст научной работы
Финансовый анализ применяется для исследования экономических процессов и экономических отношений, показывает сильные и слабые стороны предприятия и используется для принятия оптимального управленческого решения, может выступать в качестве инструмента прогнозирования отдельных показателей предприятия и финансовой деятельности в целом. [5]
С появлением на рынке аналитических систем специализированных компьютерных программ для анализа финансового состояния все больше руководителей понимает, насколько их использование эффективней, чем применение таких мало приспособленных для этих целей средств, как Excel.
В специализированных программах реализованы удобные формы ввода информации, технология ее накопления и хранения, «правильные» алгоритмы выполнения расчетов, представление результатов в виде отчетов и диаграмм и т.д. Нужно только вводить данные и получать готовые результаты.
В настоящий момент на рынке представлено немало разработок подобного рода, но потенциальному их пользователю приходится изрядно потрудиться, чтобы выбрать именно тот программный продукт, который подходит ему наилучшим образом. Дело в том, что задачи финансового анализа решают организации разных категорий.
Во-первых, это предприятия, причем самой разнообразной отраслевой принадлежности, которые оценивают собственное финансовое состояние. Во-вторых, отраслевые и территориальные органы управления и холдинги, контролирующие финансовое положение подведомственных предприятий. В-третьих, банки и страховые компании, заинтересованные в объективной информации о финансовой устойчивости реального или потенциального клиента. [4] Для каждой группы важен определенный ракурс финансового анализа. Поэтому система для финансового анализа, должна быть «заточена» определенным образом.
Экспертные системы (ЭС) представляются собой компьютерные программы, использующие принципы искусственного интеллекта и формализованные знания эксперта для обработки оперативной информации и принятия обоснованных решений в анализируемой предметной области.
Существуют два принципиально различных класса ЭС: “основанные на правилах” и “основанные на примерах”. Первый класс ЭС применяется для работы с хорошо систематизированными элементами знаний и априори известными закономерностями, выраженными различного рода методиками, инструкциями, правилами и т.п. Второй класс ЭС используется в ситуациях, когда отсутствуют какие-либо явные связи и закономерности между элементами знаний, а сами знания представлены в виде списков примеров, описывающих реализации тех или иных событий. Если первый класс ЭС работает с хорошо определенными данными и знаниями, извлеченными из экспертов-аналитиков инженерами знаний, то второй — формирует свои знания путем адаптации к предметной области, представленной примерами, причем как обучающая, так и анализируемая информация может быть искажена и неполна. В первом случае в основе механизмов вывода, как правило, лежат классические стратегии наследования и логического вывода, аппроксимирующие, а во втором — различные методы индуктивного обобщения по примерам, в частности, свойства, используемых для этого, искусственных нейронных сетей.
ЭС с успехом применяются в тех областях, где кроме применения стандартных алгоритмических методов, основанных на точных вычислениях, по существу знания и опыт конкретных экспертов-аналитиков, а принятие решений формируется в условиях неполноты данных и зависит скорее от качественных, чем количественных оценок. К таким предметным областям относится, прежде всего, область анализа финансовой деятельности, где эффективность принимаемых решений зависит от сопоставления множества различных факторов, учета сложных причинно-следственных связей, применения нетривиальных логических рассуждений и т.п.[1]
Архитектура экспертной системы экономического анализа (особенности формирования базы знаний, выбора методов логического вывода, пользовательского интерфейса) во многом зависит от целей и глубины анализа: внешнего (для сторонних организаций) или внутреннего (для самого предприятия).
Внешний экономический анализ проводится внешними для предприятия субъектами: инвесторами, кредиторами, партнерами, поставщиками, аудиторами, налоговыми и таможенными службами, страховыми организациями и т.д. Для внешнего анализа используются интерпретирующие экспертные системы.
Целью внешнего анализа предприятия является определение общего состояния предприятия, т.е. интерпретация его экономического положения с точки зрения выявления возможностей эффективного взаимодействия с ним внешних организаций
Интеллектуальная система моделирования бизнес-процессов предназначена для анализа на долговременной основе эффективности организации бизнес-процессов, прогнозирования последствий реализации рекомендаций по реинжинирингу бизнес-процессов.
Наиболее зарекомендовавшим себя методом внешнего анализа, интегрирующим множество различных экономических показателей предприятия, служит рейтинговый метод.
В случае применения экспертной системы внутреннего финансового анализа FINEX экспертиза осуществляется автоматически на основе введенных данных финансовой отчетности.
При этом анализ финансовых показателей выполняется последовательно по принципу «сверху — вниз» и «слева — направо» в соответствии с деревом взаимосвязи показателей. В случае обнаружения некоторого «узкого места» (неудовлетворительного значения показателя) может быть включен диалоговый режим работы экспертной системы, в котором система последовательно опрашивает пользователя на предмет качественной оценки тех или иных процессов, причем вопросы задаются в порядке, зависящем от предыдущих ответов.
