Помощь в написании студенческих работ
Антистрессовый сервис

Совершенствование методологии проектирования интеллектуальных информационных систем: Ориентированных на применение Internet/Intranet

Диссертация: Совершенствование методологии проектирования интеллектуальных информационных систем: Ориентированных на применение Internet/Intranet
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Программное обеспечение систем ИИ (software engineering for А1) -одно из важнейших направлений. В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач — языки ИИ, в которых традиционно упор делается на преобладание логической и символьной обработки в рамках вычислительных процедур. Эти языки ориентированы на символьную обработку информации — LISP, PROLOG… Читать ещё >

Совершенствование методологии проектирования интеллектуальных информационных систем: Ориентированных на применение Internet/Intranet (реферат, курсовая, диплом, контрольная)

Содержание

  • Глава 1. Исследование проблем разработки информационных систем и систем принятия решений
    • 1. 1. Проблемы разработки экспертных систем
    • 1. 2. Анализ систем приобретения знаний
    • 1. 3. Анализ методологий проектирования информационных систем
      • 1. 3. 1. Связь методологий с этапами жизненного цикла разработки программных систем
    • 1. 4. Применение интеллектуальных агентов и WEB/database 33 1.4.1 Программные агенты и мультиагентные системы
      • 1. 4. 2. Анализ современных направлений в области создания интеллектуальных агентов
    • 1. 5. Выводы
    • 1. 6. Постановка задачи
  • Глава 2. Совершенствование методологии проектирования информационных систем
    • 2. 1. Принятые методологии и средства исследования
      • 2. 1. 1. Методология KADS
      • 2. 1. 2. Стандарт онтологического исследования IDEF
    • 2. 2. Совершенствование методологии проектирования информационных систем
    • 2. 3. Классификация моделей в экономических системах
    • 2. 4. Модель функционирования и управления предприятием с использованием экспертной системы
    • 2. 5. Разработка методологии представления архитектуры разрабатываемой системы
    • 2. 6. Проектирование концептуальной модели аудиторской деятельности
      • 2. 6. 1. Выбор основания для построения концептуальной модели
      • 2. 6. 2. Определение объектов проектируемой системы
      • 2. 6. 3. Определение функций
      • 2. 6. 4. Установление сетевых представлений ТА
    • 2. 7. Формализация архитектурных представлений
    • 2. 8. Разработка информационной модели объектов аудита
    • 2. 9. Разработка программного обеспечения, информационной системы аудита финансового состояния предприятия 82 2.9.1. Основные положения при разработке программного обеспечения
      • 2. 9. 2. Разработка программного обеспечения информационной системы финансового состояния предприятия
    • 2. 10. Выводы
  • Глава 3. Разработка экспертной системы на базе интернет технологий
    • 3. 1. Проектирование виртуальной области знаний для оценки финансового состояния предприятия
    • 3. 2. Концептуальная модель экспертной оценки финансового состояния предприятия
    • 3. 3. Алгоритм оценки финансового состояния
      • 3. 3. 1. Основные понятия и определения теории нечетких множеств
      • 3. 3. 2. Лингвистические переменные
      • 3. 3. 3. Формализация процесса оценки финансового состояния
      • 3. 3. 4. Определение функции принадлежности и Коэффициента надежности принятия решения относительно оценки финансового состояния
      • 3. 3. 5. Определение доверительного интервала коэффициента надежности
      • 3. 3. 6. Определение степени влияния (важности) показателя на оценку финансового состояния предприятия
    • 3. 4. Формирование базы знаний для оценки финансового состояния предприятия
      • 3. 4. 1. Формальное описание базы знаний
      • 3. 4. 2. Определение прототипа базы знаний
    • 3. 5. Обучение (заполнение) базы знаний экспертной системы оценки финансового состояния предприятия
      • 3. 5. 1. Формирование отражения базы знаний в виртуальном пространстве
      • 3. 5. 2. Формирование базы знаний виртуального пространства
      • 3. 5. 3. Алгоритм вывода рекомендаций интеллектуальным агентом
    • 3. 6. Алгоритм фильтра для расчета коэффициентов основных показателей
    • 3. 7. Выводы
  • Глава 4. Практическое использование программного обеспечения информационных систем и экспертных систем
    • 4. 1. Информационная система «Оптовые поставки медикаментов»
      • 4. 1. 1. Состав программного обеспечения
      • 4. 1. 2. Структура корпоративной информационной системы
      • 4. 1. 3. Система удаленного администрирования корпоративных сетей
    • 4. 2. Модель информационной системы с помощью Erwin и Bpwin
    • 4. 3. Экспертная система на базе агентной технологии
    • 4. 4. Описание виртуальной экспертной системы аудита (ВЭС-АУДИТ)
    • 4. 5. Выводы

