автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.16, диссертация на тему:Разработка интеллектуальных модулей информационной системы

РГо ОД

' - АСГ 2000

ГТ1-Ч ' 1 Г» О V" ПЧ'Г'ЛГТТТ^Ч

БУТАКОВ СЕРГЕИ ВЛАДИМИРОВИЧ УДК 681.51:658.011.12(043.3)

РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ МОДУЛЕЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ (НА ПРИМЕРЕ ОЦЕНКИ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ)

Специальность 05.13.16 — «Применение вычислительной техники, м атем атин е с ко го моделирования и мл гемап ¡чеекп х методов в научных

исследованиях»

автореферат диссертации на соискание ученой степени кандидата технических наук

Барнаул 2000

Работа выполнена в Алтайском государственном техническом университете им. И.И. Ползунова.

Научный руководитель: кандидат технических .наук, доцент

О.И. Пятковский

Официальные оппоненты: доктор технических наук, профессор

Ю.И. Титаренко

кандидат технических наук, доцент С.Л. Широкова

Ведущая организация:

Институт вычислительного моделирования СО РАН (г. Красноярск)

Защита состоится 9 июня 2000 г. в /У ч.

на заседании диссертационного совета Д 064.45.02 в Алтайском государственном университете по адресу 656099, Барнаул, ул. Димитрова 66.

С диссертацией можно ознакомиться в библиотеке Алтайского государственного университета.

Автореферат разослан « У » 2000 г.

Ученый секретарь диссертационного совета д.ф.-м.н., профессор

ЧШО.1 ,,,,, п

С.А. Безносюк

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В настоящее время наблюдается рост числа внешних и внутренних информационных связей предприятий и, как следствие, повышение требований к качеству функционирования информационных систем, предназначенных для автоматизации управления хозяйственной деятельностью предприятий. Для выполнения данных требований при проектировании информационных систем используется системный подход к обеспечению пользователя информацией о работе предприятия и экспертные методы анализа данных. Данные методы зачастую не могут быть выражены в виде аналитических зависимостей или четких процедур оценки. Как следствие этого, автоматизация процессов оценки требует использования средств искусственного интеллекта для представления экспертных методов анализа хозяйственной деятельности в информационных системах предприятий.

Интеллектуальные компоненты используются для автоматизированного извлечения, представления и использования экспертных методов анализа экономической информации. Это ведет к повышению эффективности управленческих решений в условиях экономики переходного периода, когда зачастую радикально меняются подходы к оценке хозяйственной деятельности. При этом под экспертной задачей будем понимать содержательное описание процедуры нахождения значения отдельного параметра предметной области на уровне вход / выход.

Несмотря на то, что исследования в области построения интеллектуальных компонентов в информационных системах ведутся с момента появления теории искусственного интеллекта, современные интеллектуальные информационные системы имеют ряд ограничений. К наиболее существенным из них относятся: использование в рамках одной системы не более одного метода представления знаний, отсутствие интерфейсов формирования баз знаний в специализированных системах, отсутствие модулей прогнозирования хозяйственной деятельности (за исключением систем прогнозирования рынков) и механизмов косвенного дообучения интеллектуальных компонентов на основе экспертного опыта.

Перспективным является создание подхода к построению интеллектуальных модулей в информационных системах оценки показателей хозяйственной деятельности предприятия, позволяющего использовать гибридные модели представления экспертных знаний, а также технологии косвенного обучения интеллектуальных блоков, функционирующих на основе искусственных нейронных сетей.

Базой для проведения указанных исследований являются работы отечественных и зарубежных специалистов в области построения Интел-

лектуальных информационных систем. В частности, основой подхода к разработке структуры и функций программного комплекса явились работы Э.В. Попова, Д.А. Поспелова, В.А. Силича, Т.1 О'Ьеагу и других. Подходы, использовавшиеся при разработке технологии использования нейросетевых компонент в информационной системе, основаны на работах А.Н. Горбаня, Д.А. Россиева и других ученых группы «Нейрокомп» (г. Красноярск).

Объектом исследования в работе являются информационные системы оценки показателей деятельности предприятия. Предмет исследования - структуры и алгоритмы функционирования интеллектуальных модулей информационных систем оценки показателей деятельности предприятия.

Цель исследования - разработка структуры и алгоритмов функционирования интеллектуальной информационной системы оценки показателей деятельности предприятия и ее программная реализация.

Задачи исследования:

1. Дать теоретический анализ существующих подходов к разработке интеллектуальных компонент в информационных системах оценки показателей деятельности предприятия.

2. Разработать формальное представление задач в интеллектуальных блоках информационной системы оценки хозяйственной деятельности и алгоритмы поиска решения на нем.

3. Разработать общую технологию дообучения интеллектуальных блоков на протяжении жизненного цикла программного продукта и технологию решения задач оценки текущих показателей с учетом прогноза.

4. Разработать программную реализацию информационной системы диагностики хозяйственной деятельности и выполнить анализ результатов ее экспериментального использования на реальном объекте внедрения.

Научная новизна работы заключается в решении актуальной научной задачи - разработке и теоретическом обосновании подхода к построению интеллектуальной информационной системы оценки показателей хозяйственной деятельности предприятия. Основные научные результаты:

1. Разработано гибридное представление совокупности задач оценки хозяйственной деятельности в информационной системе в виде графа связей задач. Данное представление позволяет использовать различные методы представления знаний, включая продукционные экспертные системы, искусственные нейронные сети и формульные зависимости; в нем предусмотрена возможность расширения набора методов обработки информации.

2. Разработан алгоритм поиска решений на графе связей с учетом особенностей семантического окружения задач оценки, выработаны подходы к дообучению интеллектуальных компонентов системы, функционирующих на основе нейронных сетей.

3. Разработаны структура и алгоритмы функционирования интеллектуальных модулей информационной системы оценки хозяйственной деятельности предприятия.

Практическая значимость работы. Разработанные модели реализованы: 1) в информационной системе диагностики хозяйственной деятельности предприятия «Аналитик», данная информационная система позволяет решать широкий круг задач оценки показателей хозяйственной деятельности, представление процесса решения которых возможно при помощи указанных ранее методов, в работе приведены примеры оценки и прогнозирования различных показателей деятельности предприятия; 2) в информационно - советующей системе производственного менеджмента.

Ряд исследований выполнен в рамках госбюджетных научно - исследовательских работ по единому заказу-наряду по теме "Исследование и разработка автоматизированных систем управления предприятиями и организациями в переходный период'1 и скоординированы с ИВМ СО РАН (г. Красноярск).

Реализация результатов. Разработанные в рамках диссертации методы использованы для построения интеллектуальной системы диагностики хозяйственной деятельности предприятия «Аналитик» (свидетельство об официальной регистрации программы дгог ЭВМ № 990031 от 26.01.1999 г. выдано Роспатентом), в информационно — советующей системе производственного менеджмента (свидетельство об официальной регистрации программы для ЭВМ № 990941 от 22.12.1999 г.). Информационная система «Аналитик» используется:

-на КУП птицефабрика «Молодежная» Алтайского края;

-в Алтайском государственном техническом университете им. И.И. Ползунова в учебном процессе на кафедре ИСЭ;

- в Юргинском филиале Томского политехнического университета в учебном процессе на кафедре экономики и информационных систем.

Защищаемые положения:

1. Состав, структура и технология использования интеллектуальных модулей информационных систем оценки показателей деятельности предприятия, основанные на использовании продукционных экспертных систем, нейронных сетей и формульных зависимостей для автоматизации решения задач оценки.

2. Формальное представление отдельной задачи и совокупности задач в интеллектуальных блоках информационной системы оценки хо-

зяйственной деятельности в виде графа связей задач.

3. Программная реализация информационной системы диагностики хозяйственной деятельности «Аналитик» и результаты ее экспериментального использования.

Апробация работы. Основные положения работы докладывались на Всероссийских конференциях «Нейроинформатика и ее приложения» (Красноярск, 1996, 1997, 1998 и 1999 гг.), международной НТК "Нейронные, реляторные и непрерывнологическис сети и модели" (Ульяновск, 1998), Всероссийских конференциях «Нейроинформатика» (Москва 1999 и 2000 г.), краевых конференциях по математике МАК-98 и МАК-99, МАК-2000 (Барнаул, 1998, 1999 и 2000 гг.), третьем рабочем семинаре-совещании «Нейронные сети в информационных технологиях» (Снежинок, 1998 г.), Всесибирском конгрессе по индустриальной и прикладной математике ИНПРИМ-99 (Новосибирск, 1998 г.), Международной конференции «Глобализация в экономике и образовании» (Барнаул, 1999), третьем корейско - русском международном симпозиуме по науке и технологиям «КОКШ-99» (Новосибирск, 1999).

