Интеллектуальные информационные системы

Автор работы: Пользователь скрыл имя, 19 Октября 2011 в 02:38, реферат

Краткое описание

Цель курсовой работы заключается в исследовании понятия системы искусственного интеллекта, прогнозирования на основе нейронных сетей в финансах и бизнесе, рассмотрение примеров применения нейронных сетей на практике:
Создание группы экспертов;
Покупка готовой заказной системы;
Создание собственной системы «с нуля»;
Создание системы на основе готовых «нейропакетов»;
Использование нейросетей в различных областях бизнеса и технологий.

Содержание работы

ВВЕДЕНИЕ 3
1 ПОНЯТИЕ "СИСТЕМА ИСКУССТВЕННОГО ИНТЕЛЛЕКТА" 5
1.1 Понятие и классификация систем искусственного интеллекта 7
2 ИСПОЛЬЗОВАНИЕ НЕЙРОСЕТЕЙ В ФИНАНСАХ И БИЗНЕСЕ 12
2.1 Прогнозирование на основе нейросетей 13
2.2 Преимущества и недостатки прогнозирования на нейросетях 15
2.3 Обзор программных продуктов 16
3 ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ НА ПРАКТИКЕ 18
ЗАКЛЮЧЕНИЕ 23
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ 25
ПРИЛОЖЕНИЕ А 27
ПРИЛОЖЕНИЕ Б 28

Содержимое работы - 1 файл

Интеллектуальные информационные системы.doc

— 170.00 Кб (Скачать файл)

      

       Приведенные выше примеры показывают, что технологии нейронных сетей применимы практически  в любой области. В некоторых  задачах, таких как прогнозирование  котировок или распознавание  образов, нейросети стали уже привычным инструментом. Нет сомнений, что повсеместное проникновение новых технологий и в другие области - только вопрос времени.

       Внедрение новых наукоемких технологий в коммерческой фирме - достаточно непростое дело, требующее, кроме денег и времени, еще и некоторой перемены психологии. Однако, практика показывает, что эти вложения окупаются и выводят компанию на качественно новый уровень. 

ЗАКЛЮЧЕНИЕ

       Нейронные сети - это обобщенное название нескольких групп математических алгоритмов, объединенных одним общим свойством - умением обучаться на группе примеров, “узнавая” впоследствии черты ранее встреченных образов и ситуаций.

       Основными предопределяющими условиями их использования являются наличие  «исторических данных», используя  которые нейронная сеть сможет обучиться, а также невозможность или неэффективность использования других, более формальных, методов. Для того, чтобы сеть можно было применять в дальнейшем, ее прежде надо "натренировать" на полученных ранее данных, для которых известны и значения входных параметров, и правильные ответы на них. Нейросеть может "научиться" даже на массиве сгенерированных случайных чисел.

       Нейросетевые  технологии, применяемые в финансовом и других методах анализа, давно перестали быть модной экзотикой и вызывать недоумение специалистов. В мире накоплен громадный опыт применения нейросетей, сто из ста западных финансовых и промышленных компаний применяют нейротехнологии в том или ином виде. В России же еще недавно найти приличный нейропакет было весьма непросто. Однако к настоящему времени барьер недоверия сломлен, появились обнадеживающие результаты решения различных аналитических задач с элементами нейротехнологий в условиях суровой российской действительности. Сегодня аналитики могут выбрать себе систему построения прогнозов соответственно своему вкусу, кругу решаемых задач.

       В данной курсовой работе исследована тема использования нейронных сетей в финансах и бизнесе, показано применение нейросетевых технологий на практике, их достоинства и недостатки в зависимости от параметров внедрения.

         Нейрокомпьютеры позволяют с высокой эффективностью решать целый ряд "интеллектуальных" задач. Это задачи распознавания образов, адаптивного управления, прогнозирования, диагностики и т.д. Нейросети и нейрокомпьютеры представляют собой принципиально новый подход к описанным проблемам.

       Разработки  в области нейрокомпьютеров поддерживаются целым рядом международных и  национальных программ. В настоящее  время эксплуатируется не менее 50 нейросистем в самых различных областях — от финансовых прогнозов до экспертизы.

 

       

СПИСОК  ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

  1. Анил, К. Джейн  Введение в искусственные нейронные  сети/ К. Джейн Анил, Мао Жианчанг, К.М. Моиуддин.  // Открытые системы. — 1997 г., №4.
  2. Виноградова, М.М. Интеллектуальные информационные технологии в экономике и управлении/М.М. Виноградова//Стратегический маркетинг гражданской продукции оборонной промышленности: доклад научно-практических семинаров. – М., 2001.
  3. Грабауров, В.А. Информационные технологии для менеджеров/В.А. Грабауров. - М.: Изд-во «Финансы и статистика», 2001. – 368 с.
  4. Луценко, Е.В. Интеллектуальные информационные системы/ Е.В. Луценко, Краснодар:  КубГАУ, 2006. – 615 с.
  5. NeuroProject [Электронный ресурс]. –Al&Data Analysis. Электрон. Дан. – М NeuroProjec Al&Data Analysis, 1992 – 2006. - Режим доступа: http// www.neuroproject.ru, свободный. – Заглавие с экрана.
  6. Финн В.К. Искусственный интеллект: Идейная база и основной продукт, 9-я национальная конференция по искусственному интеллекту, Труды конференции, Т.1, М., Физматлит, 2004, с.11-20.
  7. Финн В.К. Об интеллектуальном анализе данных //Новости искусственного интеллекта №3, 2004.
  8. Карпов В.Э. Эволюционное моделирование. Проблемы формы и содержания // Новости искусственного интеллекта №5, 2003.
  9. Барсуков А.П. Кто есть кто в робототехнике. Справочник. Вып.1., ДМК-Пресс, 2005, -125 с.
  10. Добрынин Д.А., Карпов В.Э. Моделирование некоторых простейших форм поведения: от условных рефлексов к индуктивной адаптации //Сб. научных трудов I Международной конференции «Системный анализ и информационные технологии САИТ-2005», М.: КомКнига, Т.1, стр. 188-193.

 

ПРИЛОЖЕНИЕ  А

(обязательное) 

Простой генетический алгоритм

 

ПРИЛОЖЕНИЕ  Б

(обязательное)

Технология  когнитивного анализа  и моделирования 

Информация о работе Интеллектуальные информационные системы