Развитие новых информационных технологий и образование реальной всемирной компьютерной сети — Internet/Intranet предоставляет новые возможности в получении информации и знаний, которые предприятия и физические лица могут использовать в своей деятельности. Современное состояние разработок в области информационных систем на базе локальных, корпоративных, глобальных компьютерных сетей можно охарактеризовать как стадию все возрастающего интереса среди широких слоев специалистов-финансистов, менеджеров, преподавателей, инженеров, медиков, психологов, программистов, лингвистов. Тенденция увеличения числа пользователей сети Internet/Intranet ставит актуальной задачу совершенствование методологии проектирования информационных систем, ориентированных на применение Internet/Intranet для учета и анализа финансовой деятельности предприятия, дающей сокращение сроков проектирования.

Целью диссертационной работы является развитие, совершенствование и применение методологии и методов проектирования информационных систем, ориентированных на фиксированную предметную область. Разработка и исследование метода моделирования аудиторской и финансовой деятельности. Разработка и внедрение корпоративной информационной системы учета и анализа финансового состояния предприятия на базе технологий Internet/Intranet.

Идея создания искусственного подобия человека для решения сложных задач и моделирования человеческого разума витала в воздухе еще в древнейшие времена. Родоначальником искусственного интеллекта считается средневековый испанский философ, математик и поэт Раймонд Луллий, который еще в XIII веке попытался создать механическую машину для решения различных задач, на основе разработанной им всеобщей классификации понятий [II].

Рождение искусственного интеллекта как научного направления произошло только после создания ЭВМ в 40-х годах XX века. В это же время Норберт Винер создал свои основополагающие работы по новой наукекибернетике.

После признания искусственного интеллекта отдельной областью науки произошло разделение его на два направления: нейрокибернетика и «кибернетика черного ящика» Эти направления развиваются практически независимо, существенно различаясь как в методологии, так и в технологии. Нейрокибернетика ориентирована на программно-аппаратное моделирование структур, подобных структуре мозга.

В основу «кибернетики черного ящика» был положен следующий принцип. Не имеет значения, как устроено «мыслящее» устройство. Главное, чтобы на заданные входные воздействия оно реагировало так же, как человеческий мозг. Существенный вклад в становление новой науки внесли ее «пионеры»: Маккарти (автор первого языка программирования для задач искусственного интеллекта — ЛИСПа), Минский (автор идеи фрейма и фреймовой модели представления знаний), Ньюэлл, Саймон, Шоу, Хант и другие.

Большой вклад в развитие теоретических основ искусственного интеллекта внесли ученые Цетлин М. JL, Пушкин В. Н., Гаврилов М. JL, Поспелов Д. А. и другие.

Широко известны работы, по созданию систем искусственного интеллекта имеющих большое практическое значение в области образования и технологий ученых и исследователей Живоглядова В. П., Бабак В. Ф. и другие.

Представление знаний и разработка систем, основанных на знаниях (knowledge-based systems) — основное направление в области изучения искусственного интеллекта. Оно связано с разработкой моделей представления знаний, созданием баз знаний, образующих ядро экспертных систем. Это направление включает в себя модели и методы извлечения и структурирования знаний и сливается с инженерией знаний.

Программное обеспечение систем ИИ (software engineering for А1) -одно из важнейших направлений. В рамках этого направления разрабатываются специальные языки для решения интеллектуальных задач — языки ИИ, в которых традиционно упор делается на преобладание логической и символьной обработки в рамках вычислительных процедур. Эти языки ориентированы на символьную обработку информации — LISP, PROLOG, SMALLTALK, РЕФАЛ и др. Также создаются пакеты прикладных программ, ориентированные на промышленную разработку интеллектуальных систем, или программное обеспечение искусственного интеллекта, например KEE, ARTS, G2 [83- 51]. Достаточно популярно также создание так называемых пустых экспертных систем или «оболочек» — KAPPA, EXSYS, Ml, ЭКО и др., базы знаний которых можно наполнять конкретными знаниями, создавая различные прикладные системы.

Обучение и самообучение (machine learning) — активно развивающаяся область искусственного интеллекта, которая включает модели, методы и алгоритмы, ориентированные на автоматическое накопление и формирование знаний на основе анализа и обобщения данных [15], обучение на примерах (или индуктивное обучение), а также традиционные подходы из теории распознавания образов [47]. В последние годы к этому направлению тесно примыкают стремительно развивающиеся системы анализа данных (data mining) и поиска закономерностей в базах данных (knowledge discovery) и другие направления.