Разработанная в рамках диссертационной работы система «Аналитик» демонстрировалась на VI и VII Всероссийских семинарах «Нейроинформатика и ее приложения» (Красноярск, 1998, 1999 гг.).

Публикации. По теме диссертации опубликовано 10 печатных работ и 11 тезисов докладов.

Структура и объем работы. Диссертация состоит из введения, трех глав и заключения, изложенных на 124 страницах, содержит 40 рисунков, список литературы по теме диссертации содержит 104 наименования отечественных и зарубежных источников. В работе содержатся четыре приложения. Общий объем -145 страниц.

СОДЕРЖАНИЕ РАБОТЫ

Первая глава диссертационной работы «Аналитический обзор методов построения интеллектуальных модулей информационных систем» посвящена анализу информационных систем (ИС) управления хозяйственной деятельностью предприятия и методам интеллектуальной обработки информации в них, а также анализу методов представления знаний эксперта и опыта их использования в ИС диагностики хозяйственной деятельности предприятия.

Первая часть главы посвящена рассмотрению структуры ИС управления хозяйственной деятельностью на предприятии. Выделены следующие основные этапы обработки экономической информации: 1) первичная обработка - хранение и подготовка данных к анализу;

2) анализ информации - ее преобразование с целью получения новых знаний об объекте и 3) поддержка принятия решений - формирование предложений по управляющим воздействиям на объект управления. Показано, что на втором и третьем этапах обработки экономической информации решаются неформализованные, экспертные задачи, которые характеризуются нечеткостью и изменением во времени знаний о методах их решения, а также нечеткостью данных, на основе которых решения принимаются. Сделан вывод, что для автоматизации решения указанных задач должны использоваться методы теории искусственного интеллекта.

Во второй части главы приведен обзор основных подходов к формализации экспертных знаний. В целом они разделены на два класса: дедуктивные модели и индуктивные модели. Основным достоинством первых является прозрачность базы знаний системы, наглядность представления всей совокупности знаний, возможность построения механизма объяснений полученных результатов решения задачи. Основное достоинство индуктивных моделей - возможность формирования фрагментов базы знаний по примерам решения задач. Примеры построения ИС, решающих задачи оценки показателей хозяйственной деятельности (или сходные с ними) с использованием рассмотренных подходов к представлению знаний показывают их высокую эффективность. Это проявляется в возможности автоматизации проведения отдельных видов экспертизы, возможности получения аналитических отчетов на ограниченный естественный язык (как результат работы подсистемы объяснений), высокой точности моделей прогнозирования показателей рынков и многих других достоинствах данных ИС.

Однако, как показал анализ, существенными недостатками подобных разработок являются: оторванность от ИС управления хозяйственной деятельностью, отсутствие единого подхода к представлению совокупности задач оценки в И С, в рамках одной ИС используется не более одного метода представления знаний, отсутствует возможность построения моделей анализа текущих показателей деятельности с учетом их прогнозных значений, отсутствует возможность дообучения интеллектуальных компонент ИС, отсутствуют механизмы предупреждения сбоев в работе интеллектуальных блоков и т.д.

Анализ данных недостатков позволяет в третьей части главы поставить задачи исследования: 1) разработка представления совокупности задач в ИС, с учетом того, что данное представление должно быть гибридной, то есть использовать несколько методов представления знаний;

2) разработка модели анализа текущих показателей с учетом прогноза;

3) разработка технологии косвенного дообучения интеллектуальных компонент ИС; 4) разработка методов повышения надежности функциониро-

вания данных компонент; 5) экспериментальное подтверждение эффективности разработанной модели и ряд других.

Также в третьей части главы показано, па основе каких идей решаются приведенные задачи, в частности на основе структуризации совокупности задач в виде графа и использовании для автоматизации их решения различных методов теории искусственного интеллекта. Также предлагается создать систему критериев выбора метода представления знаний и использовать искусственные нейронные сети для построения самообучающихся блоков. Решению поставленных задач на основе перечисленных идей посвящена вторая глава работы.

Во второй главе «Разработка технологии интеллектуальной обработки данных в информационной системе» рассмотрены следующие виды моделей ИС, предназначенной для автоматизации решения задач оценки показателей деятельности предприятия:

1. Концептуальная модель информационной системы.

2. Функциональная модель этапов обработки информации.

3. Структурно - функциональная модель компонент информационной системы.

Первая из них содержит общие принципы построения ИС. К ним отнесем принципы: адекватности решения; адекватности знаний; адекватности моделей знаний; открытости в аспектах модификации знаний, расширения набора методов решения задач в ИС и настройки на системы первичного учета; дообучения системы; объяснения решения; единой технологии представления данных и результатов; развитости семантических средств представления знаний; обеспечения необходимой глубины вложенности задач оценки. Второй компонент концептуальной модели ИС оценки показателей деятельности предприятия - ее состав. Важнейшие компоненты интеллектуальной ИС: база знаний с механизмом ее формирования, решатель, механизмы объяснения решений и дообучения системы. Функциональная и структурно - функциональная модели раскрывают назначение интеллектуальных блоков ИС и процессы обработки информации в них.

В функциональной модели технология обработки информации разделена на три этапа: предварительная обработка, анализ и интерпретация (рис.1). Для данных этапов построены математические модели обработки информации на теоретико-множественном уровне.

Процесс решения задач оценки показателей представляется в виде следующего преобразования:

где К, - решение задачи в формальном виде (значения критериев оценки хозяйственной деятельности); р. - первичные показатели, полученные в рассматриваемой ИС; К} - значения критериев оценки хозяйственной

деятельности, рассчитанные другими (нижележащими) ИС.

На основе приведенных моделей разработано представление совокупности задач оценки показателей хозяйственной деятельности в виде графа связей задач. Последний является направленным графом, дуги которого - однородное для всего графа отношение зависимости задач по данным. Интерпретация результатов решения производится на основе разработанной формы внешнего семантического окружения задачи, имеющей следующий вид:

1. Наименование задачи Л'( - фраза на ограненном естественном

языке.

2. Наименование результирующего показателя задачи 01 - фраза на ограненном естественном языке.

3. Область допустимых значений Д., задаваемая перечислением D¡ — е ]} значений из некоторого набора (как правило, списка предложений на ограниченном естественном языке) или интерваль-но:£>, = ^ <11 < } •

4. Значите г.о умолчанию е Д.

5. Список задач 5, решение которых необходимо получить для решения задачи - г -ая строка матрицы смежности графа связей задач 6*.

6. Шкала наименований интервалов для непрерывных значений: Ц. = , г/,™* , #,. ), д = 1, к], где к - количество интервалов;

^Тд ' ^Т^ ' границы интервала (] ; Н1 - наименование интервала, (] -фраза на ограненном естественном языке.

7. Список связанных задач Е,: Е, = {Ае с = 1,Кт},е ^ г}. Задачи, решение которых необходимо предоставить пользователю при предоставлении результатов решения задачи А,.

8. Одна го самых важных компонент - процедура решения задачи или база знаний задачи - Вг Приведем подробное рассмотрение данной компоненты.

Важной особенностью разработанного представления совокупности задач является его независимость от метода формализации процесса решения отдельной задачи. Предлагаемая модель позволяет строить иерархию задач любой глубины. Особенностью механизма вывода на графе связей задач является возможность использования дублирующих процедур получения результата - процедур получения значения по умолчанию, что повышает надежность функционирования интеллектуальных блоков при работе с неполными данными.

Рис. 1. Укрупненная схема информационных потоков при

решении задач оценки показателей деятельности

Структурно — функциональная модель системы раскрывает методы обработки информации, используемые в ней. В качестве данных методов предлагается использовать: расчет по формуле, продукционную экспертную систему и искусственные нейронные сети.

Механизм вывода продукционной экспертной системы реализует метод прямой волны. Это связано с тем, что сеть связей параметров IV имеет только один сток. Преобразование, выполняемое механизмом вывода:

<1, = М1{\¥,с1,)1(11 е е Вк,

где IV - сеть связей параметров задачи; с1,, - значение входных и выходного параметров задачи соответственно; М1 - процедура логического вывода; В,, Вк - области допустимых значений выходной и входных

переменных задачи.

Нейроимитатор использует стандартный метод обратного распространения ошибки [Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск.: Наука, 1996. 276 е.]. Данный блок предназначен для решения задач двух типов:

1. Задача анализа. На вход нейросетевого блока подается вектор входных данных X., на выходе получаем решение задачи К. Эта постановка полностью соответствует представлению отдельной задачи на уровне графа связей задач (не требуется ввода в модель дополнительных параметров предметном области). Соответствующая обучающая выборка представляется в виде матрицы н:

^нач ( <1 '■ : • ••: .г'- ^

Н - ': : ; ••• ■ : :

^ ГОН ^ 1 *

где tнaч и СК0И - границы временного интервала обучающей выборки.