Для проведения комплексного экономического анализа предприятия целесообразно комбинировать применение описанных выше методов к построению наборов правил. В МЭСИ разработан исследовательский прототип экспертной системы «Финансовый анализ предприятий» в среде интегрированного ППП Интерэксперт (GURU), реализующий и рейтинговый, и классификационный, и декомпозиционный методы анализа. [3]
Функциями экспертной системы финансового анализа предприятия являются:
- Ввод и проверка правильности составления бухгалтерской отчетности;
- Анализ финансового состояния предприятия;
- Анализ результатов финансово-хозяйственной деятельности предприятия и диагностика эффективности использования ресурсов.
Анализ финансового состояния предприятия предполагает комплексную рейтинговую и классификационную оценку платежеспособности и финансовой устойчивости предприятия.
Для интерпретации данных используются рейтинговый или классификационный методы. Чем больше признаков (факторов) оценки ситуации, тем предпочтительнее рейтинговый метод по сравнению с классификационным.
Рейтинговый метод — получение суммарной оценки ситуации по ряду независимых признаков, при этом используется дизъюнктивный подход к построению правил. Этот метод неточный, гибкий.
Классификационный метод — ситуации классифицируются как различные комбинации значений признаков, при этом используется конъюнктивный подход к построению правил. Этот метод точный, жесткий. [2]
Использование интеллектуальной системы анализа финансовых показателей позволит повысить качество принятия управленческих решений, определить зависимости между показателями финансовой деятельности, их значимость, и, как следствие, построить более точную модель финансового состояния.
Особенности финансового планирования в современных пивоваренных компаниях
- Василевич В.В.
Внедрение организационно-управленческих инноваций в сфере сбыта
- Аминева К.Р.
Национальная инновационная система — стимул для развития высокотехнологичной отрасли
- Погосян Ш.П.
Проблемы и перспективы инвестирования в сельское хозяйство
- Губанова А.В.
- Чеховская И.А.
Анализ сопоставимости объемов государственного бюджета и фонда обязательного медицинского страхования
- Фирсова П.А.
- Иризепова М.Ш.
Список литературы
- Экспертные системы в финансовой и экономической деятельности. / Тора-центр. http://www.tora-centre.ru/library/razn/finan.htm
- Алтайский государственный университет. Особенности экспертных систем экономического анализа. http://portal.edu.asu.ru/mod/book/view.php?id=54281https://novainfo.ru/article/11535″ target=»_blank»]novainfo.ru[/mask_link]
Применение экспертных систем в экономике
Экспертные системы (ЭС) находят все большее применение в коммерческой деятельности, позволяя аккумулировать знания дорогостоящих экспертов и использовать эти знания многократно.
Экспертная система служат в качестве автоматизированных помощников при:
· управлении портфелями ценных бумаг;
· аудиторских и ревизионных проверках.
Характерной особенностью экспертных систем, применяемых в финансовой области, яаляется их гибридность, т.е. они используют методы принятия решения, базирующиеся на правилах, однако тесно интегрированы с обычными аналитическими средствами и БД.
Например, экспертная система Management Advisor (консультант менеджера), разработаная фирмой Palladin Software Inc. помогает менеджеру в планировании коммерческих операций. Система включает: БЗ, электронную таблицу, БД и графические программы с возможностью использования мыши. Сеанс работы представляет собой последовательность итеративных действий, которая состоит из:
· сообщения о пересмотре и принятии решения,
· выполнения дальнейшей итерации.
В процессе итерации пользователь может проследить влияние каждого элемента управления и сделать необходимые корректировки с помощью диалога или сообщений.
Экспертная система Lending Advisor (консультант кредитора) разработана фирмой Syntelligence при участии сотрудников Вашингтонского банка. Основное ее назначение — помощь менеджерам, занимающимся кредитами, в анализе коммерческих займов и структуризации соответствующих пакетов займов. Система представляет собой большую многопользовательскую настраиваемую ЭС, которая оценивает:
· коммерческие применения займа,
· уровень потенциального риска, связанного с займом,
· подсказывает оптимальную структуру займов,
· пересматривает существующие займы.
Экспертная система Underwiting Advisor (гарантирующий консультант) разработана тремя партнерами: American International Group Inc., Saint Paul Companies Inc., Fireman’s Fund Insurance Companies. Эта система оценивает риск в страховании для определения калькуляции цен. Она может использоваться в коммерческой сфере для подсчета стоимости работника с оценкой его страховки при:
· страховании общей ответственности,
· в коммерческом автостраховании,
· страховании моряков внутренних морей.
Система оценивает коммерческие страхования, определяя типы и уровни риска и позволяя страховым агентам проводить оценку на основе полной информации и уточнять решение при каждом риске.