Существенный прорыв в развитии практических приложений искусственного интеллекта произошел в США, когда в середине 1970;х на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы (ЭС). Стал применяться новый подход к решению задач искусственного интеллекта — представление знаний. В этот период были созданы MYCIN и DENDRAL [105- 94], две первые экспертные системы для медицины и химии, ставшие уже классическими.

Экспертные системы эффективны в специфических «экспертных» областях, где важен эмпирический опыт специалистов. Эти системы интегрируют опыт специалиста в компании по ключевым и стратегически важным технологиям.

Современные ЭС — это сложные программные комплексы, аккумулирующие знания специалистов в конкретных предметных областях и распространяющие этот эмпирический опыт для консультирования менее квалифицированных пользователей. Разработка экспертных систем, как развивающаяся ветвь информатики, направлена на использование ЭВМ для обработки информации в тех областях науки и техники, где традиционные математические методы моделирования малопригодны. В этих областях важна смысловая и логическая обработка информации, важен опыт экспертов.

Приведем некоторые условия, которые могут свидетельствовать о необходимости разработки и внедрения экспертных систем [77]:

— нехватка специалистов, затрачивающих значительное время для оказания помощи другим;

— выполнение небольшой задачи требует многочисленного коллектива специалистов, поскольку ни один из них не обладает достаточным знанием;

— сниженная производительность, поскольку задача требует полного анализа сложного набора условий, а обычный специалист не в состоянии просмотреть (за отведенное время) все эти условия;

— большое расхождение между решениями самых хороших и самых плохих исполнителей;

— наличие конкурентов, имеющих преимущество в силу того, что они лучше справляются с поставленной задачей.

В настоящее время в мире применяются различные консультативно-советующие ЭС, которые дают советы:

— при управлении сложными диспетчерскими пультами, например, сети распределения электроэнергии, — Alarm Analyser [14];

— при постановке медицинских диагнозов — ARAMIS [105, 94], NEUREX [14];

— при поиске неисправностей в электронных приборах, диагностика отказов контрольно-измерительного оборудования — Intelligence Ware [123,], Plant Diagnostics [77], FOREST [108];

— по проектированию интегральных микросхем — DAA [66], NASL [14];

— по управлению перевозками — AIRPLAN [32];

— по прогнозу военных действий — ANALYST [32, 86], BATTLE [123];

— налогообложению — RUNE [106].

Главное отличие ЭС от других программных средств — это наличие базы знаний (БЗ), в которой знания хранятся в форме, понятной специалистам предметной области, и могут быть изменены и дополнены также, в понятной форме. До последнего времени именно различные языки представления знаний (ЯПЗ) были центральной проблемой при разработке ЭС.

Значение работы заключается в том, что разработан метод понятийного моделирования информационных систем и управления экономическими объектами на основе представления трех составляющих: «диаграммы объектов — дерева функций — сетевого представлении». С помощью данного метода достигается уменьшение временных и материальных затрат, связанных с привлечением специалистов предметных областей. Совместное использование экспертных систем и сетевых технологий позволяет повысить качество предоставляемых услуг аудиторскими фирмами — предприятиям, а также сократить затраты времени необходимые на принятие решений.

Практическая ценность диссертационной работы подкреплена двумя, внедренными в производство программными системами — корпоративной информационной системой для анализа и управления финансовой деятельностью предприятия с удаленными администрированием распределенных баз данных, и виртуальной системой аудита, реализованной в пространстве Internet/Intranet.

ЗАКЛЮЧЕНИЕ

И ОСНОВНЫЕ ВЫВОДЫ.

В настоящее время в области разработки и реализации интеллектуальных систем сложилось следующее положение: с одной стороны, квалификация коллективов разработчиков здесь, как правило, достаточно высока, с другой стороны, одна из сложнейших проблем, препятствующих широкому внедрению ИС, является недостаточное знание системными аналитиками и программистами предметных областей, в рамках которых готовятся проекты. Создания информационных систем как интеллектуальных систем общения с базами данных, и особенно экспертных систем, является наиболее актуальной в настоящее время.