При этом для ней роим итатор а выбирается в качестве границ изменения показателя = 1 ,и не величины тт(х,л'') " тах(х''), а

границы, заданные в семантических параметрах задачи. Это необходимо для корректной интерпретации нейросетевой моделью новых данных.

2. Задача прогноза в рассмотренном нами случае предполагает построение зависимости между временным рядом } и им самим же,

сдвинутым на некоторые временные интервалы г1,г2,...,г". Пусть даны значения некоторого временного ряда {уп1 = 1,п} за период времени от Кач до Кон ■ Обучающая выборка представляется в виде:

с У,

б = У

; я-

где т - количество строк матрицы б; 1 временной

- степень пересечения обучающей выборки. Задача: найти = 7<,(у,,у,_г,..;У,_1Г), где / - количество элементов ряда,

необходимых для прогнозирования; Г - преобразование прогнозирования.

Используемая совокупность методов позволяет решать широкий круг задач оценки показателей хозяйственной деятельности, имеющих формальное, вербальное представление или представление в виде совокупности примеров решения. Для выбора метода формализации используется специально разработанная система критериев. Перечислим их: наличие/отсутствие формальной методики, наличие/отсутствие примеров решения задачи, необходимость дообучения системы, необходимость учета прогноза при анализе и степень потребности в объяснении решения.

Особенности продукционной экспертной системы: единственная цель вывода, использование механизма умолчаний для сокращения количества правил и повышения надежности функционирования системы, возможность поиска «оптимального» решения. Особенности нейроимита-тора: разделение функций обучения и тестирования нейросетевых моделей в соответствии с режимом функционирования ИС (администраторский / пользовательский), использование слоистых нейросетей обратного распространения, возможность оценки значимости входных параметров и поиск возможного решения обратной задачи (поиск значений компонент входного вектора но известному значен то выходного). Использование нейросетевых методов для автоматизации решения задач оценки показателей хозяйственной деятельности позволяет строить дообучаемые в процессе эксплуатации ИС интеллектуальные блоки. В работе рассмотрены модель дообучаемых блоков и возможные проблемы при ее эксплуатации.

Анализ моделей самообучающихся информационных систем показал, что путь прямого изменения базы знаний пользователем является неэффективным - ведет к высоким временным затратам и росту числа ошибок. Поэтому предлагается использовать косвенное дообучение интеллектуальных блоков ИС, т.е. обучение через коррекцию результатов работы блока.

Разработан следующий алгоритм процесса дообучения:

1. Получение оценки системой.

2. Коррекция оценки пользователем У1 —> ¥1.

3. Коррекция процедуры получения оценки в системе на основе У,

- оценки данной пользователем.

Главу завершает рассмотрение подходов к автоматизации построения интеллектуальных компонент ИС, предназначенных для автоматизации решения задач оценки показателей хозяйственной деятельности. Предложенные варианты позволяют сократить время создания данных компонент и повысить надежность их функционирования. Однако вопросы комплексной автоматизации проектирования интеллектуальных блоков требуют дополнительных исследований.

В целом необходимо отметить, что на основе предложенных моделей возможно построение ИС диагностики хозяйственной деятельности предприятия, соответствующей требованиям, приведенным в первой главе работы. Раскрытию конструктивных особенностей профаммной реализации данной ИС посвящена третья глава работы.

В третьей главе «Программная реализация информационной системы оценки хозяйственной деятельности и результаты ее экспериментального использования» рассмотрены: 1) основные конструктивные особенности ИС оценки показателей хозяйственной деятельности предприятия, технология обработки информации в которой основана на модели, приведенной во второй главе работы, особое внимание уделено программной реализации продукционной экспертной системы; 2) результаты экспериментального использования системы для решения практических задач оценки и прогнозирования показателей деятельности предприятия.

Коротко рассмотрим назначение основных блоков системы:

1. Блок формирования задачи. Особенность функционирования данного блока - наличие этапа формирования задачи прогнозирования для задачи анализа текущих показателей деятельности предприятия.

2. Блок решагелей задачи. Блок используют как администратор, так и пользователь ИС. Его основное назначение - решение задачи формализованной при помощи блока 1, а также обучение и дообучение системы. В указанный блок входят нейроимитатор, оболочка продукционной экспертной системы и интерпретатор формул.

3. Блок дообучения системы состоит из двух подсистем: 1) блока изменения параметров задачи, предназначенного для изменения обучающих выборок для иейросетевых моделей; 2) блока устранения конфликтных ситуаций, предназначенного для оценки примеров, находящихся в обучающей выборке и устранения конфликтных примеров в диалоге с пользователем.

4. Блок справочников обеспечивает ведение глоссария ИС, однозначность интерпретируемости переменных, поддержку процедур шкали-

рования, сохранение части семантического окружения задачи. Справочник задач содержит граф связей задач, справочник параметров - характеристики внешних и внутренних переменных, справочник методов обеспечивает хранение процедур обработки фрагментов баз знаний системы, формализованных различными методами.

5. Управляющий модуль обеспечивает: 1) реализацию алгоритма вывода на графе связей задач, как комбинацию методов «прямой» и «обратной волны» с учетом процедур решения задачи по умолчанию; 2) определение алгоритма формализации задачи и вызов соответствующей процедуры обработки фрагмента БЗ; 3) разделение режимов работы ИС - пользовательский / администраторский.

6. Подсистема подготовки данных обеспечивает 1) сопряжение по данным с ИС учета хозяйственных операций предприятия; 2) формирование обучающих выборок для нейронных сетей в требуемой форме; 3) подготовку входных данных по единой технологии в процессе решения задач. Данная подсистема запускается управляющим модулем после проверки наличия необходимых данных для решения конкретной задачи при проходе по графу связей.

7. Блок сохранения и представления результатов состоит из следующих элементов: 1) архива; 2) подсистемы визуализации результатов, отражающей: а) результат решения основной задачи, б) результат решения связанной задачи, в) графики развития основного и связанного показателей во времени, г) связанные графические материалы и д) визуальную интерпретацию шкалирования показателя; 3) подсистемы объяснений.

Экспериментальное использование ИС выполнялось на данных первичного бухгалтерского учета КУП ПФ "Молодежная" и имело целью подтверждение ряда положений, выдвинутых ранее. Для этого необходимо ответить на ряд вопросов: 1) может ли быть выполнена формализация экспертных знаний по решению некоторых задач оценки хозяйственной деятельности при помощи нейронных сетей? 2) возможно ли построение модулей прогнозирования показателей хозяйственной деятельности предприятия при помощи нейронных сетей? 3) возможна ли формализация отдельных методик оценки при помощи продукционной модели ? 4) необходим ли учет прогноза показателя при нейросетевой формализации методики оценки его текущего значения? 5) возможно ли решение комплексных задач оценки показателей хозяйственной деятельности при помощи предложенной модели построения ИС?

Экспериментальное использование нейронных сетей для формализации экспертных знаний показало их высокую эффективность на реальных данных. Средняя относительная ошибка заключения, полученного при помощи нейросетей, по сравнению с экспертной оценкой не превы-

шала 10% для задачи оценки финансовой устойчивости, что является приемлемым для сходных задач.

Использование нейронных сетей для решения задач краткосрочного прогнозирования показателей хозяйственной деятельности показало эффективность данного метода по сравнению с моделями, полученными при помощи линейной, экспоненциальной регрессии и «наивного» прогноза (сдвига ряда на одно значение вперед). Средняя суммарная ошибка на задаче прогнозирования показателя быстрой ликвидности составляла 18% (рис. 2).

Использование продукционной экспертной системы для автоматизации комплексной оценки хозяйственной деятельности показало возможность использования данного подхода, высокую наглядность модели знаний, выраженную при помощи языка «Фреймы на сети параметров» с доработкой - использованием значений по умолчанию.

Построенная модель анализа текущих показателей с учетом их прогноза показала высокую эффективность данного подхода. Модель прогноза в одном примере была построена при помощи скользящего среднего, а во втором, при помощи нейронной сети. В обоих примерах точность анализа текущего значения была выше, чем при решении тех же задач без учета прогноза.

номер недели (1995 г.)

