Помощь в написании студенческих работ
Антистрессовый сервис

Разработка интеллектуальных компонентов информационных систем предприятий

Диссертация: Разработка интеллектуальных компонентов информационных систем предприятий
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Боростроение, рынок" (Владимир, Суздаль 1997 г.), Всероссийской научно-методической конференции «Бизнес и высшее образование в условиях перехода к рыночной экономике» (Барнаул, 1997 г.), Всероссийской научно-практической конференции «Реинжиниринг бизнес-процессов предприятий на основе современных информационных технологий» (Москва, 1997 г.), второй и третьей Международных конференциях… Читать ещё >

Разработка интеллектуальных компонентов информационных систем предприятий (реферат, курсовая, диплом, контрольная)

Содержание

  • 1. Подходы к созданию интеллектуальных информационных систем предприятий
    • 1. 1. Описание предметной области и анализ подходов к автоматизации и моделированию информационных систем
      • 1. 1. 1. Особенности предметной области на современном этапе, пути решения неформализованных задач
      • 1. 1. 2. Проблемы описания и моделирования предметной области
      • 1. 1. 3. Анализ работ по информационным технологиям и системам анализа деятельности предприятий
      • 1. 1. 4. Анализ работ в области имитационного моделирования
      • 1. 1. 5. Актуальные направления исследований в области информационных систем на современном этапе
    • 1. 2. Исследование методов искусственного интеллекта для построения советующих информационных систем
      • 1. 2. 1. Понятие методов искусственного интеллекта и экспертных систем
      • 1. 2. 2. Классификация методов представления знаний, их преимущества и недостатки при применении в информационных системах предприятий
      • 1. 2. 3. Особенности и методы решения задач в информационных системах с использованием экспертных систем
    • 1. 3. Исследование нейросетевых технологий для построения интеллектуальных информационных систем
      • 1. 3. 1. Понятие нейросетевых методов, их применение в гибридных моделях информационных систем и особенности по сравнению с другими технологиями искусственного интеллекта
      • 1. 3. 2. Анализ
  • приложений искусственных нейронных сетей в аналитических информационных системах
    • 1. 3. 3. Автоматизация проектирования нейросетевых компонентов
    • 1. 3. 4. Программные системы, реализующие нейросетевые технологии
    • 1. 4. Исследование и разработка комплексов имитационного моделирования в интеллектуальных информационных системах
    • 1. 5. Направления совершенствования автоматизированных информационных систем предприятий
  • Выводы
    • 2. Исследование и разработка экспертных систем оценки состояния предприятия на основе гибридного подхода в аналитических информационных системах
    • 2. 1. Определение и принципы построения интеллектуальных компонентов информационных систем предприятий
    • 2. 2. Разработка структуры интеллектуальной аналитической информационной системы предприятия
    • 2. 3. Концептуальная модель гибридной экспертной системы оценки состояния предприятия
    • 2. 3. 1. Структура иерархической экспертной системы оценки состояния предприятия
    • 2. 3. 2. Разработка методов автоматизированного структурирования задачи
    • 2. 3. 3. Основные функциональные компоненты экспертной системы
    • 2. 4. Этапы обработки информации в интеллектуальных компонентах
    • 2. 4. 1. Предварительная обработка информации
    • 2. 4. 2. Решение задач оценки показателей деятельности предприятия
    • 2. 4. 3. Интерпретация результатов модели
    • 2. 5. Разработка методов и моделей решения аналитических задач гибридной экспертной системой
    • 2. 5. 1. Общее представление задачи
    • 2. 5. 2. Методы формализации решения задач
      • 2. 5. 2. 1. Использование продукционных систем для представления знаний в интеллектуальных блоках
      • 2. 5. 2. 2. Применение нейросетевого подхода при построении интеллектуальных компонентов информационных систем
      • 2. 5. 3. Модель дообучающейся системы
      • 2. 5. 4. Модель анализа текущих показателей с использованием прогноза
      • 2. 5. 5. Подходы к решению обратных задач
  • Выводы
    • 3. Методы определения закономерностей в данных при решении задач автоматизированного прогнозирования состояния предприятия и группировки информации
  • 3. 1. Прогнозирование временных рядов показателей в аналитических блоках автоматизированных информационных систем
    • 3. 1. 1. Понятие и особенности прогнозирования показателей деятельности предприятия
    • 3. 1. 2. Технологии нейропредсказаний в прогнозировании временных рядов показателей
    • 3. 1. 3. Роль методов технического анализа в диалоговом прогнозировании
    • 3. 1. 4. Методы адаптивного прогнозирования
    • 3. 1. 5. Разработка методики прогнозирования временных рядов показателей на базе нейросетевых методов
  • 3. 2. Методы определения закономерностей в данных внешней среды
    • 3. 2. 1. Методы классификации и группировки данных в современных информационных системах
    • 3. 2. 2. Применение нейросетевых методов карт самоорганизации Кохонена для решения задачи таксономии
    • 3. 2. 3. Гибридные модели в системах извлечения знаний
  • Выводы
  • 4. Исследование и разработка интеллектуальных имитационных систем
    • 4. 1. Разработка общей структуры и способов функционирования интеллектуальной имитационной модели
    • 4. 2. Разработка имитационной модели сбытовой логистики
      • 4. 2. 1. Концептуальная модель процессов сбытовой логистики
      • 4. 2. 2. Общая структура имитационной модели
    • 4. 3. Модели транспортных единиц, алгоритмы их рациональной комплектации и распределения по временным периодам
    • 4. 4. Разработка интеллектуальной имитационной модели процессов оперативного управления в сбытовой логистике
      • 4. 4. 1. Моделирование процессов оперативного управления
      • 4. 4. 2. Структура и функции имитационной модели
      • 4. 4. 3. Интеллектуальные компоненты имитационной модели
  • Выводы
  • 5. Разработка методов проектирования и эксплуатации интеллектуальных информационных систем
    • 5. 1. Основы построения интеллектуальных программных компонентов информационных систем
      • 5. 1. 1. Особенности построения автоматизированных рабочих мест в интеллектуальной программной системе
      • 5. 1. 2. Создание адаптивных оболочек интеллектуальных программных систем
      • 5. 1. 3. Развитие этапов жизненного цикла интеллектуальных программных изделий
    • 5. 2. Разработка методов человеко-машинного взаимодействия в интеллектуальных информационных системах
      • 5. 2. 1. Особенности построения человеко-машинных интерфейсов
      • 5. 2. 2. Структурно-функциональная модель построения интерфейсов в программной системе ввода документов
    • 5. 3. Разработка структуры и функций нейроимитатора как элемента информационной системы предприятия
      • 5. 3. 1. Концепции применения нейросетевых компонентов в информационных системах
      • 5. 3. 2. Предварительная обработка информации на этапе проектирования нейросетевых компонентов
      • 5. 3. 3. Формирование задачника для нейросети
      • 5. 3. 4. Особенности формирования нейронной сети
      • 5. 3. 5. Интерпретация сигналов нейронной сети
      • 5. 3. 6. Управляющая программа (исполнитель)
      • 5. 3. 7. Компонент учитель
      • 5. 3. 8. Конструктор нейросети
      • 5. 3. 9. Контрастер нейронной сети
      • 5. 3. 10. Логически прозрачные сети, получение явных знаний
    • 5. 4. Решение дополнительных задач с помощью нейросетевых компонентов
    • 5. 5. Разработка языка описания нейроимитатора для обмена данными
  • Выводы
  • 6. Реализация методов автоматизации и моделирования интеллектуальных информационных систем
    • 6. 1. Интеллектуальная финансово-аналитическая система
      • 6. 1. 1. Общая структура системы
      • 6. 1. 2. Функциональная схема системы
    • 6. 2. Анализ результатов экспериментального исследования разработанных методов и моделей
      • 6. 2. 1. Формализация процедур решения задач анализа при помощи искусственных нейронных сетей
      • 6. 2. 2. Прогнозирование показателей финансово-хозяйственной деятельности на основе нейросетевой модели
      • 6. 2. 3. Использование продукционной экспертной системы для формализации отдельных методик оценки финансово-хозяйственной деятельности
      • 6. 2. 4. Оценка необходимости учета прогноза при анализе
      • 6. 2. 5. Оценка возможности реализации комплексной модели оценки финансово-хозяйственной деятельности
  • Выводы

    • Актуальность работы. В условиях современных экономических отношений существенно возрастает сложность управления предприятием. Это объясняется увеличением его самостоятельности и развитием преимущественно горизонтальных связей с внешним окружением — поставщиками, потребителями, налоговыми инспекциями, банками, страховыми компаниями, биржами, инвестиционными фондами. Для выработки рациональных решений требуется всесторонняя информация о производственно-хозяйственной, финансовой, снабженческо-сбытовой деятельности и внешних связях хозяйствующего субъекта.

    При этом основными задачами управления предприятием являются такие неформализованные проблемы как оценка и диагностика его состояния, поиск, определение закономерностей в информационных данных, прогнозирование результатов деятельности, выработка рациональных траекторий функционирования экономических объектов. Число показателей, применяющихся в этих задачах, большое. Они формируют функции цели, которые могут быть траекторными и ситуационными. Характер изменения этих показателей, как правило, не предсказуем, поэтому задачи определения рационального управления относятся к классу недостаточно формализуемых и слабоструктурированных и не могут быть в полном объеме решены точными методами. Для их решения целесообразно привлечь опыт человека, накопленный в базах знаний экспертных систем. Для обеспечения поддержки принятия решений в таких условиях необходимо дальнейшее развитие комплексной автоматизации управленческой деятельности предприятия с использованием современных информационных технологий, математического моделирования и методов искусственного интеллекта. 9.