Анализ современного состояния проектирования информационных систем позволяет выявить две группы проблем: Методологические проблемы:

— размытость критериев выбора подходящей задачи;

— слабая проработанность теоретических аспектов и разброс терминологии;

— отсутствие концептуальной целостности и согласованности между отдельными приемами и методами;

— отсутствие единого теоретического базиса, процедуры структурирования знаний предметной области;

— жесткость моделей представления предметной области, заставляющая разработчиков обеднять и урезать реальные знания;

— несовершенство математического базиса моделей представления предметной области;

— эмпиричность процедуры выбора программного инструментария и процесса тестирования (отсутствие критериев, разрозненные классификации).

Технологические проблемы:

— несмотря на обилие программных средств, недостаток систем поддержки разработки в их узкой направленности (зависимость от платформы, языка реализации, ограничений предметной области);

— отсутствие технико-экономических показателей оценки эффективности;

— жесткость программных средств, их низкая адаптивность, отсутствие индивидуальной настройки на пользователя и предметную область.

Анализ используемых технологий разработки программного обеспечения показал, что наиболее совершенная и прогрессивная технология это клиент-сервер, с использованием возможности WEB/database.

WEB предлагает стандартизацию пользовательского интерфейса, возможность совместной работы разных приложений от разных платформ, простоту разработки приложений, легкость поддержки, хорошо стандартизированные отношения клиент-сервер, возможность использования интернет/интранет. Одновременно Базы данных предлагают мощный метод упорядочения и сопровождения информации, представляемой на WEB страницах, возможность использовать для поиска информации SQL-сервер.

Современный подход представления обработки знаний связан с использованием интеллектуальных агентов. Преимущества агентных систем очевидны:

— можно использовать только то, что нужно в данный момент времени;

— нет необходимости приобретать дорогую систему и оборудование;

— не требуются высококвалифицированные специалисты;

— к своей работе привлекаются настоящие профессионалы;

— доступ к системе возможен из любой точки мира.

Результаты исследований диссертационной работы использовались в НИР Секции по Оборонным проблемам при Академии наук Российской Федерации «Климентий», «Низковольт», Научно-технического комитета РВСН Министерства Обороны РФ «Каротин», при проведении научно-исследовательских и опытно-конструкторских работ ЗАО «ТелеФорм» по программе ГКНО РФ «Разработка методов описания предметных областей в специальных системах поддержки принятия решений» .

На основе разработанных методологий построения концептуальных моделей предметной области знаний, математического и программного обеспечения разработана информационная система «Оптовые поставки медикаментов». Создана корпоративная сеть фирмы Юнимед-Фарм, фирмы Селена-Фарм, фирмы Украина-Фарм, с удаленным администрированием распределенных баз данных. Создана система удаленного администрирования корпоративных сетей. Внедрено и действует программное обеспечение ПО-Формула на предприятиях Пэинтко-Бишкек и Инженерном Центре. Программное обеспечение ПО-Формула позволяет интегрировать программы в WEB-приложения.

В диссертационной работе были достигнуты следующие основные результаты:

1. Разработан метод понятийного моделирования информационных систем и управления экономическими объектами на основе представления трех составляющих «диаграммы объектов — дерева функций — сетевого представления».

2. На основе исследования понятийного аппарата предложена методика анализа, описание и моделирование объектов и услуг аудита.

3. Разработана концептуальная модель экспертной оценки финансового состояния предприятия.

4. Разработаны математическая модель и алгоритм оценки финансового состояния предприятий.

5. Разработана модель информационной системы поддержки принятия аудиторских заключений.

6. Сформулирован принцип образования базы знаний для виртуальной экспертной системы аудита.

7. Создано программное обеспечение обработки информации по финансовому учету предприятия «ПО-Формула». Программного обеспечение «ПО ФОРМУЛА» зарегистрировано в Государственном реестре Агентства интеллектуальной собственности при Правительстве КР.

Создана «Виртуальная экспертная система аудита (ВЭС-АУДИТ)», ориентированная на применение Internet/Intranet. «Виртуальная экспертная система аудита (ВЭС-АУДИТ)» официально зарегистрирована решением № 43 от 22.05.2002 г. Государственным Агентством по науке и интеллектуальной собственности при Правительстве КР.