Рис. 2. Сравнение результатов прогнозирования при помощи нейросетевой регрессии с действительными значениями

Результаты представления в информационной системе «Аналитик» комплексных методик оценки показателей хозяйственной деятельности предприятия показали высокую наглядность модели связей задач по информации в виде графа, объединяющего задачи, для автоматизации решения которых используются различные методы представления знаний, а также работоспособность программного комплекса в целом. При этом ИС «Аналитик» является открытой для расширения набора методов обработки информации в ней.

В целом необходимо отметить, что экспериментальное использование ИС «Аналитик» показало адекватность и эффективность предлагаемой модели обработки информации в ИС диагностики хозяйственной деятельности.

В приложениях приведены: критерии выбора метода формализации задачи оценки и их представление на расширенном языке "Фреймы на сети параметров" для продукционной экспертной системы; структуры баз данных информационной системы «Аналитик»; экраны, отражающие ход работы пользователя с системой «Аналитик», а также документы подтверждающие внедрение основных результатов диссертационной работы.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. Для задач оценки показателей хозяйственной деятельности в условиях функционирования информационных систем разработана технология использования интеллектуальных модулей, позволяющая повысить эффективность решения указанных задач за счет использования экспертных знаний.

2. Построена модель представления совокупности процедур оценки в виде иерархического графа связей задач. Указанный граф позволяет включать в систему задачи, решаемые различными методами; для обеспечения единообразия в узлы графа связей введено понятие внешнего семантического окружения задачи. Указанное семантическое окружение содержит понятие значения по умолчанию, получаемого на основе экспертного опыта или дополнительной информации. Данное решение позволяет повысить надежность функционирования интеллектуальных модулей информационных систем.

3. Выполнена разработка представлений отдельной задачи при помощи аналитических формул, продукционной экспертной системы и искусственных нейронных сетей.

4. Предложен метод косвенного обучения интеллектуальных модулей информационной системы путем коррекции результатов работы данных блоков. 'Данный подход позволяет частично решить проблему «когнитивной защиты» эксперта, являющуюся одной из основных при внедрении интеллектуальных информационных систем.

5. На основе разработанной технологии проектирования и эксплуатации интеллектуальных блоков построена информационная система диагностики хозяйственной деятельности предприятия «Аналитик» и выполнен анализ результатов ее экспериментального использования

Основное содержание диссертации опубликовано в следующих работах:

1. Пятковский О.И., Бута ко в C.B., Рубцов Д.В. Методы построения интеллектуальных информационных систем анализа экономической деятельности предприятий. Барнаул: АлтГТУ, 1999. - 172 с.

2. Бутаков C.B. Модель представления задач в информационной системе анализа финансово - хозяйственной деятельности предприятия // VII Всероссийский семинар "Нейроннформатика и ее приложения". Тез. докл. / Под. ред. А.Н. Горбаня. Красноярск: КГТУ. - 1999. С. 21.

3. Бутаков C.B. Особенности построения интеллектуальной системы «Аналитик». // Вторая краевая конференция по математике, посвященная 25-легшо математического факультета Алтайского госуниверситета. Материалы конф. Барнаул: АГУ, 1999. С. 40-41.

4. Бутаков C.B. Разработка экспертной системы оценки финансового состояния предприятия // IV Всероссийский семинар "Нейроннформатика и ее приложения". Тез. докл. Красноярск: КГТУ, 1996. С. 57.

5. Бутаков C.B., Пятковский О.И. Применение методов имитационного моделирования и экспертных систем для анализа финансового состояния предприятия // Информационные системы в экономике, экологии и образовании / Под ред. A.A. Цхая. - Барнаул: АлтГТУ, 1997. С. 43 - 47.

6. Бутаков C.B., Пятковский О.И., Рубцов Д.В. Интеллектуальная информационная технология в системах автоматизации управления финансами // Глобализация в экономике и образовании. Сб. докл. Между-нар. конф. / Под ред. A.A. Стрижекко - Барнаул: АлтГТУ. 1999. С. 26-29.

7. Бутаков C.B., Пятковский О.И., Рубцов Д.В. Разработка интеллектуальной финансово-аналитической системы // Первая краевая конференция по математике, посвященная 25- летиго Алтайского госуниверситета. Материалы конф. Барнаул: АГУ. - 1998. С. 31.

8. Информационная система анализа экономического состояния предприятия / О.И. Пятковский, Д.В. Рубцов, C.B. Бутаков, и др. // Известия алтайского государственного университета 1999. № 4(9) С. 58 -61.

9. Методы искусственного интеллекта в аналитической информационной системе / В.В. Евстигнеев, О.И. Пятковский, Д.В. Рубцов, C.B. Бутаков // Ползуновский альманах 1999. №1 С. 21 - 27.

Ю.Нейросетевая информационная система оценки финансовой деятельности предприятия / Бутаков C.B., Левин К.А., Пятковский О.И. и др. // Третий сибирский конгресс по прикладной и индустриальной математике. Тез. докл. Ч. V. Новосибирск: Институт математики СО РАН, 1998. 172 с.

11 .Нейросетевые технологии в информационных системах анализа и прогнозирования хозяйственной деятельности предприятия / Иятковский О.И., Рубцов Д.В., Бутаков C.B. и др. // Всероссийская конф. «Нейроин-форматика - 99». Сб. трудов. Ч 3. М.:МИФИ. 1999. С. 114 -121.

12.Пятковский О.И. , Бутаков C.B., Рубцов Д.В. Применение нейронных сетей в информационной системе диагностики производственно -финансовой деятельности предприятия // Международная конференция "Нейронные, реляторные и непрерывнологические сети и модели". Сб. трудов Т.1 / Под ред. Л.И. Волгина. Ульяновск: УлГТУ, 1998. С. 73 - 75.

13.Пятковский О.И., Бутаков C.B. Реализация системы оценки финансово - хозяйственной деятельности с использованием методов искусственного интеллекта // Экономика и бизнес: XXI век. Межвуз. сб. / Под ред. A.A. Стриженко. Барнаул: АлтГТУ. 1998. С. 136 -141.

М.Пятковский О.И., Рубцов Д.В., Бутаков C.B. Нейросетевые компоненты информационных систем управления финансово - хозяйственной деятельностью предприятия. Барнаул: АлтГТУ, 1999,- 8 с. 2 ил. -Библиогр.: Рус. - Рукопись деп. в ВИНИТИ. 04.10.99 №2982 - В-99

15.Пятковский О.И., Рубцов Д.В., Бутаков C.B. Применение методов искусственного интеллекта в информационной системе диагностики производственно - финансовой деятельности предприятия // Известия алтайского государственного университета 1998. № 1(6). С. 43 - 48.

16.Пягковский О.И.. Рубцов Д.В., Бутаков C.B. Система анализа финансово - хозяйственных показателей деятельности предприятия // Информационные технологии. - 1999 № 8. С. 31- 34.

17.Пятковский О.И., Рубцов Д.В., Бутаков C.B., Левин К.А. Интеллектуальные компоненты информационных системе диагностики хозяйственной деятельности предприятия // Вестник СО АН ВШ 1999. № 2. С. 13 - 20.

18.1Тятковский О.И., Рубцов Д.В., Бутаков C.B. Построение интеллектуальных аналитических блоков с использованием продукционных и нейросетевых методов. Барнаул: АлтГТУ, 1998. 13 е.: 3 ил. Библиогр. Рукопись деп. в ВИНИТИ 03.02.99, № 341 - В99

19.Пятковский Oil, Рубцов Д.В., Бутаков C.B. Использование методов искусственного интеллекта при построении аналитических информационных систем // Информационные системы в экономике, экологии, образовании . Сб. научн. трудов / Под ред. И.М. Владовского.- Барнаул: АлтГТУ, 1999. С. 65 - 76

20.Pyatkovsky O.I., Rubtsov D.V., Butakov S.V. The Intellectual Information System for Financial Analysis // Abstracts of the Third Russian -Korean International Symposium on Science and Technology. - Novosibirsk, Novosibirsk State Technical University, 1999. P. 279.

21.Pyatkovsky О., Rubtsov D., Butakov S. The Building of Information System with the Usage of "IF-THEN" Rules and Neural Networks // Interactive Systems: The Problems of Human - Computer Interaction / Proceedings of International Conference. -Ulianovsk: ULSTIJ 1999. - P. 76.

22.Свидетельство об официальной регистрации программы для ЭВМ № 990031. Интеллектуальная система диагностики финансово-хозяйственной деятельности предприятия «Аналитик» / Пятковский О.И., Бугаков С.В., Рубцов Д.В, Левин К.Л., Чипизубов В.В. (RIJ). Заявл. 26.11.98. Зарег. 26.01.1999.