    Качество работы информационной системы, относящейся к классу сложных, напрямую зависит от соответствия ее организационной и технической подсистем, находящихся в постоянном взаимодействии. Опыт внедрения информационных систем показывает, что, до тех пор, пока эти две подсистемы не будут максимально соответствовать одна другой, все попытки качественного их функционирования невозможны. И, наоборот, при определенном уровне программно — технической составляющей, например, по мере развития диалоговых режимов взаимодействия, графических и мультимедиа средств, автоматизированные системы начинают работать с лучшей эффективностью. Качественной работы информационной системы можно достичь, если блок программно-технической составляющей будет реализован с использованием методов искусственного интеллекта, что обеспечит его гибкое и адаптивное взаимодействие с организационной подсистемой.

    В настоящее время достигнуты определенные успехи в области создания информационных систем производственного, финансового менеджмента, комплексного бухгалтерского учета и финансового анализа, маркетинга, сбыта и реализации готовой продукции. Эти системы развиваются с целью перевода их в разряд информационно — советующих. Следует отметить, что в данном направлении работы являются актуальными вследствие ряда обстоятельств. В их числе достаточно высокий уровень развития фундаментальных исследований в областях информационных технологий, инструментальных средств искусственного интеллекта и нейроинформатики. Это создает теоретическую базу для проведения исследований с целью создания советующих информационных систем.

    Подходы к построению информационных систем анализа и диагностики состояния предприятия приведены в ряде работ. На российском рынке предлагается немало программных продуктов, относящихся к классу финансово-аналитических систем. Они различаются как по спектру задействованных показателей, так и по реализованным в них подходам к решению основных задач ю анализа финансово-хозяйственной деятельности предприятий. Однако, как показывает анализ, в данных разработках недостаточно используются современные математические методы, нейросетевые и гибридные модели, позволяющие с гораздо большей точностью и качеством осуществлять функции диагностики, анализа и прогнозирования экономических показателей.

    Существует также большое количество зарубежных информационных систем диагностики деятельности предприятия. Изучение данных разработок показывает, что основной их недостаток состоит в том, что они имеют самостоятельное значение и не связаны с действующими информационными системами предприятия. Это не позволяет учитывать динамику изменения информационной базы, отображать реальные процессы управления на предприятии.

    Подводя итог анализу состояния проблемы, можно утверждать, что до настоящего времени существует ряд нерешенных проблем. На стадии исследований и проработки находятся вопросы адаптивности, создания интеллектуальных компонентов диагностики деятельности предприятия, методов прогнозирования состояния объекта управления, разработки гибридных моделей экспертных систем, технологий извлечения знаний, определения закономерностей и группировки информационных данных, интеллектуального имитационного моделирования, создания новых методов проектирования и эксплуатации информационных систем, интеллектуальных человеко-машинных интерфейсов, создания нейрокомпьютеров и нейроимитаторов для применения в информационных системах. Следует особо отметить недостаточное количество работ по созданию единого подхода к формированию иерархических гибридных моделей оценки состояния предприятия, включающих различные методы представления знаний, в том числе аналитические, логико-лингвистические, нейросетевые. Поэтому разработка моделей, методов, алгоритмов и программных комплексов для решения неформализованных задач, а также имитационных систем, включающих в своем составе гибридные блоки анализа, прогнозирования и рационального выбора алгоритмов принятия решений и их применение.

    11 при проектировании информационных систем производственного назначения, является современной актуальной проблемой.

    Несмотря на наличие работ в вышеперечисленных областях, теоретические и прикладные исследования по созданию интеллектуальных информационных систем предприятий находятся на стадии становления и общепринятых подходов к решению представленных проблем до настоящего времени не сформировано. Все изложенное подтверждает актуальность исследований по теме диссертации.

    Объектом диссертационного исследования выступают процессы проектирования и функционирования автоматизированных информационных систем управления предприятием, обеспечивающих эффективное принятие решений в условиях современных экономических отношений.

    Предметом исследований являются математические модели, алгоритмы функционирования и программные комплексы интеллектуальных компонентов информационных систем, предназначенных для решения неформализованных задач управления предприятием на основе применения современных информационных технологий, математического моделирования, теории искусственного интеллекта и методов нейроинформатики.

    Цель диссертационной работы — исследование и разработка теоретических положений, информационных технологий, моделей и алгоритмов, программных комплексов, методических рекомендаций, средств автоматизации проектирования и сопровождения для создания интеллектуальных компонентов и их эффективного функционирования в информационных системах предприятий.

    Для достижения поставленной цели в диссертационной работе сформулированы следующие задачи:

    1. Проанализировать современные подходы к автоматизации, моделированию и решению неформализованных задач в информационных системах поддержки принятия решений. Исследовать методы искусственного.

    12 интеллекта, в том числе системы обработки знаний, нейросетевые технологии и имитационное моделирование для построения интеллектуальных информационных систем. Разработать концепции и принципы применения интеллектуальных компонентов в информационных системах.

    2. Развить методы автоматизированного структурирования неформализованных задач и критерии выбора моделей представления знаний для формализации процедур их решения в информационных системах предприятий.

    3. Исследовать и разработать модели, технологии и программные системы оценки состояния объекта управления на основе гибридных экспертных систем.

    4. Разработать методы и программные комплексы адаптивного прогнозирования показателей деятельности предприятия и группировки данных, основанные на нейросетевых методах и современных информационных технологиях.

    5. Усовершенствовать методологию имитационного моделирования для выработки рациональных траекторий функционирования предприятия на основе применения разработанных интеллектуальных компонентов.

    6. Развить технологию создания информационных систем с интеллектуальными компонентами оценки, прогнозирования, определения закономерностей в данных и адаптивного человеко-машинного взаимодействия.

    7. Определить структуру и функции нейроимитатора как элемента информационной системы. Создать методы включения нейросетевых блоков в информационные системы. Разработать алгоритмы настройки имитатора искусственных нейронных сетей на предметную область и решения задач исследования нейросетевых моделей.

    8. Исследовать возможности применения разработанных методов, моделей и программных комплексов при проектировании и эксплуатации автоматизированных информационно — советующих систем. Подтвердить.

    13 адекватность разработанных моделей и методов на основе анализа машинных экспериментов.

    Методологическая база исследования. Для решения поставленных в диссертационной работе задач применялись методы системного анализа и исследования операций, теория искусственного интеллекта, нейросетевые технологии и методы нейроинформатики, теоретические основы построения информационных систем, математическое программирование, эвристические процедуры принятия решений, модульное программирование, вычислительные эксперименты, проводимые в режиме имитационного моделирования, методы экспертных оценок, дисперсионный, регрессионный и корреляционный анализ.

    В своих исследованиях автор опирался на труды отечественных и зарубежных ученых, посвященные проблемам искусственного интеллекта и нейроинформатики, математического моделирования, информационных технологий.

    A.Н. Горбаня, Е. М. Миркеса, Д. А. Поспелова, Э. В. Попова, Ф. И. Перегудова,.

    B.П. Тарасенко, В. А. Силича, С. А. Терехова, Д. А. Россиева, Н. М. Оскорбина, А. И. Галушкина, B.JI. Дунина-Барковского, Н. П. Бусленко, В. М. Глушкова, A.JI. Горелика, Н. Б. Мироносецкого, И. М Бобко, И. М. Владовского, Д. Г. Конева, С. А. Шумского, Н. Г Загоруйко, П. И. Соснина, Б. Я Советова, В. В. Титова., Р. Шеннона, М. Месаровича, Ф. Розенблатта, Д. Мако, И. Такахара, Т. Нейло-ра, С. Осуги, Т. Кохонена, Р. Нристева и других, а также на опыт научных и проектных организаций по рассматриваемой проблеме.

    Научная новизна проведенных исследований заключается в том, что в диссертационной работе впервые разработан оригинальный подход к созданию информационных технологий, имитационных моделей и программных комплексов для решения неформализованных задач организационного управления хозяйствующим субъектом в современных условиях. Это является существенным вкладом в развитие методов проектирования, проведения научных исследований и эффективной эксплуатации автоматизированных информационных систем предприятий.

    Научные результаты диссертации состоят в следующем:

    1. Разработаны методы решения неформализованных задач и проектирования программных комплексов оценки состояния предприятия на базе гибридных экспертных систем. При оценке состояния объекта учитывается динамика и прогноз изменения анализируемых показателей с возможностью автоматизированного дообучения интеллектуальных элементов в реальных условиях функционирования информационных систем.

    2. Разработаны структура и функции нейроимитатора как элемента интеллектуальных комплексов информационных систем. Созданы методы его проектирования, обучения, настройки на модель предметной области и включения в информационные системы предприятий.

    3. Создана технология адаптивного прогнозирования показателей состояния объекта управления на основе диалоговых человеко-машинных процедур, методов нейросетевого, технического анализа и предобработки информации. Предложен метод группировки данных, основанный на нейросетевых и гибридных моделях.