Показать весь текст

Список литературы

  1. А. Н., и др., Нечеткие множества в моделях управления и искусственного интеллекта. М.: Наука. 1986. 205с.
  2. Ахо А.В., Хопкрофт Д., Ульман Д. Д. Структуры данных и алгоритмы. М.: Изд. дом Вильяме. 2000−384с.
  3. В.Ф. Основы теории моделирования проектирующих систем. Фрунзе, ФПИ, 1989.-95с.
  4. В.Ф. Рыженко И.Н, Применение средств вычислительной техники для анализа функционирования предприятия, Бишкек, Научно -информационный журнал, Экономика и статистика N1, 1999, 91−94с
  5. В.Ф., Рыженко И., и др. Программное обеспечение финансовой деятельности предприятия «ПО-Формула», Бишкек, Интеллектуалдык менчик N3, 1999.
  6. В.Ф., Рыженко И.Н., Аспекты проектирования информационных систем, Тезисы конференции посвященной 200-ю со дня рождения Пушкина, Бишкек- КРСУ июль 1999
  7. А. Н., Федоров И. П&bdquo- Архипов И. Ф., Приобретение знаний для интеллектуальных систем. Рига РТУ-1991 -94с.
  8. М.Б. Системы искусственного интеллекта. Нечеткие множества.-Саратов СГТУ 2000−40с.
  9. И.А. и др. Проектирование баз знаний и экспертные системы. -СПб 1993 60с.
  10. Ю.Буч Г.,. Объектно-ориентированное проектирование с примерами применения. М.: Конкорд. 1992 305с.
  11. Н., Кибернетика или управление и связь в животном и машине. М.: Сов. радио. 1958.-130с.
  12. Т. А., Представление знаний в экспертной диагностической системе АВТАНТЕСТ, Изв. АН СССР. Техническая кибернетика. N5. 1984.165−173.С
  13. Т. А., Червинская К. Р., Извлечение и структурирование знаний для экспертных систем. М.: Радио и связь. 1992.-200с.
  14. Т.А., Хорошевский В. Ф. Базы знаний интеллектуальных систем. -С.Петербург: ПИТЕР, 2000.-384с.
  15. П., Гавранек Т., Автоматическое образование Гипотез: математические основы общей теории, Пер. с англ. М.: Наука. 1983 270с.
  16. М.Б. Введение в теорию множеств и интервальную математику. 4.1 Применение лингвистической переменной в системах принятия решений. -Пермь. ГТУ 1998- 45с
  17. В.Н., Анализ финансового состояния фирмы. М.: Компьютер в бухгалтерском учете и аудите. N3 1999 132−148с.
  18. В. М., Введение в кибернетику. Киев: Издательство АН УССР. 1964.- 120с.
  19. В. И., Грушинский М. С. Хабалов А.В., Многоагентные системы, Новости искусственного интеллекта. № 2. 1988. бО-бЗс
  20. М., Введение в SQL. Пер с англ., М.: издательство «Лори», 1996 -375с
  21. М., Дейвис Г. Операционная система Unix и программирования на языке Си. Пер с англ., М.: «Радио и связь»., 1989 — 192 с
  22. В. Эволюция ERP-систем. М.: Открытые системы. eCommrce World — N7 2000
  23. Р. Грофф П. Вайнберг Н. SQL полное руководство, пер с англ. К. издательская группа BHV, 2000 — 608с
  24. Р. Краткое руководство по стандартам и нормам аудита. Пер. с англ. -М.: Финансы и статистика, ЮНИТИ, 1992 150с.
  25. Дэйвисон, Многомерное шкалирование. Методы наглядного представления данных. — М.: Финансы и статистика. 1988. 195с.
  26. В.П., Ямпольская С. А. Введение в интернет. Б.: ИИМОП КГНУ, 1998 111с.
  27. Э., Структурное проектирование и конструирование программ, Пер. с англ. М.: Мир. 1979.-210с.
  28. . С., Попов Э. В., Отечественные оболочки экспертных систем, Справочник по искусственному интеллекту. Т. 1 М.: Радио и связь., 1990. 369−388с.
  29. Р. Системы управления базами данных dBASEII и dBASEIII для персональных компьютеров, Пер.с англ. М.: Финансы и статистика 1988 -283с.
  30. Кыргызские стандарты бухгалтерского учета. Бишкек, 1997 210с
  31. К., Чоу Д. Публикации баз данных в интернете. СПб. 1998−480с.
  32. Макал истер Дж., Искусственный интеллект и ПРОЛОГ на микроЭВМ. М.: Машиностроение. 1990., 305с.
  33. М., Такахара Я., Общая теория систем: математические основы. М.: Мир. 1978. 198с.
  34. Минский М.: Фреймы для представления знаний. М.: Энергия., 1979.-160с.