23.Свидетельство об официальной регистрации программы для ЭВМ № 990341. Информационно-советующая автоматизированная система производственного менеджмента «Производство» / Пятковский О.П., БлемА.Г., БутаковС.В., Левин К.А., Рубцов Д.В (RU). Заявл. 26.10.99. Зарег. 22.12.1999.

24.Свидетельство об официальной регистрации программы для ЭВМ № 20000441. Система анализа данных на основе искусственных нейронных сстсн «ПейроАнализ» / Рубцов Д.В., Пятковский О.И., Бу гаков C.B. (RU). Заявл. 06.12.1999. 3aper.22.02.2000.

Бутаков Сергей Владимирович

РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНЫХ МОДУЛЕЙ ИНФОРМАЦИОННОЙ СИСТЕМЫ (НА ПРИМЕРЕ ОЦЕНКИ ДЕЯТЕЛЬНОСТИ ПРЕДПРИЯТИЯ)

Подписано в печать 03.05.2000. Формат 60x84 1/16. Печать - ризография. Усл.п.л. 1,16. Уч.-изд.л. 0,87. Тираж 100 экз. Заказ 30/2000.

Издательство Алтайского государственного технического университета им. И И. Ползунова, 656099, г. Барнаул пр-т Ленина, 46.

Лицензия на издательскую деятельность ЛР № 020822 от 21.09.98 года.

Лицензия на полиграфическую деятельность ПЛД № 28-35 от 15.07.97

Отпечатано в ЦОП АлтГТУ 656099, г. Барнаул, пр-т Ленина, 46

Введение.

Глава 1. Аналитический обзор методов построения интеллектуальных модулей информационных систем.

1.1. Анализ информационных систем управления хозяйственной деятельностью предприятия.

1.1.1 Общая характеристика информационных систем на предприятии

1.1.2 Этапы обработки информации при решении задач управления предприятием.

1.1.3 Оценка показателей деятельности предприятия, как проблемная область для построения интеллектуальной информационной системы.

1.2 Современные подходы к построению интеллектуальных модулей информационных систем

1.2.1 Использование методов теории искусственного интеллекта при построении информационных систем.

1.2.2 Информационные технологии оценки показателей деятельности предприятия.

1.2.3 Проблемы построения интеллектуальных модулей информационных систем оценки деятельности предприятия.

1.3 Актуальные направления совершенствования интеллектуальных модулей в информационных системах.

Выводы.

Глава 2. Разработка технологии интеллектуальной обработки данных в информационной системе.

2Л. Концептуальная модель интеллектуальных блоков информационной системы.

2.1.1. Принципы построения системы.

2.1.2. Состав интеллектуальной информационной системы.

2.2. Функциональная модель интеллектуальной информационной системы.

2.2.1. Предварительная обработка информации.

2.2.2. Решение задач оценки показателей деятельности.

2.2.3. Интерпретация результатов решения задач.

2.3. Разработка структур и алгоритмов функционирования интеллектуальных модулей информационной системы.

2.3.1. Общее представление задачи.

2.3.2. Методы формализации решения задач оценки в информационной системе.

2.3.3. Построение дообучающихся интеллектуальных компонент

2.3.4. Оценка текущих показателей с использованием прогноза

2.3.5. Процесс принятия управленческих решений, как результат работы информационной системы.

2.3.6. Подходы к автоматизации построения интеллектуальных модулей.

Выводы.

Глава 3. Программная реализация информационной системы оценки хозяйственной деятельности и результаты ее экспериментального использования

3.1. Состав и структура информационной системы.

3.1.1. Общая структура системы.

3.1.2. Функциональная схема системы.

3.1.3. Выбор инструментального средства для построения программной реализации информационной системы.

3.2. Особенности программной реализации продукционной экспертной системы

3.2.1. Структуры баз данных.

3.2.2. Алгоритм работы процедуры логического вывода.

3.3. Анализ результатов экспериментального использования системы 109 3.3.1. Формализация процедур решения задач анализа при помощи искусственных нейронных сетей

3.3.2. Прогнозирование показателей хозяйственной деятельности на основе нейросетевой модели.

3.3.3. Использование продукционной экспертной системы для формализации методик оценки хозяйственной деятельности

3.3.4. Оценка необходимости учета прогноза при анализе.

3.3.5. Оценка возможности реализации комплексной модели оценки хозяйственной деятельности.

Выводы.

В настоящее время наблюдается рост числа внешних и внутренних информационных связей предприятий и, как следствие, повышение требований к качеству функционирования информационных систем, предназначенных для управления хозяйственной деятельностью предприятий [2, 3, 5, 27, 28, 34, 100]. Для выполнения данных требований при проектировании информационных систем используют системный подход к обеспечению пользователя информацией о работе предприятия и экспертные методики анализа данных. Данные методики зачастую не могут быть выражены в виде аналитических зависимостей или четких процедур оценки. Как следствие этого, автоматизация процессов оценки требует использования средств искусственного интеллекта для представления экспертных методов анализа хозяйственной деятельности в информационных системах предприятий [30, 45, 61, 87, 88, 100].

Интеллектуальные компоненты используются для автоматизированного извлечения, представления и использования экспертных методов анализа экономической информации. Это ведет к повышению качества управленческих решений на предприятии в условиях экономики переходного периода, когда зачастую радикально меняются подходы к оценке хозяйственной деятельности предприятия.

Перспективным является создание подхода к построению интеллектуальных блоков в информационных системах анализа хозяйственной деятельности предприятия, позволяющего использовать гибридные модели представления экспертных знаний, а также технологии косвенного дообучения интеллектуальных блоков, функционирующих на основе нейронных сетей.

Кратко охарактеризуем состояние проблемы. Основы построения моделей представления задач даны в работах отечественных (Перегудов Ф.И., Поспелов Д.С.) и зарубежных авторов (Месарович М.). Силичем В.А. предложен подход к построению гибридных моделей предметной области [28, 51, 60, 77], основанный на структурированном описании взаимосвязей ее параметров. Использование методов теории искусственного интеллекта в информационных системах управления хозяйственной деятельностью предприятий началось с момента появления указанных методов. Основам построения интеллектуальных блоков в информационных системах посвящены работы Попова Э.В., Любарского Ю.А., ОЪеагу ТЛ. и других авторов. В последнее время наблюдается значительный рост разработок, связанных с использованием методов нейроинформатики [18, 19, 98].

Однако, как показывает анализ работ, в области построения интеллектуальных информационных систем управления хозяйственной деятельностью предприятий существует ряд научных проблем:

1. Отсутствие подхода к структуризации совокупности задач в информационных системах анализа хозяйственной деятельности.

2. Как правило, в рамках одной системы используется единственный подход к представлению экспертных знаний.

3. Отсутствие инструментальных средств формирования гибридных баз знаний в специализированных системах.

4. В указанных информационных системах отсутствуют блоки прогнозирования показателей деятельности предприятия (за исключением систем прогнозирования рынков).

5. Не предусмотрены механизмы косвенной коррекции моделей оценки (дообучения системы) на основе экспертного опыта.

Данный перечень не является исчерпывающим, однако, он позволяет поставить цель исследования.

Объектом исследования в работе являются информационные системы оценки показателей деятельности предприятия. Предмет исследования -структура и алгоритмы функционирования интеллектуальных модулей информационных систем оценки показателей деятельности предприятия.

Цель исследования - разработка состава и структуры интеллектуальной информационной системы оценки показателей деятельности предприятия и ее программная реализация.

Задачи, решаемые в работе:

1. Дать теоретический анализ существующих подходов к разработке интеллектуальных компонент в информационных системах оценки показателей деятельности предприятия.

2. Разработать формальное представление задач в интеллектуальных блоках информационной системы оценки хозяйственной деятельности и алгоритмы поиска решения на нем.

3. Разработать общую технологию дообучения интеллектуальных блоков на протяжении жизненного цикла программного продукта и технологию решения задач оценки текущих показателей с учетом прогноза.

4. Разработать программную реализацию информационной системы диагностики хозяйственной деятельности и выполнить анализ результатов ее экспериментального использования на реальном объекте внедрения.

Основные идеи работы. Указанные задачи исследования могут быть решены при использовании следующих основных научных идей, рассмотренных в работе:

- для представления различных типов экспертных знаний должен использоваться гибридный подход к представлению экспертных знаний;

- все задачи, независимо от метода их решения должны иметь однотипное внешнее представление;

- интеллектуальные компоненты должны дообучаться в процессе эксплуатации информационной системы, причем коррекция знаний должна выполняться пользователем не напрямую, а через результат решения задачи;

-информационная система должна быть открыта: 1)для расширения набора методов обработки информации; 2) для подключения к базам данных существующих на предприятии информационных систем; 3) для корректировки процедур решения задач;

- при анализе текущих показателей хозяйственной деятельности должен учитываться их тренд.