    4. Разработан способ имитационного моделирования для выработки рациональных траекторий функционирования предприятия на основе применения интеллектуальных компонентов для моделирования и прогнозирования входных потоков данных, оценки состояния объекта управления и выбора рациональных алгоритмов в блоках принятия решений модели.

    5. Развиты методы проектирования информационных систем, создания программных комплексов с интеллектуальными компонентами. Эти системы предназначены для проведения научных исследований и эффективного принятия решений в управлении предприятием.

    Обоснованность и достоверность научных положений, выводов и рекомендаций подтверждается обоснованностью выбранных методов решения задач, использованием современных методов и средств обработки информации, сравнением результатов моделирования с реальными данными, всесто.

    15 ронним анализом литературных источников по теме диссертации, применением разработанных методов при проектировании информационных систем, оформленными свидетельствами на программное обеспечение в Российском агентстве по патентам и товарным знакам, актами внедрения разработанных технологий и программных систем.

    Практическая значимость результатов исследования заключается в том, что разработанные теоретические вопросы и методические рекомендации являются научной базой при создании информационных систем, внедряющихся на предприятиях страны. Реализация диссертационной работы служит инструментом повышения качества функционирования существующих автоматизированных информационных систем, что в конечном итоге позволит повысить уровень современного производства.

    Разработанные методики и программные системы используются в научных и проектных разработках и учебном процессе факультета «Информационных технологий и бизнеса» Алтайского государственного технического университета, на кафедре «Экономики и автоматизированных систем управления» Юргинского филиала Томского политехнического университета, в производственном процессе ОАО «Барнаульский станкостроительный завод», краевого унитарного предприятия птицефабрики «Молодежная» Алтайского края, ОАО «Алтайкрайгазсервис» и ряде других предприятий. Они могут быть использованы в других НИИ и учебных заведениях страны.

    Реализация результатов работы. Основные результаты исследования нашли отражение и применение в научно-исследовательских и опытно-конструкторских госбюджетных и хоздоговорных работах, в которых автор является научным руководителем и непосредственным исполнителем. В их числе: разработки по темам СО РАН, госбюджетная научно-исследовательская работа «Исследование и разработка автоматизированных систем управления предприятиями и организациями в переходный период», российские научно-технические программы «Алтай-Вуз» и «Алтай-наука». Научные и проектные.

    16 разработки внедрялись с участием автора в рамках АСУ «Сигма-2» по заданию 03.01 программы 0.80.06, утвержденной Постановлением ГКНТ и Госплана СССР № 491/244 от 8 декабря 1981 года. Эти же разработки переданы в государственный фонд алгоритмов и программ в виде пакетов программ и документации.

    Основные теоретические и методические результаты, разработанные в диссертации, реализованы в комплексах «Интеллектуальная система диагностики финансово-хозяйственной деятельности предприятия» («Аналитик»), «Система анализа данных на основе искусственных нейронных сетей» («Ней-роАнализ»), «Автоматизация проведения маркетинговых исследований предприятия на основе нейросетевых технологий» («Маркетинг»), «Система автоматизации торговой деятельности предприятия и прогнозирования спроса на товары» («Торговля»), «Информационно — советующая автоматизированная система производственного менеджмента («Производство»), «Информационноавтоматизированная система бухгалтерского учета и финансового анализа» («Бухгалтерия») и других, разработанных при научном руководстве и непосредственном участии автора. На эти комплексы оформлены свидетельства об официальной регистрации в Российском агентстве по патентам и товарным знакам. Данные комплексы применяются для научных исследований, в учебном процессе и внедряются на ряде предприятий страны.

    Автор выносит на защиту:

    1. Концепцию и принципы создания интеллектуальных компонентов информационных систем. Методы автоматизированного структурирования задач и критерии выбора процедур их решения.

    2. Технологии решения неформализованных задач, структуру, функции и конструкцию программного комплекса оценки состояния предприятия, разработанного на базе гибридных экспертных систем.

    3. Технологию адаптивного прогнозирования состояния объекта управления в сочетании с диалоговыми человеко-машинными процедурами технического.

    17 анализа, этапами предварительной обработки и погружения данных. Технологию обработки и группировки данных, основанную на методах нейросетевых самоорганизующихся карт Кохонена и гибридных моделях.

    4. Методологию имитационного моделирования на основе применения интеллектуальных компонентов для прогнозирования динамических рядов показателей, анализа состояния объекта управления и выбора рациональных алгоритмов в блоках принятия решений модели.

    5. Методы проектирования информационных систем с интеллектуальными компонентами. Структуру и функции нейроимитатора как элемента информационных систем. Методы включения нейросетевых элементов в информационные системы и язык их описания.

    6. Структуру интеллектуальной аналитической программной системы и ее компоненты, имеющую средства настройки на модель предметной области, режимы администратора и пользователя. Реализацию разработанных методов при проектировании и сопровождении автоматизированных информационных систем.

    Апробация работы. Основные результаты диссертационной работы доложены и обсуждены на: Всесоюзной конференции «Интегрированные АСУ предприятиями» (г. Новосибирск, 1985 г.), научно-практическом совещании «Опыт и перспективы применения микро и мини ЭВМ в управлении, проектировании и организации автоматизированных рабочих мест специалистов» (г. Барнаул, 1986 г.), на научно-координационном совещании по проблемам «Разработка и внедрение автоматизированных систем управления в народном хозяйстве» (г. Барнаул, 1980 г.), на Краевой научно-технической конференции «Автоматизация управления сложными объектами» (г. Барнаул, 1978 г.), Республиканской научно-технической конференции «Региональные проблемы информатизации». Барнаул, 1995 г.), Межрегиональной научно-практической конференции «Региональные аспекты регулирования рынка труда» (Барнаул, 1995 г.), Международной научно-технической конференции «Конверсия, при.

    18 боростроение, рынок" (Владимир, Суздаль 1997 г.), Всероссийской научно-методической конференции «Бизнес и высшее образование в условиях перехода к рыночной экономике» (Барнаул, 1997 г.), Всероссийской научно-практической конференции «Реинжиниринг бизнес-процессов предприятий на основе современных информационных технологий» (Москва, 1997 г.), второй и третьей Международных конференциях «Интерактивные системы: Проблемы человекокомпьютерного взаимодействия» (Ульяновск, 1997, 1999 г. г.), пятом, шестом и седьмом Всероссийских семинарах «Нейроинформатика и ее приложения (Красноярск, 1997, 1998, 1999 г. г.), Межрегиональной научно-практической конференции «Информационные технологии в экономике «(Пенза, 1998 г.), Третьем сибирском конгрессе по прикладной и индустриальной математике («МРШМ-98») (Новосибирск, 1998 г.), первой, второй, третьей краевых конференций по математике (Барнаул, 1998, 1999,2000 г.г.), Третьем семинаре «Теория и приложения искусственных нейронных сетей» (Снежинск, 1998 г.)», Международной научно-технической конференции «Нейронные, ре-ляторные и непрерывнологические сети и модели» (Ульяновск 1998 г.) — Четвертой международной научно-практической конференции «Природные и интеллектуальные ресурсы Сибири» («СИБРЕСУРС-4−98») (Томск, 1998 г.), первом и втором Всероссийских семинарах «Моделирование неравновесных систем-98» (Красноярск, 1998, 1999 г.г.), Международной конференции «Глобализация в экономике и образовании» (Барнаул 1998), Всероссийской научно-технической конференции «Нейроинформатика-99» (Москва, 1999), Международной научно-практической конференции «Наука и практика организации производства и управления» (г.Барнаул 1999 г.), Пятой международной научно-практической конференции «Природные и интеллектуальные ресурсы Сибири (СИБРЕСУРС — 5 -99)» (г.Омск- 1999 г.), 3-м международном научно-техническом симпозиуме КОКЩ'99 (Новосибирск, 1999), VI Всероссийской конференции «Нейрокомпьютеры и их применение» (Москва, 2000), Всерос.

    19 сийской научно-технической конференции «Нейроинформатика-2000» (Москва, 2000).

    Публикации. По теме диссертации опубликовано 87 работ, в том числе три монографии и одно учебное пособие. На шесть программных комплексов, реализующих разработанные методы, получены авторские свидетельства в Российском агентстве по патентам и товарным знакам.

    Личный вклад. Автору принадлежит разработка представленных в диссертации методов и моделей, постановок задач на программирование комплексов программ, концепций построения интеллектуальных информационных систем, методических пособий и рекомендаций. Под научным руководством автора диссертации в этих разработках принимали участие аспиранты, выполняющие и защитившие кандидатские диссертации по данной теме.

    Структура и объем работы. Диссертация состоит из введения, шести глав, заключения, приложений и списка литературы из 288 наименований. Основная часть работы изложена на 341 странице машинописного текста и содержит 75 рисунков, 14 таблиц.

    338 ВЫВОДЫ.

    Результаты проведенных исследований реализованы в советующих информационных системах: финансово-аналитической системе, управления основным производством, маркетинга, сбыта и реализации готовой продукции.

    Основными компонентами интеллектуальной финансово-аналитической системе «Аналитик» являются: блок формирования задачи, блок решателей, блок дообучения системы, блок представления и сохранения результатов, подсистема подготовки данных, блок справочников и управляющий модуль. В работе приведены алгоритмы формирования и решения задач с помощью интеллектуальных компонентов информационных систем (ИС), а также алгоритм функционирования подсистемы объяснений на графе связей задач. К основным функциям ИС анализа ФХД необходимо отнести задачи автоматизации учета, анализа и планирования ФХД предприятия .