  35. В. К., Метод структурирования и извлечения экспертных знаний: имитация консультаций. Человеко-машинные процедуры принятия решений. М.:ВНИИСИ, 1988. 44−57с.
  36. К. Как построить свою экспертную систему. М.: Энергоатомиздат. 1991−286с.
  37. . и др. Принципы бухгалтерского учета. Пер. с англ. М.: Финансы и статистика, 1997- 496с.
  38. П., Станек У., Программирование на Java, В 2-х кн. СКПресс. 1998.-597с.42.0динцов Б. Е Проектирование Экономических эксперных систем, М.:
  39. Компьютер, ЮНИТИ, 1996−166с.
  40. С., Многоуровневые модели в архитектуре клиент-сервер, http:// www.citforum.ru/database/osbd/glava95.shtml. 1997.
  41. С.Б. Англо-русский словарь по сетям и сетевым технологиям, М.: Салон 1997−301с
  42. С. А., Проблемы принятия решения при нечеткой исходной информации. М., Наука. 1981.-185с.
  43. Г. С., Метод формирования и структурирования модели знаний для одного типа предметных областей, Известия АН СССР. Техническая кибернетика. № 2. 1988. 3−12с
  44. Г. С., Приобретение знаний интеллектуальными системами. М.: Наука. 1997.-230с.
  45. Г. С.,. Информационные технологии, основанные на знаниях, М.: Новости искусственного интеллекта. № 1 1993 7−41с49.0суга С., Саэки Ю., Приобретение знаний. М.: Мир. 1990.-150с.
  46. Полукеев О, Коваль Д. Моделирование бизнеса и архитектура информационной системы, http://www.case.ru/base/
  47. Э. В., Фоминых И. Б&bdquo- Кисель Е. Б., Шапот М. Д., Статические и динамические экспертные системы. М.: Финансы и статистика. 1996.-320с
  48. Э. В., Экспертные системы 90-х гг. Классификация, состояние, проблемы, тенденции, М.: Новости искусственного интеллекта. № 2. 1991. 84-lOlc.
  49. Д. А., Многоагентные системы — настоящее и будущее, М.: Информационные технологии и вычислительные системы. № 1. 1998. 5−12с
  50. Д. А., Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь. 1989.-220с.
  51. В. И., Страхов Н. Н., Система KELLY. М.: МГУ, 1990.
  52. Г. В., Распределенный искусственный интеллект, В кн.: Искусственный интеллект: применение в интегрированных производственных системах, М.: Машиностроение. 1991. -105с.
  53. К., Фостер-Джонсон Э., Unix справочник — СПб: Питер Ком, 1998 -384с
  54. А.Н., Одинцов Б. Е. Автоматизация аудита М.: Аудит, ЮНИТИ, 1999−336с.
  55. А.Н., Одинцов Б. Е. Комьютеризация аудиторской деятельности. -М.: Аудит, ЮНИТИ, 1996−270с.
  56. Рыженко И. Н Информационно-аналитическая система аудиторской деятельности, Бишкек, Вестник КГНУ «Проблемы математики и информатики в XXI веке», серия 3, выпуск 4, 2000- 347−350с
  57. Рыженко И. Н Математические модели в экономических экспертных система, Бишкек, Вестник Международного университета Кыргызстана, N 1(9) 2000, 67−71с
  58. Рыженко И. Н, Информационная база данных финансовой деятельности предприятия, Бишкек, Известия HAH КР, Ипим, 2000.
  59. И.Н. Аспекты проектирования информационных систем в управлении бизнесом, Бишкек, Вестник Международного университета Кыргызстана, N 1 (9) 2000, 54−63с
  60. И. Н. Бабак В.Ф. Информационная модель внутреннего аудита, Тезисы конференции посвященной 200-ю со дня рождения Пушкина, Бишкек.: КРСУ июль 1999.
  61. И.Н. Программное обеспечение базы данных финансовой деятельности предприятия, Материалы смотра-конкурса, Информатика, компьютерные информационные системы и Интернет «ИНФОНЕТ-2000″, Бишкек, 22−24 мая 2000г.
  62. ., Фостер Д., Построение экспертных систем на ПАСКАЛЕ. — М.: Финансы и статистика. 1989.-145с.
  63. Справочник по искусственному интеллекту в 3-х т., Под ред. Э. В. Попова и Д. А. Поспелова. М.: Радио и связь. 1990 320с.
  64. Справочник, План и корреспонденция счетов бухгалтерского учета., М. С. Петербург, Издателский тоговый дом Герда 1999 -376с