Методы исследования. Для решения задач предлагается использовать следующие методы: для представления задач - методы системного анализа, теории экспертных систем, теории графов, методы нейроинформатики, последние включают в себя методы нелинейной оптимизации; для проверки выдвинутых в работе гипотез должны быть проведены эксперименты и выполнен их анализ.

Научная новизна работы заключается в решении актуальной научной задачи - разработке и теоретическом обосновании подхода к построению интеллектуальной информационной системы анализа показателей хозяйственной деятельности предприятия. Основные научные результаты:

1. Разработана гибридное представление совокупности задач оценки хозяйственной деятельности в информационной системе в виде графа связей задач. Данное представление позволяет использовать различные методы представления знаний, включая продукционные экспертные системы, искусственные нейронные сети и формульные зависимости, в нем предусмотрена возможность расширения набора методов обработки информации.

2. Разработан алгоритм поиска решений на графе связей с учетом особенностей семантического окружения задач анализа. Выработаны подходы к дообучению интеллектуальных компонент системы, функционирующих на основе нейронных сетей.

3. Разработаны структура и алгоритмы функционирования интеллектуальных модулей информационной системы оценки хозяйственной деятельности предприятия.

Практическая ценность работы. Разработанные модели реализованы: 1) в информационной системе диагностики хозяйственной деятельности предприятия «Аналитик» (свидетельство об официальной регистрации программы для ЭВМ № 990031 от 26.01.99), данная система позволяет решать широкий круг задач анализа хозяйственной деятельности, формализация процесса решения которых возможна при помощи указанных ранее методов, в работе приведены примеры анализа и прогнозирования различных показателей финансово-хозяйственной деятельности предприятия; 2) в информаци9 онно-совегующей системе производственного менеджмента (свидетельство об официальной регистрации № 990941 от 22.12.99).

Ряд исследований выполнен в рамках госбюджетных работ по единому заказ - наряду АлтГТУ ("Исследование и разработка автоматизированных систем управления предприятиями и организациями в переходный период").

В работе также предложены направления дальнейшего совершенствования модели обработки информации, в частности намечен подход к поиску исходных данных при известных результатах решения задачи анализа.

Защищаемые положения:

1. Состав, структура и технология использования интеллектуальных модулей информационных систем оценки показателей деятельности предприятия, основанные на использовании продукционных экспертных систем, нейронных сетей и формульных зависимостей для автоматизации решения задач оценки.

2. Формальное представление отдельной задачи и совокупности задач в интеллектуальных блоках информационной системы оценки хозяйственной деятельности в виде графа связей задач.

3. Программная реализация информационной системы диагностики хозяйственной деятельности «Аналитик» и результаты ее экспериментального использования.

Структура и объем работы. Диссертация состоит из введения, трех глав и заключения, изложенных на 123 страницах, содержит 40 рисунков, список литературы по теме диссертации содержит 104 наименований отечественных и зарубежных источников. В работе содержатся четыре приложения. Общий объем -145 страниц.

121 Выводы

В третьей главе работы рассмотрены вопросы программной реализации ИС анализа ХД предприятия «Аналитик» а также приведены результаты ее экспериментального использования.

Основными компонентами ИС «Аналитик» являются: блок формирования задачи, блок решателей, блок дообучения системы, блок представления и сохранения результатов, подсистема подготовки данных, блок справочников и управляющий модуль (рис. 3.1). В работе приведены алгоритмы формирования и решения задач в интеллектуальных компонентах ИС, а также алгоритм функционирования подсистемы объяснений на графе связей задач. К основным функциям ИС анализа ХД необходимо отнести задачи автоматизации учета, анализа и планирования ХД предприятия (рис.3. 7).

В качестве инструментального средства программной реализации ИС анализа ХД выбрана СУБД Visual FoxPro, в разделе приведено обоснование выбора. Программная реализация системы состоит из следующих модулей: 1) модуль разделения режима работы; 2) модуль формирования задачи; 3) модуль формирования БЗ для продукционной ЭС; 4) машина вывода по БЗ продукционной ЭС; 5) модуль формирования обучающих и тестовых выборок для нейросетевого анализа ; 6) модуль формирования обучающих и тестовых выборок для задач нейросетевого прогнозирования временных; 7) конструктор / интерпретатор формул; 8) процедура формирования пути вывода по графу связей задач и запуска решателя для каждой задачи; 9) модуль отображения результатов задачи; 10) вспомогательные процедуры. Как указывалось ранее, особенностью модели совокупности задач в виде графа связей является наличие процедур поиска решения «по умолчанию», что позволяет программному комплексу функционировать в условиях неполной информации и невысокой компетентности пользователя.

Рассмотрены следующие особенности программной реализации продукционной ЭС: возможность диалогового построения правил, наличие процедур шкалирования, возможность функционирования данного модуля отдель

122 но от ИС в качестве оболочки ЭС.

Вторая часть главы посвящена анализу результатов экспериментального использования ИС. Приведены следующие примеры практической реализации положений выдвинутых во второй главе работы: 1) при помощи ИНС формализованы две методики оценки отдельных аспектов ХД; 2) показано преимущество нейросетевых моделей прогнозирования по сравнению с линейной и экспоненциальной моделями; 3) приведены примеры формализации отдельных методик оценки при помощи ИНС; 4) показано повышение качества моделей анализа при использовании информации о прогнозном значении выходного показателя и 5) для иллюстрации возможности функционирования гибридной модели в целом показан пример графа связей задач при формировании комплексной оценки финансового состояния предприятия. Следует отметить, что на примере задачи нейросетевого прогнозирования показаны возможности дообучения интеллектуальных компонент ИС.

В целом третья глава работы показывает возможности модели обработки информации, предложенной во второй главе, а также направления дальнейшего совершенствования ее программной реализации.

123

ЗАКЛЮЧЕНИЕ

В диссертационной работе по результатам проведенных теоретических и экспериментальных исследований разработана методология построения интеллектуальных компонент ИС анализа ХД предприятия. Данная методология позволяет решить ряд важных научных задач в области построения ИС, а также моделей структуризации информационных задач в области анализа ХД.

Для иллюстрации научной новизны и практической значимости работы перечислим ее основные результаты:

1. Для разработки ИС анализа ХД предприятия предложена структуризация совокупности задач в виде направленного графа связей задач. Для каждой задачи предлагается использовать единую модель внешнего семантического окружения задачи.

2. В качестве средств формализации процедур решения отдельных задач предлагается использовать дедуктивный и индуктивный подходы, в частности: расчет по формуле, продукционную ЭС и нейронную сеть. Соответственно, подготовка данных выполняется по единой, не зависящей от метода технологии. Структура системы остается открытой для расширения набора методов решения задач.

3. Разработана технология коррекции баз знаний (дообучения) интеллектуальных компонент ИС. Предложено косвенно изменять базу знаний, представленную в виде обученной нейронной сети путем коррекции результатов работы с дальнейшим запуском процедур обучения.

4. Для поиска решения на графе связей задач предлагается использовать комбинацию методов «прямой» и «обратной волны», а в продукционных моделях - метод «прямой волны». В описание задач и параметров введено значение задачи (параметра) по умолчанию, что позволяет повысить надежность функционирования ИС в случае отсутствия данных в архиве и продолжать поиск решения в случае сбоя в системе.

5. При формализации процедур анализа текущих показателей ХД предла

124 гается использовать в качестве дополнительной информации прогнозное значение (тренд) результирующего показателя. Это позволяет повысить адекватность модели процесса решения задачи.

6. Для получения прогнозных значений предлагается использовать нейро-сетевую модель. Показана ее высокая эффективность в сравнении с некоторыми другими методами прогнозирования. Для подбора оптимальной структуры обучающей выборки и нейронной сети предлагается использовать переборные методы.

7. В качестве средства построения баз знаний для продукционной ЭС разработана оболочка ЭС, позволяющая пользователю формировать параметры задачи и их взаимосвязи в диалоговом режиме.

8. На основе разработанных моделей построена ИС диагностики хозяйственной деятельности предприятия «Аналитик» (свидетельство об официальной регистрации программы для ЭВМ № 990031 от 26.01.99 выдано Роспатентом). Данная система демонстрировалась на VI и VII Всероссийских семинарах «Нейроинформатика и ее приложения» в 1998 и 1999 гг., г. Красноярск.

9. Предложены направления дальнейшего развития модели системы. В частности, определены общие подходы к решению задачи поиска исходных данных по известным результатам решения задачи анализа. Данная задача рассмотрена в постановке для нейросетевой формализации и продукционной ЭС.