    Программная реализация системы состоит из следующих модулей: 1) экран 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 нейро-сетевого анализа — 6) модуль формирования обучающих и тестовых выборок для задач нейросетевого прогнозирования временных рядов- 7) конструктор / интерпретатор формул- 8) процедура формирования пути вывода по графу связей задач и запуска решателя для каждой задачи- 9) экран отображения результатов задачи- 1 (^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 особенности программной реализации продукционной ЭС: возможность диалогового построения правил, наличие процедур шкалирования, возможность функционирования данного модуля отдельно от ИС в качестве оболочки ЭС.

    В информационно — советующей системе «Производственный менеджмент» реализована иерархическая структура управления основным производством предприятия в виде сети автоматизированных рабочих мест. На автоматизированных рабочих местах менеджеров, экономистов решаются неформали-зуемые задачи при использовании методов искусственного интеллекта и имитационных моделей. Определены интеллектуальные компоненты автоматизированных рабочих мест менеджеров предприятия, цеха, участка, экономистов предприятия и производственных подразделений.

    Третьим примером использования результатов исследований является их применение в автоматизированном комплексе «Маркетинг, сбыт и реализация продукции» .

    В данной главе представлены результаты экспериментального исследования. Приведены следующие примеры практической реализации положений, выдвинутых во второй главе работы: 1) при помощи ИНС формализованы две методики оценки отдельных аспектов ФХД- 2) показано преимущество нейро-сетевых 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 компонентов ИС.

    Приведенные результаты экспериментов и конструкции интеллектуальных систем, внедряющихся на предприятиях страны, подтверждают практическую ценность разработанных методов, моделей и информационных технологий.

    ЗАКЛЮЧЕНИЕ

    .

    В диссертационной работе проведены теоретические исследования и методологические работы по совершенствованию автоматизированных процессов управления предприятиями с применением современных информационных технологий, математического моделирования, теории искусственного интеллекта и методов нейроинформатики.

    При этом исследованы и разработаны теоретические положения, технологии, модели и алгоритмы, программные комплексы, методические рекомендации, средства проектирования и эксплуатации интеллектуальных компонентов информационных систем предприятий.

    В диссертации решены следующие задачи:

    1. Разработана концепция создания интеллектуальных информационных систем на основе методов системного анализа, логико-лингвистических моделей, нейросетевых технологий и гибридных подходов к представлению знаний. Развиты методы автоматизированного структурирования неформализованных задач и критерии выбора способов представления знаний для формализации процедур решения задач.

    2. Разработаны модели и технологии решения неформализованных задач и проектирования программных комплексов оценки состояния предприятия на базе гибридных моделей и экспертных систем, включающих компоненты, основанные на системах обработки знаний и нейросетевых методах, учитывающих динамику и прогноз изменения анализируемых показателей с возможностью автоматизированного дообучения интеллектуальных элементов в реальных условиях функционирования информационных систем.

    3. Разработаны технологии определения закономерностей в информации внешней среды и состояния экономического объекта, в том числе модель адаптивного прогнозирования состояния объекта управления на основе совокупности временных рядов показателей в составе гибридных структур экспертных систем диагностики деятельности предприятия в сочетании с диалоговыми че.

    341 ловеко-машинными процедурами технического анализа, этапами предварительной обработки и погружения данных. Спроектирована технология обработки и группировки данных, основанная на методах нейросетевых самоорганизующихся карт Кохонена и гибридных моделях.

    4. Развита методология имитационного моделирования на основе применения нейросетевых компонентов для прогнозирования динамических рядов показателей, анализа состояния объекта управления и выбора рациональных алгоритмов в блоках принятия решений модели.

    5. Развиты методы проектирования, эксплуатации и человеко-машинного взаимодействия информационных систем. Разработаны функции и структура нейроимитатора как элемента интеллектуальных гибридных комплексов аналитических информационных систем. Создана технология проектирования, эксплуатации, обучения и дообучения нейросетевых блоков информационных систем.

    6. Разработана структура интеллектуальной аналитической программной системы и ее компоненты, имеющие средства настройки на модель предметной области, режимы администратора и пользователя.

    7. Проиллюстрирована возможность и эффективность применения разработанных методов при проектировании и эксплуатации информационно-советующих систем: «Интеллектуальная финансово-аналитическая система», «Производственный менеджмент», «Маркетинг, сбыт и реализация готовой продукции» .