  65. JI., Шапиро Э.,. Искусство программирования на языке ПРОЛОГ. М.: Мир. 1990−75с.
  66. Ю. Н., Борисов Н. А., Разработка экспертных систем средствами инструментальной оболочки в среде MS Windows. Тверь, ТГТУ. 1997.-65с.
  67. В. Б.,. Агенты, многоагентные системы, виртуальные сообщества: стратегическое направление в информатике и искусственном интеллекте, Новости искусственного интеллекта. № 2. 1998 35−40с.
  68. К., Фохт Д.,. Проектирование и реализация экспертных систем на ПЭВМ. М.: Финансы и статистика. 1990 -320с.
  69. А. Ю., Анализ данных методами многомерного шкалирования. М.: Наука. 1986.- 125с.
  70. Тихомиров Ю., Visual С++ 6 СПб.: БХВ Санкт- Петербург, 1998 — 496с.
  71. Токтом Аудиторская деятельность, Бишкек // WWW.toktom.kg
  72. И.П., Попова Л. В. Бухучет, М.: Пресс. 1999 292с
  73. Д., Руководство по экспертным системам, Пер. с англ. М.:Мир. 1989−140с.
  74. X., Исидзука М. Представление и использование знаний. М.: Мир. 1989−75с.
  75. Форсайт Ф.,. Экспертные системы. Принципы работы и примеры. М.: Радио и связь. 1987−234с.
  76. Ф., Баннистер Д., Новый метод исследования личности: руководство по репертуарным личностным методикам, Пер. с англ. М.: Прогресс. 1987.- 167с.
  77. А.В. Фролов Г.В Базы данных в Интернете. М. Издательско-торговый дом „Русская редакция“, 2000 — 423 с
  78. Д., Искусственный интеллект. М.: Мир. 1986 250с.
  79. Хейес-Рот и др., Построение экспертных систем, М.: Мир. 1987. 340с.
  80. Ч.Т., Фостер Дж. Бухгалтерский учет: Управленческий аспект. Пер. с англ.- М.: Финансы и статистика, 1995 416с.
  81. В. Ф., PIES-технология и инструментарий PIES WorkBench для разработки систем, основанных на знаниях, М.: Новости Искусственного интеллекта, № 2. 1995 7−64с
  82. В. Ф., Программные средства представления знаний: состояние исследований и проблемы, В кн.: Искусственный интеллект. Книга 3. Программные и аппаратные средства. — М.: Радио и Связь. 1990 72−82с.
  83. Г. С., Программирование на ассоциативных сетях, ЭВМ в проектировании и производстве. Вып. 2. Л.: Машиностроение. 1985. 16−48с.
  84. Шенк Р.,. Обработка концептуальной информации, Пер. с англ. М.: Энергия. 1980 270с
  85. С., Меллор С. Объектно-ориентированный анализ: моделирование мира в состояниях. Пер. с англ. Киев, Диалектика, 1993 240с.
  86. А. М.,. Разработка экспертных систем. Л: ЛПИ. 1990 -75с.
  87. J. Н., Freiling M.J., Shulman S.J., Rehfuss S., Messick S.L., Ontological analysis: an ongoing, experiment, Int. Journal of Man-Machine Studies. Vol. 26. 1987. P. 473−485.
  88. Andre J., Delpech P.-M., Moving from Merise to Shlaer-Mellor, Objects in Europe. Vol. 1, No. 3. 1994. P. 7−11.
  89. Autonomy, Autonomy Technology White paper. — http://www.autonomy. com/tech/wp.html 1998.
  90. Barr A., Feigenbaum E.A., The Handbook of Artificial Intelligence, Vol. II. — Los Altos, California: Kaufmann Inc. 1982.
  91. Belgrave M.,. The Unified Agent Architecture: A White Paper. http:// www.ee.mcgill.ca/~belmarc. 1996
  92. Bennet J. S., A Knowledge-Based System for Acquiring the Conceptual Structure of a Diagnostic Expert System, Journal of Automated Reasoning. — No. 1. 1985. P.49−74.
  93. Boehm B. W., A Spiral Model of Software Development and Enhancement, ACM SIGSOFT Software Engineering Notes. Vol. 11, No. 4. 1986.
  94. Boose J. H., BradshawJ. M., Expertise transfer and complex problems: using AQUINAS as a knowledge-based systems, Int. Journal of Man-Machine Studies. Vol. 26, No. 1. 1987 P. 3−28.
  95. Bosak J., XML. Java, and the future of the Web, Sun Microsystems. -http://sunsite.unc. edu/pub/sun-info/standards/xmi/why/xmiapps.htm 1997
  96. Boulding K. L, General Systems Theory, The Skeleton of Science. Management Science. No. 2. 1956 P. 197−208.