125

1. Адаптивная АСУ производством: (АСУ "Сигма") / Г.И. Марчук, А.Г. Аганбегян, И.М. Бобко и др.; Под ред. Г.И.Марчука.- М.:Статистика, 1981. - 176 с.

2. Баканов М.И., Шеремет А.Д. Теория экономического анализа: Учебник. 3-е изд., перераб. - М.: Финансы и статистика, 1996. - 288 е.: ил.

3. Балабанов И.Т. Анализ и планирование финансов хозяйствующего субъекта: Учеб. пособие. М.: Финансы и статистика, 1994. - 80 е.: ил.

4. Бешелев С.Д., Гурвич Ф.Г. Математико-статистические методы экспертных оценок. 2-е изд., перераб. и доп. - М.: Статистика, 1980. - 263 е.: ил. - ( Матем. статистика для экономистов).

5. Болдырев М. Нейросети для финансистов // Финансист 1997. № 2

6. Братко И. Программирование на языке Пролог для искусственного интеллекта: Пер. с англ. -М.: Мир, 1990. 560 е.: ил.

7. Бутаков C.B. Использование экспертной системы для оценки финансового состояния предприятия // Пятая международная студенческая школы семинар «Новые информационные технологии»: Тез. докл. - М.: МГИЭМ, 1997 С. 356 - 357

8. Бутаков C.B. Особенности построения интеллектуальной системы «Аналитик» // Вторая краевая конференция по математике, посвященная 25-летию математического факультета Алтайского госуниверситета. Мат. конф. Барнаул: АГУ, 1999.-С. 40-41

9. Бутаков C.B. Разработка экспертной системы оценки финансового состояния предприятия // IV Всероссийский семинар «Нейроинформатика и ее приложения»: Тез. докл. / Под ред. А.Н. Горбаня. Красноярск: КГТУ. 1996. С. 57.

10. Бутаков C.B., Пятковский О.И., Рубцов Д.В. Разработка интеллектуальной финансово-аналитической системы // Первая краевая конференция по математике, посвященная 25- летию Алтайского госуниверситета. Материалы конф. Барнаул: АГУ, 1998. - 86с.

11. Вагин В.Н. Дедукция и обобщение в системах принятия решений. -М.: Наука, 1988. 384 с. - (Пробл. искусст. интеллекта).

12. Владовский И.М., Блем А.Г. Беседы об АСУ. Барнаул: Алт. кн. изд-во, 1984.-128 е.: ил.

13. Галанский Б.Л., Поляков В.И. Информационные системы. Томск: Изд-во Том. ун-та, 1989.- 159 с.

14. Галушкин А. Современные направления развития нейрокомпьютер-ных технологий в России // Открытые системы 1997. №4

15. Генетическая оптимизация сложных иерархических систем // Е.В. Воленко, A.B. Квичанский, С.А. Терехов и др. // IV Всероссийский семинар «Нейроинформатика и ее приложения»: Тез. докл. / Под ред. А.Н. Горбаня. Красноярск: КГТУ. 1996. 122с.

16. Горбань А.Н. Обучение нейронных сетей. М.: Изд. СССР - США СП "ParaGraph", 1990. - 160 с.

17. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996.- 276 с.

18. Горланов A.B. Компьютерные программы для финансового менеджера//Мир ПК,- 1995 №5-6.-С. 116-123

19. Гришкина М.П. Эмпирическое обучение по примерам. Система INDUCT // Новые информационные технологии: Тез. докл. пятой международной студенческой школы семинара. - М: МГИЭМ, 1997, С. 241

20. Джейн Анил К., Мао Жианчанг, Моиуддин K.M. Введение в искусственные нейронные сети // Открытые системы 1997. №4. С. 16-24

21. Елисеева И.И., Юзбашев М.М. Общая теория статистики: Учебник. -М.: Финансы и статистика, 1995. 368 с.

22. Заволович О.В., Рыбина Г.В. Средства автоматизации приобретения знаний в экспертных системах: классификация, современное состояние, сравнительный анализ // Программные продукты и системы 1993 №1, С. 59 - 63

23. Заратуйченко О.В. Конструирование системы анализа банковской деятельности // Новые информационные технологии: Тез. докл. пятой международной студенческой школы семинара. - М.: МГИЭМ, 1997 С. 363.

24. Информационная система анализа экономического состояния предприятия / О.И.Пятковский, Д.В.Рубцов, С.В.Бутаков и др. //Известия алтайского государственного университета 1999. № 4(9) С. 58-61

25. Информационные системы в экономике: Учебник / Под ред. В.В. Дика. М.: Финансы и статистика, 1996. - 272 е.: ил.

26. Информационные системы для руководителей / Ф.И. Перегудов, В.П. Тарасенко, Ю.П.Ехлаков и др.; Под ред.Ф.И. Перегудова- М.: Финансы и Статистика, 1989. 176 с.

27. Искусственный интеллект: В 3 кн. Кн. 1: Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. М.: Радио и связь, 1990. -464 е.: ил.

28. Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. Э. Кьюсиака; Пер с англ. А.П. Фомина; Под ред. А.И. Дащенко, Е.В. Левнера. М.: Машиностроение, 1991. - 544 с.

29. Калиниченко Л.А., Рыбкин В.М. Машины баз данных и знаний М.: Наука, 1990,- 296 с.

30. Каминский А.Л. Финансовым аналитикам на заметку // Бухгалтерия и банки 1996 №1.-С. 33-37

31. Карелов И.Н., Авсюкевич Д.А., Осовский В.А. Уровни интеграции нейросетей и интеллектуальных систем поддержки принятия решений // VI127

32. Всероссийский семинар "Нейроинформатика и ее приложения": Тез. докл. -Красноярск: КГТУ 1998. 207 с.

33. Карповский Е.Я., Казаченко A.B. Экспертная система в управлении предприятием. // Автоматизация управления машиностроительным производством в новых условиях хозяйствования: Межвузовский сборник / Отв. ред. И.М. Владовский; Барнаул: 1989. - 127с.

34. Квичанский A.B., Терехов С.А. Методы нейросетевого информационного моделирования в комплексе NIMFA // IV Всероссийский семинар «Нейроинформатика и ее приложения»: Тез. докл. / Под ред. А.Н. Горбаня. Красноярск: КГТУ. 1996 . 122с.

35. Киселев М., Соломатин Е. Средства добычи знаний в бизнесе и финансах // Открытые системы 1997,- №4

36. Клышинский Э.С. К вопросу о принятии решений в интеллектуальных системах // Новые информационные технологии // Тез. докл. пятой международной студенческой школы семинара. -М.: МГИЭМ, 1997.- С. 105.

37. Конев Д.Г. Выбор критериев управления деятельностью хозяйствующих субъектов // Информационные системы в экономике, экологии и образовании / Под ред. A.A. Цхая. Барнаул: АлтГТУ, 1997. - 192 с.

38. Конев Д.Г. Приборы контроля показателей качества химических волокон. — М.: Химия, 1985. 112 е.: ил.

39. Кречетов Н. Продукты для интеллектуального анализа данных // Мир ПК 1998 №5.

40. Куда идут экспертные системы? / Н.М. Соломатин, С.А. Мартынчик, Е.К. Пугачев и др. // Вестник МГТУ. Сер. Приборостроение, 1995. № 2

41. Левин Р., Дранг Д., Эделсон Б. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Пер. с англ.; Предисловие М.Л. Сальникова, Ю.В. Сальниковой. М.: Финансы и статистика, 1990. - 239 е.: ил.

42. Любарский Ю.А. Интеллектуальные информационные системы. М.: Наука, 1990. - 232 с. - ( Пробл. искусст. интеллекта.).

43. Марселлус Д. Программирование экспертных систем на Турбо Прологе: Пер. с англ. / Предисл. C.B. Трубицина.- М.: Финансы и статистика, 1994. -256 е.: ил.

44. Мартинкевич Ж.К., Мушков А.Ю. Алгоритм оперативной оценки степени доверия предприятию // Мир ПК 1998 № 7 С. 39-41.128

45. Масалович А.И. Нейронные сети инструмент аналитика // Бухгалтерия и банки 1996 №2. - С. 38 - 41

46. Масалович А.И. Нейронные сети в арсенале банкира // Бухгалтерия и банки 1996 №4. С. 40-44

47. Математика и кибернетика в экономике. Словарь справочник. - М., Экономика, 1975. - 700 е.: ил.

48. Месарович М., Такахара Я. Общая теория систем: математические основы / перевод с англ. Э.Л. Наппельбаума / Под ред. С.В.Емельянова. М.: Мир, 1978. - 312 с.