    Показать весь текст

    Список литературы

    1. Н.П., Охонин В. А., Смолянинова Л. Г. Принцип привязки архитектуры нейросети к структуре объекта при нейросетевом моделировании // Нейроинформатика и ее приложения: Тезисы докладов V Всероссийского семинара. — Красноярск: КГТУ, 1997. — С. 152.
    2. Автоматизированные системы управления предприятиями и объединениями: Разработка, внедрение, развитие / H.A. Саломатин, В. И. Дудорин, А. И. Ларионов и др.- Под ред. H.A. Саломатина.-М.:Экономика, 1985.-248с.
    3. Автоматизированная система управления «СИГМА»: Технорабочий проект.-Новосибирск: Б.и., 1977.
    4. Автоматизация управления/В.А. Абчук, А. Л. Лившиц, А. А. Федулов, Э.И.Кучитина- под ред. В. А. Абчука.-М.: Радио и связь, 1984.-264с.
    5. 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.
    6. .Д. Информационные системы в управлении. М.:Радио и связь, 1986. — 240 с.
    7. М.А. Автоматизированные рабочие места на основе персональных ЭВМ. М: Радио и связь, 1989. — 176с.
    8. П.Барцев С. И., Гилев С. Е., Охонин В. А. Принцип двойственности в организации адаптивных систем обработки информации // Динамика химических и биологических систем. Новосибирск: Наука, 1989. — С .6−55.
    9. С.Л., Гурвич Ф. Г. Экспертные оценки в принятии плановых решений. М.: Экономика, 1986. -76с.
    10. А.Г., Пятковский О. И. Управление производственно-сбытовыми процессами в интегрированной АСУ // Автоматизация управления производством. Барнаул: АлтГТУ, 1986. — С.94−99.
    11. И.М. Автоматизированные системы управления и их адаптация. -Новосибирск: Наука, СО АН СССР, 1983.- 112с.
    12. М. Нейросети для финансистов // Финансист. 1997. — № 2
    13. .У. Инженерное проектирование программного обеспечения: Пер. с. англ. М.: Радио и связь, 1985. — 512 с.
    14. A.A. Математическая статистика.-Новосибирск:Наука-Изд-во Ин-та математики, 1997.-772 с.343
    15. В.H. Автоматизация имитационного моделирования сложных систем. М.: Наука, 1977. — 232с.
    16. Н.П., Калашников В. В., Коваленко И. П. Лекции по теории сложных систем. М.: Сов. Радио, 1973. — 440с.
    17. Н.П. Моделирование сложных систем. М.: Наука, 1988. -355с.
    18. Г. Основы исследования операций. В 3-х т. -М.: Мир, 1973 г.
    19. Д. Стратегии клиент/сервер. Руководство по выживанию для специалистов по реорганизации бизнеса. -К.: «Диалектика», 1996.-384с.
    20. И.М., Блем А. Г. Беседы об АСУ. Барнаул: Алт.кн. изд-во, 1984. — 128 с.
    21. И.М., Пятковский О. И. Имитационное моделирование производственно-сбытовых процессов в интегрированных АСУП // Интегрированные АСУ предприятиями: Тезисы докладов всесоюзной конференции. -Новосибирск: ВЦ СО АН СССР, 1985.- С.139−141.
    22. И.М., Пятковский О. И. Имитационное моделировние процессов оперативного управления сбытом на предприятии // Совершенствование систем управления предприятиями.-Новосибирск: ВЦ СО АН СССР, 1987.-С. 17−23.
    23. Е.В., Квичанский A.B., Терехов С. А. и др. Генетическая оптимизация сложных иерархических систем // Нейроинформатика и ее приложения: Тезисы докладов IV Всероссийского семинара / Под ред. А. Н. Горбаня.-Красноярск: КГТУ, 1996. С. 122
    24. A.A., Кондратьев Г. А., Чистяков Ю. В. Теоретические основы построения АСУ. М.:Наука, 1977. -232с.
    25. Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем. М.:Радио и связь, 1992.- 200с
    26. A.M. Основы логистики: Учеб. Пособие. М.: ИВЦ «Маркетинг», 1995. — 124с.344
    27. .Л., Поляков В. И. Информационные системы . Томск: Изд-во Том. ун-та, 1989 .- 154с.
    28. А. Современные направления развития нейрокомпьютерных технологий в России // Открытые системы .- 1997. № 4
    29. А.И., Фомин Ю. И. Нейронные сети как линейные последовательные машины. М.: Изд-во МАИ, 1991.
    30. В.М. Основы безбумажной информатики.-2-e изд., испр. -М.: Наука, 1987. 552с
    31. А.Н. Обобщение аппроксимационной теоремы Стоуна // Нейроинформатика и ее приложения: Тезисы докладов 5 Всероссийского семинара, 3−5 октября 1997 г. / Под ред. А. Н. Горбаня.- Красноярск: изд. КГТУ, 1997.- С. 59−62.
    32. А.Н. Обучение нейронных сетей.- М.: изд. СССР-США СП «ParaGraph», 1990. 160 с.
    33. А.Н., Россиев Д. А. Нейронные сети на персональном компьютере. Новосибирск: Наука. Сибирская издательская фирма РАН, 1996. — 276 с.
    34. А.Н., Миркес Е. М. Логически прозрачные нейронные сети для производства знаний из данных.- Красноярск: ВЦ СО РАН, 1997.- 12 с. (Рукопись деп. в ВИНИТИ 17.07.97, № 2434-В97)
    35. А.Н., Миркес Е. М. Контрастирование нейронных сетей // Нейроинформатика и ее приложения: материалы 3-го Всеросийского семинара.-Красноярск: Изд-во КГТУ.- С. 78−79
    36. А.Л., Гуревич И. Б., Скрипник В. А. Современное состояние проблемы распознавния: Некоторые аспекты. М.: Радио и связь, 1985. — 160с.
    37. A.B. Компьютерные программы для финансового менеджера // Мир ПК.- 1995 .- № 5−6.- С. 116−123
    38. А.И. Временные ряды в динамических базах данных. -М.: Радио и связь, 1989. -128 с.
    39. C.B. Разработка и исследование алгоритмического обеспечения задач управления сбытом готовой продукции. Киев: Б.и., 1982. — 168 с.
    40. И.А., Мясников В. А., Четверников В. И. Автоматизированные системы управления предприятиями. М: Машиностроение, 1984. — 324 с.
    41. В., Эссинг Г., Маас С. Диалоговые системы «человек-ЭВМ». Адаптация к требованиям пользователя: Пер. с англ. М.: Мир, 1984. — 112с.
    42. A.A., Колесников Д. Н. Теория больших систем управления: Учебное пособие для вузов. -Л.:Энергоиздат, Ленингр. Отд-ние, 1982. 288с., ил.
    43. Э.М., Калиновский Д. А., Качков Д. А. К вопросу о технологии имитационного моделирования в экономических экспертных системах //
    44. Моделирование неравновесных систем 98: Тезисы докладов первого всероссийского семинара. — Красноярск: КГТУ.- С. 148−149.
    45. И.П. Комплексный критерий эффективности подсистемы сбыта и реализации продукции предприятия // Изв. ВУЗов. Машиностроение. -1981.- № 3. С.142−146.
    46. Дунин-Барковский B.JI. Информационные процессы в нейронных структурах. М.: Наука, 1978.
    47. Л.Г., Кутузов В. А. Экспертные оценки в управлении. М. Экономика, 1978.-133 с.
    48. В.В., О.И. Пятковский О.И. Технологии искусственного интеллекта в информационных системах хозяйствующих субъектов // Ползу-новский альманах. г. Барнаул: изд-во АлтГТУ, 1998. — № 1. — С. 16−26.
    49. В.В., Пятковский О. И. Автоматизированная информационная система «Производственный менеджмент» // Информационные системы в экономике, экологии и образовании: Сборник научных трудов. Барнаул: изд-во АлтГТУ, 1997.- С.65−72.
    50. A.A., Шумский С. А. Нейрокомпьютинг и его применения в экономике и бизнесе. М.: МИФИ, 1998. — 224с.
    51. В.М., Комаров В. Ф. Введение в управленческие имитационные игры. М.: Наука, 1980. -372с.
    52. Д.Г., Мясников В. А. Автоматизированные и автоматические системы управления.- М.:Энергия, 1975. -680с.
    53. Н.Г. Самообучающийся генетический алгоритм прогнозирования (LGAP)// Искусственный интеллект и экспертные системы.- Новосибирск, 1997.-вып.160:Вычислительные системы. С.80−94.
    54. Н.Г., Елкина В. Н., Лбов Г. С. Алгоритмы обнаружения эмпирических закономерностей. Новосибирск: Наука, 1985.-110с.
    55. H.H. Моделирование системы управления сбытом готовой продукции: Дисс. канд.экон. наук.- Л., 1979.-169с.
    56. В. Как сделать бизнес в Internet.- К.:Комиздат- Диалектика, 1997. -256 с.
    57. Имитационное моделирование производственных процессов: Сб.тр.теоретич.семинара /Под ред. Н. Б. Мироносецкого.-Новосибирск, 1979. -154с.
    58. Имитационное моделирование экономических систем: Сб. статей / Под ред. К. А. Багриновского .-М.: Наука, 1978. -222 с.
    59. Имитационное моделирование производственных систем / Под общ.ред.А. А. Вавилова.-М. :Машиностроение-Берлин-Техника, 1983. 416с.346
    60. Интеллектуальные системы принятия проектных решений/ Алексеев, Борисов, Э. Р. Вилюмс, H.H. Слядзь, С. А. Фомин.-Рига:3инатне, 1997.-З20с.
    61. Информационные системы в экономике: Учебник/Под ред. проф. В. В. Дика. М.: Финансы и статистика, 1986. -272 с.
    62. Информационные системы для руководителей/Ф.И. Перегудов, В.П. Та-расенко, Ю. П. Ехлаков, И. Д. Блатт, В. П. Бондаренко, В.А. Силич- Под ред. Ф. И. Перегудова. М.: Финансы и статистика, 1989.-176 с.
    63. 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.
    64. Искусственный интеллект: В 3-х кн. Кн. 2. Модели и методы: Справочник / под ред. Д. А. Поспелова.- М.: Радио и связь, 1990.- 304 с.
    65. Искусственный интеллект: В 3-х кн. Кн. 1. Системы общения и экспертные системы: Справочник / под ред. Э. В. Попова.- М.: Радио и связь, 1990.464 с.
    66. Д.Г. Выбор критериев управления деятельностью хозяйствующих субъектов // Информационные системы в экономике, экологии и образовании / Под ред. А. А. Цхая. Барнаул: изд-во АлтГТУ, 1997. — 192 с
    67. Л.А., Рыбкин В. М. Машины баз данных и знаний.- М.: Наука. Гл. ред. физ.-мат. лит., 1990.- 296 с.