По некоторым оценкам, внедрение этой системы принесло страховым компаниям США около 100 млн долл. годового дохода.
Экспертная система EXPERTAX разработана известной нью-йоркской фирмой Coopert and Lybrand (имеет отделение в Москве). Она готовит рекомендации ревизорам и налоговым специалистам в подготовке финансовых деклараций и расчетов по налогам.
Система имеет форму живого вопросника, который побуждает пользователя собирать информацию, задавать только относящиеся к делу вопросы.
Процесс управляется пользователем, который решает — отвечать ли на вопрос, спросить, почему он был задан, или пропустить его.
После того как система получает достаточно детальную информацию о проблеме, она структурирует свой поиск так, чтобы минимизировать его, исключив излишние пути, и загрузить в память только те части базы знаний (БЗ), которые будут использованы.
БЗ системы отражает опыт свыше 20 экспертов в области налогов и аудиторской проверки и накапливает информацию в более чем 1 тыс. легко поддерживаемых фреймах двух типов:
1. Фреймы вопросов определяют вопросы, ответы, предварительные условия и правила для управления диалогом;
2. Фреймы сообщений определяют, что должно быть отображено на экране, что помещено в итоговый отчет, который используется для подготовки окончательного расчета налогов и выдачи рекомендаций клиентам по планированию налогов.
Экспертная система Letter of Credit Advisor (письмо консультанта по кредитам) — система для автоматизации офиса, разработанная фирмой Helix и Национальным американским банком. Эта система предоставляет помощь клерку в подготовке и оплате кредитных писем.
Экспортно-импортные операции при сделке обычно оговариваются особо и базовым документом при таких операциях является кредитное письмо. Система содержит правила, находящие разногласия в документации, связанной с этими операциями. После ответа на свой запрос пользователь вводит информацию о кредитном письме и смежных документах. Система проверяет информацию на отсутствие разногласий. При их отсутствии готовится документация к оплате.
В задачах автоматизации офиса приемлемы небольшие по размеру экспертные системы. Они становятся интеллектуальным подспорьем в офисной работе. Эти системы позволяют:
· быстро менять БЗ,
· реструктурировать их при необходимости,
· представлять в удобном для эксплуатации формате — электронная таблица, естественный язык, меню-окна и др.
Система XCON предназначена для решения задач по оказанию консультационной помощи при выборе конфигурации компьютера и была создана в научно-исследовательском компьютерном центре университета Карнеги-Меллон.
Если покупатель формулирует то, что ему нужно, то ЭС подбирает определенные характеристики и параметры полногонабора компонентов конфигурации компьютера. Требования заказчика вводятся в ЭВМ, на выходе выдается диаграмма, описывающая компоненты компьютера и связи между ними. На основе этой диаграммы и собирается необходимый для заказчика компьютер. Известно, что эта ЭС обеспечивает фирме DEC около 2 млн долл. в год.
Инструментальная интеллектуальная система психологических исследований PSY, разработанная специалистами ВНТК «Сайнтекс» (Москва), является отечественной экспертной системой, использующей знания опытных экспертов для решения кадровых вопросов.
Данная система используется руководителями учреждений, менеджерами, работниками кадровых служб и психологами для проведения профессионального и психологического отбора:
· при приеме на работу,
· для анализа межличностных отношений и психологической совместимости сотрудников,
· ведения БД по кадрам с учетом личностных характеристик людей.
• использовать готовые тесты для психологического обследования, т.к. в поставку системы включаются разнообразные тесты, необходимые для определения уровня развития личностных, деловых, социальных и интеллектуальных качеств персонала, отклонений от психологической нормы;
• получать готовые текстовые характеристики по результатам обследования;
• проводить обработку результатов тестирования, осуществлять подбор наиболее подходящих кандидатур на конкретные должности с учетом их профессиональных и личностных качеств;
• создавать и редактировать тесты, анкеты и вопросники, осуществлять коррекцию вопросов, ответов, шкал, условий и текстов интерпретаций, проводить сортировку и статистическую обработку результатов обследований.
Система PSY представляет собой гибридную ЭС, включающую:
· обширную БД для хранения тестов и сведений о персонале,
· процедуры статистической обработки.
Отображением знаний в системе служит аппарат правил продукционного типа. На основе этих знаний формируется характеристика обследуемых. Сюда же входит и анализ особенностей формирования личности на основе биографических данных.
Данная система насчитывает около 6 тыс. продукционных правил. Развитый логический аппарат позволяет системе формировать улучшенные тесты для отбора по конкретной специальности на основании профессиональных требований, определяемых пользователем системы.Система может подстраиваться и корректировать состав тестов для углубленного изучения свойств обследуемого.
Глава 10. Применение интеллектуальных технологий
в экономических системахПонравилась статья? Добавь ее в закладку (CTRL+D) и не забудь поделиться с друзьями:
Источник: studopedia.ru