49. Методы искусственного интеллекта в аналитической информационной системе / В.В.Евстигнеев, О.И.Пятковский, Д.В.Рубцов, C.B. Бутаков // Ползуновский альманах 1999. №1 С. 21 27.

50. Миркес Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука. 1998

51. Осипов Г.С. Построение баз знаний на основе взаимодействия интерактивных методов приобретения знаний. I. Концептуальные элементы модели мира // Известия РАН. Теория и системы управления. 1995 №3. - С. 160

52. Охонин В.А., Симонов К.А., Иванкова Е.И. Нейросетевая алхимия нелинейной динамики финансовых систем // VI Всероссийский семинар "Нейроинформатика и ее приложения": Тез. докл. Красноярск: КГТУ, 1998. 207 с.

53. Перегудов Ф.И., Тарасенко Ф.П. Введение в системный анализ: Учеб. пособие для вузов. М.: Высш. шк., 1989.- 367 с.

54. Попов Э.В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. 1987. - 288 с. - (Пробл. искусственного интеллекта)

55. Попов Э.В., Фирдман Г.Р. Алгоритмические основы интеллектуальных роботов и искусственного интеллекта. М.: Наука, 1976. - 456 с.129

56. Поспелов Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. - 184 е.: ил.

57. Поспелов Д.А. Ситуационное управление основа прикладных интеллектуальных систем // Вестник МГТУ. Сер. Приборостроение. - 1995. - № 2, С. 3

58. Приобретение знаний: Пер с яп. / Под ред. С. Осуги, Ю. Саэки. — М.: Мир, 1990.-304 с.

59. Пупков К.А. Интеллектуальные системы: проблемы теории и практики // Изв. вузов. Приборостроение. 1994. Т. 37, № 9 - 10.

60. Пятковский О.И., Бутаков C.B. Применение нейронных сетей в советующих информационных системах предприятий // Нейроинформатика и ее приложения: Тез. докл. V Всероссийского семинара. Красноярск: КГТУ 1997 .

61. Пятковский О.И., Бутаков C.B. Реализация системы оценки финансово хозяйственной деятельности с использованием методов искусственного интеллекта // Экономика и бизнес: XXI век. Межвуз. сб. / Под ред. А.А. Стриженко. Барнаул: АлтГТУ. 1998. С. 136 - 141.

62. Пятковский О.И., Рубцов Д.В., Бутаков C.B. Использование нейрои-митатора в системе анализа финансово хозяйственной деятельности предприятия // VI Всероссийский семинар "Нейроинформатика и ее приложения": Тез. докл. - Красноярск: КГТУ, 1998. 207 с.

63. Пятковский О.И., Рубцов Д.В., Бутаков C.B. Система анализа финансово хозяйственных показателей деятельности предприятия // Информационные технологии. - 1999 № 8. С. 31- 34.

64. Пятковский О.И., Рубцов Д.В., Бутаков C.B. Построение интеллектуальных аналитических блоков с использованием продукционных и нейросете-вых методов. Барнаул: АлтГТУ, 1998. 13 е.: 3 ил. Библиогр. Рукопись деп. в ВИНИТИ 03.02.99, № 341 В99130

65. Сапегин А. Аналитический арсенал современных информационных технологий // Computer Week Moskow 1998 № 10

66. Силич В.А. Проектирование автоматизированных систем управления на основе иерархических семантических моделей: Дис. . д-ра техн. наук. -Томск, 1995.-348 с.

67. Силич М.П. Метод формирования гибридных моделей и инструментальный комплекс для построения экспертных систем. Дис. . канд. техн. наук.-Томск, 1993.- 145 с.

68. Силич М.П., Яримпилова Б.Б. Оболочка экспертных систем, ориентированных на функциональные сети И Четвертая междунар. научно техн. конф. «Природные и интеллектуальные ресурсы Сибири»: Тез. докл. / Отв. Ред. В.Н. Масленников. - Томск: ТУСУР, 1998.- 277с.

69. Системы управления базами данных и знаний: Справ, изд. / А.Н. Наумов, A.M. Вендров, В.К. Иванов и др.; Под ред. А.Н. Наумова. -М.:- Финансы и статистика, 1991. 352 с.

70. Соболева Н. Программа для финансового анализа предприятия // Аудиторские ведомости. 1998 № 1 С. 12.

71. Советов Б.Я. Информационная технология: Учеб. для вузов по спец. "Автоматизир. системы обработки информ. и упр.". М.: Высш. шк., 1994. - 368 е.: ил.

72. Сойер В., Фостер Д.Л. Программирование экспертных систем на Паскале: Пер. с англ. М.: Финансы и статистика, 1990. - 191с.

73. Терехов JI.JI. Кибернетика для экономистов. М.: Финансы и статистика, 1983. - 191 с.

74. Терехов С.А. Прямые, обратные и смешанные задачи в нейросетевом моделировании сложных инженерных систем // IV Всероссийский семинар «Нейроинформатика и ее приложения»: Тез. докл. / Под ред. А.Н. Горбаня. Красноярск: КГТУ. 1996 . 122с.

75. Уотермен Д. Руководство по экспертным системам: Пер. с англ. М.: Мир, 1989.-389 с.

76. Хант Э. Искусственный интеллект / Пер. с англ. Белова JI.A., Крюкова Ю.И.; Под ред. В.Л.Стефанюка. М.: Мир, 1978., 558 с.

77. Царегородцев В.Г. Нейроимитатор NEUROPRO И VI Всероссийский семинар "Нейроинформатика и ее приложения": Тез. докл. Красноярск: КГТУ, 1998. 207 с.

78. Чичварин Н.В. Экспертные компоненты САПР. М.: Машиностроение, 1991.-240 е.: ил.

79. Шеремет А.Д., Сайфулин Р.С. Методика финансового анализа. М.: ИНФРА-М, 1995. - 176 с.131

80. Шилейко А.В., Кочнев В.Ф., Химушин Ф.Ф. Введение в информационную теорию систем / Под ред. А.В. Шилейко. М.: Радио и связь, 1985. - 280 с.

81. Шумский С.А., Яровой А.В., Лукьяница А.А. Нейросетевое предсказание финансовых временных рядов // Тезисы III рабочего семинара совещания "Теория и приложения искусственных нейронных сетей", Снежинск: РФЯЦ -ВНИИТФ. - 1998.

82. Шуремов Е. Компьютерный анализ бизнеса // Мир ПК, 1998 № 1. -С. 80-83.

83. Эффективность внедрения ЭВМ на предприятии / Д.И. Агейкин, Э.Л. Ицкович, Ю.Л. Клоков и др. М.: Финансы и статистика, 1981. - 152 е.: ил.

84. Blackburn Р, Tzakova М. A Hibrid Concept Language // Electronic Proceedings of Fifth International Symposium on Artificial Intelligence and Mathematics, Florida 1998.

85. Data preprocessing and intelligent data analysis // A.Famili, Wei-Min Shen, Richard Weber, Evangelos Simoudis. / Intelligent data analysis 1997/ vol. 1, №1.

86. Hristev R.M. The ANN Book., 1998, 374 p. ftp.funet.fi/pub/sci/neural/books

87. Morrison I., Schaefer B.A., Smith B. Knowledge Acquisition: The Acquire® Approach II Proceedings of the First Semi Annual Conference in Policy Making and Knowledge Systems. - Claremont: Claremont Graduate School, 1991.

88. O'Leary T.J., Williams Brian K. Computers and information systems, second edition, The Benjamin/Cummings publishing company, inc, 1991. - 687p.

89. Rasmussen Dan, Yager Ronald R. Summary SQL A Fuzzy Tool for Data Mining // Intelligent data analysis. - 1997. - vol. 1, № 1

90. Robinson Anne G., Dilts David M. Can operation research play a role in fast-growing, enterprise-wide information systems? // ORMS Todayio 1999 vol. 26, №3.

91. Rosenwein M. The optimization engine that couldn't // OR/MS today. 1997 August,-P. 26-29.

92. ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ

93. Автоматизированная Система Управления Предприятием База Данных База Знаний

94. Декларативная Модель Предметной Области1. Естественный Язык1. Искусственный Интеллект

95. Искусственная Нейронная Сеть1. Информационная Система1. Информационная Технология

96. Локальная Вычислительная Сеть1. Лицо, Принимающее Решения

97. Ограниченный Естественный Язык

98. Объектно-ориентированное Программирование1. Представление Знаний1. Персональный Компьютер

99. Процедурная Модель Предметной Области

100. Поддержка Принятия Решений

101. Персональная Электронно-вычислительная Машина1. Семантическая Сеть

102. Система Управления Базами Данных

103. Финансово-хозяйственная Деятельность

104. Экономическая Информационная Система1. Экспертная Система133