    68. Калянов Г. Н. CASE структурный системный анализ (автоматизация и применения).- М.: Изд-во «Лори», 1996. 242 с.
    69. А.Л. Финансовым аналитикам на заметку // Бухгалтерия и банки.- 1996.-№ 1. с. 33−37
    70. М. Ранговые корреляции.-М.:Статистика, 1975.
    71. Дж. Системология. Автоматизация решения системных задач: Пер. с англ.-М. :Радио и связь, 1990.-544с.
    72. Э.С. К вопросу о принятии решений в интеллектуальных системах // Новые информационные технологии: Тез. докл. пятой международной студенческой школы семинара.-М: МГИЭМ, 1997.-391 с.
    73. В.Ф. Управленческие имитационные игры и АСУ/Под ред. Н. Б. Мироносецкого.-Новосибирск-.Наука, СО АН СССР, 1979.-256с.347
    74. Д.Г., Кабб И. Л., Пятковский О. И. Концепция адаптации АСУ «СИГМА» к условиям рыночной экономики // Региональные проблемы информатизации: Труды республиканской научно-технической конференции. Барнаул: Изд-во АлтГТУ, 1995.- С.3−4.
    75. Д.Г., Блем А. Г., Пятковский О. И., Кабб И. Л. Автоматизированная информационная система организационно-экономического управления предприятием. Учебное пособие .- Барнаул: Изд-во АлтГТУ, 1998.-142с.
    76. Ю.А. Естественная форма диалога с ЭВМ.-Л. Машиностроение, Ленингр. отд-ние, 1989.-143 с.
    77. Ф. Основы маркетинга: Пер. с англ./Общ. Ред. и вступ. Е.М. Пень-ковой.-М.: Прогресс, 1993.-736 с.
    78. Р., Влеймик И. Интерфейс «человек-компьютер»:Пер. с англ.-М.: Мир, 1990.-501 с.
    79. Т. Ассоциативная память. М.: Мир, 1980.
    80. Т. Ассоциативные запоминающие устройства. М.: Мир, 1982
    81. В.П. Управление сбытом в АСУП. М.:Энергия, 1973. — 81с.
    82. К.А., Пятковский О. И. Программное обеспечение экспертной системы анализа финансового состояния предприятия" //Информационные системы в экономике, экологии и образовании: Сборник научных трудов.-Барнаул: АлтГТУ, 1997.-С.95−96.
    83. В.А. Управление сбытом промышленного предприятия с дискретным характером производства на базе ЭММ и ЭВМ: Дисс.канд.экон.наук.-Л.: Б.и., 1971.-132 с.
    84. Р.Дж. А., Рубин Д. Б. Статистический анализ данных с пропусками/Пер. с англ.-М: Финансы и статистика, 1991.-336с.
    85. Лорьер Ж.-Л. Системы искусственного интеллекта: Пер. с франц.-М.:Мир, 1991.-568 с.
    86. Р.Н., Оскорбин Н. М. Методы декомпозиции при оптимальном управлении непрерывными производствами.- Томск: Изд-во Томского ун-та, 1979. 221с.
    87. Ю.А. Интеллектуальные информационные системы. М.: Наука. Гл. ред. физ. — мат. лит., 1990. — 232 с.
    88. Льюис К. Д. Методы прогнозирования экономических показателей/ Пер. с англ. и предисл. Е. З. Демиденко.-М.: Финансы и статистика, 1986.-133 с.348
    89. Макетирование, проектирование и реализация диалоговых информационных систем: Под ред. Е.И. Ломако/Л.И. Гуков, Е. И. Ломако, A.B. Морозова и др.-М.: Финансы и статистика, 1993.-320с.
    90. И.В. Имитационное моделирование на ЭВМ.-М.:Радио и связь, 1988.-232 с.
    91. А.И. Нейронные сети в арсенале банкира // Бухгалтерия и банки. 1996.- № 4.- С.40−44
    92. Математика и кибернетика в экономике. Словарь справочник. Изд. 2-е перераб. и доп. — М.: Экономика, 1975. — 700 с.
    93. М. Месарович, Я. Такахара Общая теория систем: математические основы / перевод с англ. Э. Л. Наппельбаума под ред. C.B. Емельянова. М.: Мир, 1978.-312 с.
    94. М., МакоД., Такахара И. Теория иерархических многоуровневых систем.- М.: Мир, 1973. 344с.
    95. М., Пайперт С. Персептроны. М.: Мир, 1971
    96. Е.М. Нейрокомпьютер. Проект стандарта. Новосибирск: Наука, 1998 .- 188 с.
    97. Е.М. Логически прозрачные нейронные сети и производство явных знаний из данных //Нейроинформатика.- Новосибирск: Наука, Сибирская издательская фирма РАН, 1998. С.283−292.
    98. Т. и др. Машинные имитационные эксперименты с моделями экономических систем.- М.:Мир, 1975.
    99. Нейроинформатика / А. Н. Горбань, В.Л.Дунин-Барковский, А. Н. Кирдин, Е. М. Миркес, А. Ю. Новоходько, Д. А. Россиев, С. А. Терехов, М. Ю. Сенашова, В.Г.Царегородцевю-Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.-296 с.
    100. В.И. Структурный анализ систем, эффективность и на-дежность.-М. -.Сов.радио, 1977.-216с.
    101. .Е. Проектирование экономических экспертных систем: Учебное пособие для вузов. М.: Компьютер, ЮНИТИ, 1996.-166с.
    102. Е.Г., Попов Э. В. Реинжиниринг бизнеса: Реинжиниринг организаций и информационные технологии. М.:Финансы и статистика, 1997.-336с.
    103. Г. С. Построение баз знаний на основе взаимодействия интерактивных методов приобретения знаний. I. Концептуальные элементы мо349дели мира. // Известия РАН. Теория и системы управления.- 1995.- № 3.- С. 160
    104. Н.М. Построение и анализ эмпирических зависимостей методом центра неопределенности /Информационные системы в экономике, экологии и образовании: Сборник научных трудов.-Барнаул: АлтГТУ, 1997.-С. 97−104
    105. С. Обработка знаний: Пер. с япон. М.: Мир, 1989. -293 с.
    106. В.А., Симонов К. А., Иванкова Е. И. Нейросетевая алхимия нелинейной динамики финансовых систем// Нейроинформатика и ее приложения: Тез. докл. VI Всероссийского семинара. Красноярск: КГТУ, 1998.- 207 с.
    107. Х.О., Рихтер П. Х. Красота фракталов. Образы комплексных динамических систем.- М.: Мир, 1993. -176 с.
    108. Ф.И., Тарасенко Ф. П. Введение в системный анализ: Учеб. пособие для вузов. -М.: Высш. шк., 1989.- 367 с.
    109. Э. В. Экспертные системы: Решение неформализованных задач в диалоге с ЭВМ. М.: Наука. Гл.ред. физ.-мат.лит., 1987.-288с.
    110. Д.А. Ситуационное управление.- М.: Знание, 1975.
    111. Д.А. Ситуационное управление основа прикладных интеллектуальных систем // Вестник МГТУ. Сер. Приборостроение. — 1995. — № 2.-С.З
    112. Д.А. Моделирование рассуждений. Опыт анализа мыслительных актов. М.: Радио и связь, 1989. — 184 с.
    113. Практическое введение в технологию искусственного интеллекта и экспертных систем с иллюстрациями на Бейсике / Р. Левин, Д. Дранг, Б. Эделсон: Пер. с англ.- Предисловие М. Л. Сальникова, Ю. В. Сальниковой. -М.: Финансы и статистика, 1990. 239 с.
    114. Представление и использование знаний: Пер. с япон./ Под ред. X. Уэно, М. Исидзука.-М.: Мир, 1989. -220 с.
    115. Приобретение знаний: Пер. с япон. /Под ред. С. Осуги, Ю. Саэки.-М.: Мир, 1990.-304 с.
    116. О.И. Управление сбытом и реализацией готовой продукции на предприятии // Моделирование производственных процессов: Сборник научных трудов.-Новосибирск: ИЭ и ОПП СО АН, 1983.-С.69−77.
    117. О.И. Прогнозирование выполнения плана реализации в АСУП // Экономико-математические методы в управлении производством. -Новосибирск: Наука, 1983.- С.40−47.
    118. О.И. Основные элементы комплекса «Сбыт и реализация готовой продукции АСУ „СИГМА“// Организация систем управления промышленным производством. Барнаул: Б.и., 1984. — С.130−135.
    119. О.И., Левин К. А., Автоматизация бухгалтерского учета хозяйствующих субъектов // Региональные проблемы информатизации: Труды республиканской научно-технической конференции. Барнаул: Изд-во Ал-тГТУ, 1995.- С. 86−87.
    120. О.И. Подходы к построению внешних и внутренних интерфейсов информационных систем предприятий // Региональные проблемы информатизации: Труды республиканской научно-технической конференции .- Барнаул: Изд-во АлтГТУ, 1995, С. 16−20.
    121. О.И. Информационная система управления производственными процессами предприятия // Конверсия, приборостроение, рынок: Материалы Международной научно-технической конференции. -Владимир: Владим.гос. ун-т, 1997. С.28−30
    122. О.И., Бутаков C.B. Применение нейронных сетей в советующих информационных системах предприятий // Нейроинформатика и ее приложения: Тезисы докладов V Всероссийского семинара .- Красноярск: КГТУ, 1997.- С. 146.
    123. О.И. Интеллектуальные интерфейсы в информационных системах предприятий // Информационные системы в экономике, экологии и образовании: Сборник научных трудов.-Барнаул: изд-во АлтГТУ, 1997.-С.117−125.
    124. О.И. Имитационное моделирование системы поставок продукции потребителям // Моделирование неравновесных систем -98: Тезисы докладов Первого всероссийского семинара. Красноярск: КГТУ, 1998.-С.95−97.
    125. О.И. Информационная система поддержки принятия решений и оценки бизнеса предприятия // Экономика для менеджеров: Межвузовский сборник научных трудов. Барнаул: Издательство Алт. ГТУ, 1998.-С. 94−99.
    126. О.И. Вопросы построения интеллектуальных информационных систем предприятий // Первая краевая конференция по математике, посвященной 25-летию Алтайского госуниверситета: Материалы конференции. Барнаул: Изд-во АГУ, 1998.- С. 38−39.
    127. О.И. Информационная система производственно-финансового менеджмента предприятия // Информационные технологии в экономике: Сборник материалов межрегиональной научно-практической конференции.- Пенза: Приволжский Дом знаний, 1998 С.23−25.
    128. О.И. Нейросетевые технологии в интеллектуальных информационных системах предприятий // Искусственные нейронные сети в информационных технологиях: Тезисы третьего всероссийского семинара .-Снежинск: РФЯЦ-ВНИИТФ, 1998. С. 36−38.