  97. CASE New Approach to Software Engineering, August. BYTE. 1990
  98. CATALYST,. Gensym Corp., G2, In Object-Oriented Technology on Sun Workstations. Catalyst, January. 1993
  99. Cheong Fan-Chun, Internet Agents: Spiders, Wanderers, Brokers, and Bots. New Riders Publishing, USA. 1996.
  100. Chess D., Harrison C., Kershenbaum A.,. Mobile Agents: Are They a Good Idea? IBM Research Division— http://www.research.ibm.com/iagents/paps/ mobileideaabstr.html. 1995
  101. Davis R. Interactive Transfer of Expertise, In: Rule-Based Expert Systems / Buchanan B. Shortliffe E. H. London, Addison-Wesley. 1984 P. 171−205.
  102. Durkin J., Expert Systems: Catalog of Applications. ICS, USA. 1998.
  103. Eisenstadt M» Domingue J., Rajan Т., Motta E.,. Visual Knowledge Engineering, IEEE Transactions on Software Engineering. Vol. 16, No. 10. 1990 P. 1164−1177.
  104. Finin Т., McAdamsJ., Kleinosky P.,. FOREST: an expert system for automaic Test Equipment, Proceedings of the First Conference on Artificial Intelligence Applications. IEEE computer Society. 1984 P. 689−702.
  105. FIPA, Ontology Service. FIPA 98 Specification. Part 12. October, 1998. http://www.cset.it/fipa. 1998.
  106. Fridman N., Hafner,. Ontology Design: A Survey and Comparative Review, AI Magazine. No. 18 (3). 1997 P. 53−74.
  107. Giarratano J., Expert system principles and programming, PWS Publishing Company 1997-P 597.
  108. Goldberg F., Robson D". SMALLTALK-80: the Language and its Implementation. Reading, Mass: Addison Wesley. 1983
  109. Gopalan,. A Detailed Comparison of CORBA, DCOM and Java / RMI (with specific code examples). — http://www.execpc. com/-gopalan/index.html. 1999
  110. Information integration for Concurrent Engineering (IICE). IDEF5 Method Report., Knowledge Based Systems, Inc. University Drive East, College Station, Texas 1994
  111. Microsoft Office Excel User’s Guide Microsoft Corporation 1994 -P444
  112. Motta E., Eisenstadt M., Pitman K., West M., Support for knowledge acquisition in the Knowledge Engineer’s Assistant (KEATS) // Expert Systems. Vol. 5. 1988. P. 6−27.
  113. Pagina H., Intelligent Software Agents on the Internet, http:// www.hermans.org/agents/index.html. 1996.
  114. Pega M., SticklenJ., Bond W.,. Functional Representation and Reasoning, IEEE Expert. April. 1993 P. 65−78.
  115. Raggett D., HTML 3.2 Reference Specification. http://www.w3.org/TR/ REC-html32. 1977.
  116. RDF, Resource Description Framework (RDF) Data Model and Syntax, W3C Recommendation. — http://www.w3.org/TR/WB-rdf-syntax. 1999.
  117. Ross D.T., Goodenough J.B., Irvine C. A., Software Engineering: Process, Principles and Goals, Computer. Vol. 8, No. 5. 1975. P. 17−28.
  118. SKDL, Human Agent Interaction, FIPA98 Draft Specification: Part 8. -http://www.cset.it/fipa/fipa8713.doc 1998.
  119. SlagleJ. R., Gardiner 0. A., KyungsookN.,. Knowledge Specification on an Expert System, IEEE Expert. August. 1990 P. 29−38.
  120. TOVE, TOVE Manual. -Department of Industrial Engineering, University of
  121. Toronto. — http://www.ie/utoronto.ca/EIL/tove. 1999
  122. Visual Basic, User’s Guide Microsoft Corporation 1994 -P344
  123. WAI,. Web Accessibility Initiative (WAI) Web site. http://www.w3.org/ WAI/ -1999
  124. Wall R., Apon A. BealJ. at al.,. An evaluation of commercial expert system building tools, Data Knowledge Eng. 1986 P. 279−304.
  125. Wooldridge M., Jennings N., Intelligent Agents: Theory and Practice, Knowledge Engineering Review. No. 10 (2). 1995
  126. Wray R. Ron C. et. al,. A Survey of Cognitive and Agent Architecture. — http://krusty.eecs.umich.edu/cogarchO/ -1994
  127. Yourdon E.,. Modern Sructured Analysis. Prentice-Hall Int. Ed. 1989
Заполнить форму текущей работой

Сессия? Спокойно!