Разработка интеллектуальных модулей информационной системы: На примере оценки деятельности предприятия тема диссертации и автореферата по ВАК РФ 05.13.16, кандидат технических наук Бутаков, Сергей Владимирович

• Бутаков, Сергей Владимирович
• кандидат технических наук
• 2000

Оглавление диссертации кандидат технических наук Бутаков, Сергей Владимирович

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.

Введение диссертации (часть автореферата) на тему «Разработка интеллектуальных модулей информационной системы: На примере оценки деятельности предприятия»

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.

Заключение диссертации по теме «Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)», Бутаков, Сергей Владимирович

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

Список литературы диссертационного исследования кандидат технических наук Бутаков, Сергей Владимирович, 2000 год

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