    129. О.И. Приложения нейроинформатики в информационных системах предприятий // Нейроинформатика и ее приложения: Тезисы докладов VI Всероссийского семинара.- Красноярск: КГТУ, 1998.- С. 152.
    130. О.И. Имитационное моделирование системы поставок продукции потребителям // Моделирование неравновесных систем-98: Тезисы докладов I Всероссийского семинара.- Красноярск: КГТУ, 1998. С. 95−97
    131. О.И., Бутаков С. В. Реализация системы оценки финансово-хозяйственной деятельности с использованием методов искусственного интеллекта // Экономика и бизнес XXI век: Межвузовский сборник научных трудов.- Барнаул: АлтГТУ, 1998. С. 136−141.
    132. О.И., Д.В. Рубцов, Бутаков С. В., Левин К. А. Информационная система анализа экономического состояния предприятия. // Известия Алтайского государственного университета. 1998. — № 4 .- С. 58−61.
    133. Pyatkovsky O.I., Rubtsov D.V., Butakov S.V. The intellectual information system for financial analysis //The Third Russian-Korean International Symposium on Science and Technology, Vol. l, 1999.-p.279
    134. О.И. Автоматизация поиска информации в глобальной сети INTERNET при организации внешних связей хозяйствующего субъекта // Глобализация в экономике и образовании: Сборник докладов Международной конференции. Барнаул: АлтГТУ, 1999.- С. 30 — 32.
    135. О.И. Пятковский, Д. В. Рубцов, С. В. Бутаков Система анализа финансово-хозяйственных показателей деятельности предприятия // Информационные технологии. 1999.- № 8. — С. 31−34.
    136. О.И. Разработка гибридных моделей с нейросетевыми компонентами в информационных системах поддержки принятия решений //353
    137. Нейроинформатика и ее приложения: Тезисы докладов VII Всероссийского семинара/под ред. А. Н. Горбаня. Красноярск: КГТУ, 1999.- С. 116.
    138. О.И., Левин К. А. Интеллектуальные интерфейсы в информационных системах с нейросетевыми элементами // Нейроинформатика и ее приложения: Тезисы докладов VII Всероссийского семинара /под ред. А. Н. Горбаня. Красноярск: КГТУ, 1999.- С. 95.
    139. О.И. Интеллектуальные компоненты автоматизированных информационных систем управления предприятием: Монография -г.Барнаул»: АлтГТУ.-1999.- 351 с.
    140. О.И., Бутаков C.B., Рубцов Д. В. Методы построения интеллектуальных информационных систем анализа хозяйственной деятельности предприятий. г. Барнаул: АлтГТУ. — 1999. — 168 с.
    141. К.А. Интеллектуальные системы: проблемы теории и практики// Изв. вузов. Приборостроение.- 1994, т.37.- № 9 10.
    142. A.B. Логистика фирмы.-Новосибирск:Новосибирское книжное издательство, 1997.-116с.
    143. С.А. Статистические методы прогнозирования в АСУ.-М.:Энергоиздат, 1981.-152 с.
    144. Ф. Принципы нейродинамики. Перцептрон и теория механизмов мозга.- М.: Мир, 1965.- 480 с.
    145. A.A. Моделирование данных при помощи кривых для восстановления пробелов в таблицах//"Методы нейроинформатики" :Сб. научн. трудов/ под ред.А. Н. Горбаня.- Красноярск: КГТУ, 1998.-С.6−22.
    146. К.А., Бабанлы Д. Ю. Вероятностные модели прогноза реализации готовой продукции в условиях АСУП// Механизация и автоматизация управления.-1983.-№ 4.-С.8−11.
    147. М.П., Яримпилова Б. Б. Оболочка экспертных систем, ориентированных на функциональные сети // Природные и интеллектуальные ресурсы Сибири: Тезисы докладов 4-й международной НТК / Отв. Ред. В. Н. Масленников. Томск: ТУ СУР, 1998.- С. 277.
    148. М.П. Метод формирования гибридных моделей и инструментальный комплекс для построения экспертных систем. Дисс.. канд. техн. наук. — Томск, 1993. — 145 с.
    149. В.А. Проектирование автоматизированных систем управления на основе иерархических семантических моделей: Дисс.. д-ра техн. наук. -Томск, 1995.-348 с.
    150. Системы R/2-Краткая информация о системах. -D-69 190 Walldorf: АО S АР, 1993.-99с.
    151. Н. Программа для финансового анализа предприятия// Аудиторские ведомости .- 1998.- № 1.355
    152. .Я., Цехановский B.B Автоматизированное управление современным предприятием.-JI. Машиностроение. Ленингр. отд-ние, 1988.-168с.
    153. .Я. Информационная технология: Учеб. для вузов по спец. «Автоматизир. системы обработки информ. и упр.». М.: Высш. шк., 1994. -368 с.
    154. ., Фостер Д. Л. Программирование экспертных систем на Паскале: Пер. с англ.- Предисловие В. П. Иванникова.-М.: Финансы и статистика, 1990.-191 с.
    155. , С.А. Мартынчик, Е.К. Пугачев и др. Куда идут экспертные системы?// Вестник МГТУ. Сер. Приборостроение.- 1995.- № 2
    156. Статические и динамические экспертные системы: Учеб. Пособие/ Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот.- М.: Финансы и статистика, 1996.-320с.
    157. Е.С. Финансовый менеджмент. Российская практика.-М.: Перспектива, 1995.-194с.
    158. К., Фохт Д. Проектирование и программная реализация экспертных систем на персональных ЭВМ: Пер. с англ./Предисл. Г. С. Осипова. -М.: Финансы и статистика, 1990.-320 с.
    159. С.А. Нейросетевые информационные модели сложных инженерных систем // Нейроинформатика.- Новосибирск: Наука, Сибирская издательская фирма РАН, 1998.-С. 101−136.
    160. С.А. Прямые, обратные и смешанные задачи в нейросетевом моделировании сложных инженерных систем // Нейроинформатика и ее приложения: Тезисы докладов IV Всероссийского семинара / Под ред. А. Н. Горбаня.- Красноярск: КГТУ, 1996 .- С. 122.
    161. В.В. Системный анализ экономического состояния предприятия// Финансовая стратегия в управлении предприятием: Сборник научных трудов /Под ред. д.э.н. В. В. Титова, к.э.н. З. В. Коробковой. -Новосибирск: ИЭ и ОПП СО РАН, 1997.- С. 5−12.
    162. Ф. Нейрокомпьютерная техника.- М.: Мир, 1992
    163. Е. Фракталы. М., Мир, 1990.
    164. Р.В. Совершенствование технологии планирования сбытовой деятельности предприятия// Механизация и автоматизация управления.-1987.-№ 2.- С.13−16.356
    165. Фор А. Восприятие и распознавание образов/Пер. с фр. A.B. Середин-ского- под ред. Г. П. Катыса.-М.: Машиностроение, 1989.-272 с.
    166. Дж. Основы кибернетики предприятия-М.?Прогресс, 1971.-340с.
    167. Э. Искусственный интеллект: Пер. с англ. Белова JI.A., Крюкова Ю. И. /Под ред. В. Л. Стефанюка.- М.: Мир, 1978.- 558 с.
    168. В.Г. Нейроимитатор NEUROPRO // Нейроинформатика и ее приложения: Тез. докл. VI Всероссийского семинара, 2−5 октября 1998 г. / Под ред. А. Н. Горбаня.- Красноярск: КГТУ, 1998.- 207 с.
    169. Ю.И. Системный анализ в управлении экономикой.-М:Экономика, 1975.-191 с.
    170. А.Д., Сайфулин P.C. Методика финансового анализа.-М. :ИНФРА-М, 1995.-176с.
    171. Р. Имитационное моделирование систем- искусство и наука.-М.:Мир, 1978.-422с.
    172. A.B., Кочнев В. Ф., Химушин Ф. Ф. Введение в информационную теорию систем / Под ред. A.B. Шилейко. М.: Радио и связь, 1985. — 280 с.
    173. A.A. Системный подход и его основные принципы,-Барнаул:Б.и., 1980.-68с.
    174. С.А., Яровой A.B., Лукьяница A.A. Нейросетевое предсказание финансовых временных рядов// Теория и приложения искусственных нейронных сетей: Тезисы III рабочего семинара.-Снежинск: РФЯЦ -ВНИИТФ, 1998.-С. 46.
    175. Е. Компьютерный анализ бизнеса// Мир ПК.- 1998.-№ 1.-С. 80−83.
    176. Экономика, разработка и использование программного обеспечения ЭВМ: Учебник/ В. А. Благодатских, М. А. Енгибарян, Е. В. Ковалевская и др.-М.: Финансы и статистика, 1995.-288с.
    177. Экспертные системы. Принципы работы и примеры/Пер. с англ.- под ред. Р.Форсайта.-М.: Радио и связь, 1987.-191с.
    178. Дж., Кумбс М. Экспертные системы: концепции и примеры/Пер. с англ. и предисл. Б. И. Шитикова.- М.: Финансы и статистика, 1987. -191 с.
    179. A.A. Технический анализ товарных и финансовых рынков. Прикладное пособие.-М.:ИНФРА.-М, 1996.-176с.
    180. Д.Б. Задачи и методы стохастического программирования.-М.:Сов.радио. 1979.-392 с.
    181. A.Famili, Wei-Min Shen, Richard Weber, Evangelos Simoudis. Data preprocessing and intelligent data analysis. / Intelligent data analysis vol. 1, Number 1, January 1997.357
    182. Ferretti C., Mauri G. NNET: some tools for neural Networks simulation // 9th Annu. Int. Phoenix Conf. Comput. and Commun., Scottsdate, Ariz., March 2123, 1990.- Los Alamitos (Calif.) etc., 1990.- PP. 38−43.
    183. Fu H.C., Shann J.J. A fuzzy neural network for knowledge learning // Int. J. Neural Syst.- 1994.- V.5, N.I.- P. 13−22.
    184. Girosi F., Jones M., and Poggio T. «Regularization Theory and Neural Networks Architectures». Neural Computation, Vol.7, pp.219−269, 1995.
    185. Heht-Nielsen R. Theory of the backpropagation neural network. Neural Networks for Human and Mashine Perception. H. Wechsler (Ed.). Vol. 2. Boston, MA: Academic Press, 1992.- PP. 65 -93.
    186. Hopfield J.J. Neural Networks and physical systems with emergent collective computational abilities//Proc. Nat. Sci. USA.- 1982.- Vol.79.- P. 25 542 558.
    187. Hristev R.M. The ANN Book.-1998.- 374 p. ftp.funet.fi/pub/sci/neural/books
    188. John J. Murphi Technical Analysis of the Futures Markets, 1986
    189. Jondarr C.G. Back propagation family album. Technical report C/TR96−05, Macquarie University, 1996.- 72 p.
    190. T., «Self-organized formation of topologically correct feature maps», Biological Cybernetics, Vol. 43, 1982.-pp.59−69,
    191. Kohonen T., Self-Organizing Maps, Springer, 1995.
    192. Newell A., Simon M.A. Humon problem solving.-Englewood Cliffs, New Jersey: Prentice-Hall, 1972.
    193. O’Learly T.J., Brian K. Williams Computers and information systems, second edition, The Benjamin/Cummings publishing company, inc.-687p.
    194. Sarle W. Stopped training and other remedies for overfitting. In Proc. of the 27th Symposium on the Interface, 1995/-10 p.
    195. Sauer, T., Yorke, J.A., and Casdagli, M. (1991). «Embedology». Journal of Statistical Physics. 65 .- p.579−616.
    196. Tin-Yau Kwok, Dit-Yan Yeung. Constructive feedforward neural networks for regression problems: A Survey- Tech. Rep. HKUST-CS95−43, University of Hong Kong, 1995.-30 p.
    197. Svith Adrian and De Cani An Phillip algorithm to optimize the layout of boxes in pallets/ The Journal of the operational reseach Society.-1980.-№ 7.-p.573−578.
    198. Honavar V., L. Uhr. Integrating Symbol Processing and Connectionist Networks. Invited chapter. In: Intelligent Hybrid Systems. 1995, pp. 177−208. Goonatilake, S. and Khebbal, S. (Ed.) London: Wiley.
    199. Kemsley, D.H., T. R. Martinez. A Survey of Neural Network Research and Fielded Applications// International Journal of Neural Networks: Research and Applications, vol. 2, No. 2/¾, 1992.- pp. 123−133
    200. Sarle W. Frequent asked question on neural network, ftp ://ftp. sas. com/pub/neural/FAQ.html358
    201. Sarle W. Neural networks and statistical models. In Proc. of 19th Annual SAS users group international conference, 1994, 13 p. ftp://ftp.sas.com/pub/neural/inter95.ps.
    202. Дж., Питтс У. Логические исчисления идей, относящихся к нервной деятельности// Автоматы.- М.: ИЛ, 1956.
    203. Poggio T. and F. Girosi A Theory of Networks for Approximation and Learning MIT AI memo 1140, 1989.- 87 p.
    204. Olmsted D. D. History and Principles of Neural Networks http://www.neurocomputing.org/history.htm
    205. Bishop C.M. Theoretical foundation of neural networks. Aston Univ., UK Tech.Rep.NCRG-96−024, Neural computing research group, 1996.- 8p.
    206. Lizhong Wu and John Moody. A Smoothing Regularizer for Feedforward and Recurrent Neural Networks Neural Computation 8:3, 1996.
    207. Bishop C.M. Regularization and complexity control in feed-forward networks. Aston University, Tech.Rep.NCRG-95−022, Neural computing research group, 1995.- 8p
    208. Amari, S., N. Murata, K.-R. Muller, M. Finke, H. Yang. Asymptotic Statistical Theory of Overtraining and Cross-Validation. METR 95−06, Department of Mathematical Engineering and Information Physics, University of Tokyo, 1995
    209. Bishop C.M. Novelty Detection and Neural Network Validation. IEE Proceedings: Vision, Image and Signal Processing. 1995.- PP 217—222.
    210. Fiesler E. Neural network classification and formalization. Computer Standarts and interfaces, v. 16, Elseiver Science publishers, Amsterdam, 1994.-13p.
    211. Neural Bench. Теория по нейронным сетям. http://www.neuralbench.ru/theorv/
    212. Honavar V., L. Uhr. Generative Learning structures for Generalized Connectionist Networks.-Information Sciences 70 (1−2): 1993.- PP 75−108
    213. Parekh, R., Yang, J., Honavar, V. Constructive neural network learning algorithms for multi-category real-valued pattern classification. Tech.rep. ISU CS-TR 97−06. 1997.
    214. Fahlman S., C. Lebiere. The cascade-correlation learning architecture. Tech.rep. CMU-CS-90−100, Carnegie Mellon University, 1990.359
    215. N., Т. Gedeon. A cascade network algorithm employing progressive RPROP. Gedeon, 1997. http://www.cse.unsw.edu.au
    216. Mohraz K., P.Protzel. FlexNet a flexible neural network construction algorithm. 1996. http://www.physik.uni-marburg.de/bio/mitarbei/karim
    217. Ash Т. Dynamic node creation in back-propagation networks. Technical report 8901. Institute for Cognitive Science, San-Diego, 1989
    218. MacGarry K., S. Wermter, J.MacIntyre. Hybrid neural system: from simply coupling to fully integrated neural network// Neural computing surveys, 2, 1999.-PP. 62−93.
    219. Towell G. G., J. W. Shavlik. The Extraction of Refined Rules from Knowledge-Based Neural Networks. Machine Learning, 13, 1993.-PP. 71−101
    220. Mahoney J. J. Combining Symbolic and Connectionist Learning Methods to Refine Certainty-Factor Rule-Bases. Ph.D. Thesis, Department of Computer Sciences, University of Texas at Austin, 1996.
    221. Sarle W. How to measure importance of inputs? SAS Institute Inc. 1998. ftp://ftp.sas.com/pub/neural/
    222. Thgoh F.W. Semantic extraction using neural network modeling and sensitivity analysis. Institute of system science. Singapore. 1991. ftp://archive.cis.ohio-state.edu/pub/neuroprose
    223. Д.А., Миркес E.M., Россиев Д. А. Метод подстройки параметров примера для получения требуемого ответа нейросети // Нейроинформа-тика и ее приложения. Тез. докл. Всероссийского рабочего семинара.- Красноярск: КГТУ, 1994.- С. 39.
    224. Kindermann, J., Linden, A. Inversion of Neural Networks by Gradient Descent//Parallel Computing, 14, 1990, pp. 277−286.
    225. JI.В., Гилев С. Е., Горбань А. Н. Нейросетевой бинарный классификатор «CLAB» (описание пакета программ).- Красноярск: Ин-т биофизики СО РАН, 1992.- 25 с. Препринт № 194 Б.
    226. Компания «Нейропроект». http://www.neuroproject.ru/
    227. Нейроимитатор «Neural bench», http://www.neuralbench.ru/.
    228. Пакет программ «NeuroOffice». http://canopus.lpi.msk.su/neurolab/
    229. California Scientific Software, http://www.calsci.com/
    230. Stuttgarter Neural Network Simulator. University of Tuebingen. Germany. http://www-ra.informatik.uni-tuebingen.de/SNNS.
    231. MATLAB Neural Network Toolbox.360http://kalman.iau.dtu.dk/Projects/proj/nnsysid.html
    232. Smieja F.J. Multiple Network System (MINOS) modules: task division and module discrimination. In Proc. of 8th AISB conference on Artificial Intelligence, Leeds, 1991
    233. Jabri M. A users guide to the MUME system. Technical report. Systems engineering and design automation laboratory. University of Sydney, 1992.-135 p.
    234. M.de Francesco. Functional network. A new computational framework for specification, simulation and algebraic manipulation of modular neural systems. PhD Thesis, University of Geneva. 1994.- 128 p.
    235. Wilson D.R., T.R. Martinez. Improved heterogeneous distance functions. Journal of Artificial Intelligent Research No. 6, 1997.- 32 p.
    236. Mathematical Markup Language (MathML) Version 2.0.W3C Working Draft, http://www.w3.org/TR/2000/WD-MathML2−20 000 211.
    237. The SGML/XML Web Page Extensible Markup Language (XML). http://www.oasis-open.org/cover/xml.html.
    238. MSDN XML Developer Center, http://msdn.microsoft.com/xml/default.asp.
    239. А. Язык XML. Практическое введение, www.citforum.ru.
    240. Document Object Model, http://www.w3 .org/DOM/.
    241. Д.В. Разработка стандартизованного формата описания нейро-сетевых моделей на основе средств XML // Материалы третьей краевой конференции по математике Барнаул: Изд-во АТУ, 2000. — С. 43−45.
    242. XML Parser. ICOM Datenverarbeitungs GmbH, http://www.icom-dv.de/xml/.
    243. М.Г. Аппроксимация многомерных функций полутораслойным предиктором с произвольными преобразователями // Методы нейроинформатики. Сб.научн.трудов./ Под ред. А. Н. Горбаня.- Красноярск: КГТУ, 1998.- С.130−151.
    244. JI.B., Гилев С. Е., Горбань А. Н., Гордиенко П. В., Еремин Д. И., Коченов Д. А., Миркес Е. М., Россиев Д. А., Умнов Н. А. Нейропрограммы// Учебное пособие: В 2 ч. Красноярск: КГТУ, 1994.- 260 с.
    245. ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ
    246. Автоматизированная Система Управления Предприятием База Данных База Знаний
    247. Декларативная Модель Предметной Области1. Естественный Язык1. Искусственный Интеллект
    248. Искусственная Нейронная Сеть1. Информационная Система1. Информационная Технология
    249. Локальная Вычислительная Сеть1. Лицо, Принимающее Решения
    250. Ограниченный Естественный Язык
    251. Объектно-ориентированное Программирование1. Представление Знаний1. Персональный Компьютер
    252. Процедурная Модель Предметной Области
    253. Поддержка Принятия Решений
    254. Персональная Электронно-вычислительная Машина1. Семантическая Сеть
    255. Система Управления Базами Данных
    256. Финансово-Хозяйственная Деятельность
    257. Хозяйственная Деятельность
    258. Экономическая Информационная Система1. Экспертная Система364
    Заполнить форму текущей работой

    Сессия? Спокойно!