Адреса в Fidonet
У Fidonet є наступні зони: 1зона – США, 2 зона – Європа, 3 зона – Тихоокеанський регіон. Приклад 1: р77.f23.n5020.z2.fidonet.org Приклад 2: John.Smith @ p3.f55.n105.z1.fidonet.org.
Знак @ відображає адресу електронної пошти E-mail.
10.11. Приклади адрес ресурсів і та імен доменів мережі Internet
Приклади деяких Internet- адресів наведені нижче: 1. http: //www.yahoo.com або www.hotbot.com, http: //www.google.com або http: //www.google.com.ua, http: //www.yandex.com - пошукові сервери, http: //www.rada.kiev.ua – інформаційно-пошукова система законодавчих і нормативних документів, розробка інформаційного центру Верховної Ради України; 2. http: //www.consalting/ru/mag/- бізнес фінанси, економіка; 3. www.thunderlizard.com/tlp/dwnld hundout.html- конференція з проблем Web-реклами; 4. www.thedirectory.org - сайти з координатами провайдерів; 5. http: //www.microsoft.com - адреса корпорації Microsoft; 6. http: //www.peworld.com.win95 - будь-яка інформація з Windows; 7. http: //www.gu.kiev.ua - web- сервер; 8. gopher: //gopher.toolbox.org – служба gopher; 9. ftp: //ftp.mpc.com – служба ftp; 10. file: //ftp.yoga.com/pub/ - файл у локальній мережі; 11. telnet: //idaho.com/ - служба telnet; 12. http: //www.dinai.com/ - новини бізнесу в Україні; 13. http: //www.nau.kiev.ua: 8101- Закони України, Постанови верховної Ради України, нормативні акти України; 14. http: //vacancy.kharkov.ua – пошук роботи та підбору персоналу; 15. http: //www.ftc.ru/infsys.html - центр фінансових технологій «Інформаційні системи»; 16. http: //www.ospu.odessa.ua/serv/arch/docs/dori/r-dori.htm - уроки по мережі Інтернет.
Контрольні питання до розділу 10 1. Навіщо потрібна комп’ютерна мережа економісту? 2. Дайте загальну характеристику мережі Інтернет. 3. З яких глобальних мереж складається мережа Інтернет? 4. Які існують різновиди служб мережі Інтернет? 5. Дайте характеристику службі WWW. 6. Що таке дошка оголошень та які електронні дошки оголошень бувають? 7. Поясніть поняття телеконференції та навіщо вони потрібні? 8. Які бувають телеконференції? 9. Які використовують програми для телеконференцій? 10. Що розуміють під провідником (браузером) мережі Інтернет? 11. Які бувають провідники? 12. Які можливості провідника Internet Explorer? 13. Як завантажити Internet Explorer? 14. Що уявляє собою протокол Internet? 15. Які характеристики має протокол Internet TCP/IP? 16. Як настроїти протокол TCP/IP? 17. Як підключитись до Інтернету через провідник Internet Explorer? 18. Хто такий провайдер? 19. Що треба знати щоб підключитись до Інтернету через провайдера? 20. Які типи адрес може мати комп’ютер підключений до мережі Internet? 21. Поясніть цифрові та доменні адреси комп’ютера? 22. Що таке домен? 23. Що розуміють під маскою підмережі? 24. Навіщо потрібний уніфікований покажчик ресурсу (URL) мережі Інтернет? 25. Яка організація привласнює імена доменам? 26. Наведіть приклади адрес та імен доменів мережі Internet.
РОЗДІЛ 11. ЕКСПЕРТНІ І НАВЧАЛЬНІ СИСТЕМИ
11.1. Штучний інтелект, основні поняття
В основі експертних і навчальних систем закладений штучний інтелект. Термін штучний інтелект (artificial intelligence) був запропонований в 1956 році на семінарі в США, на якому розглядалися питання логічного рішення завдань. У цей час під штучним інтелектом варто розуміти апаратне й програмне моделювання розумової здібності людини. Слово інтелект походить від латинського слова intellectus, що означає розум, думка, розумові здібності людини. На основі штучного інтелекту створюються сучасні інтелектуальні інформаційні технології, які лежать в основі інтелектуальних систем (ІС). Інтелектуальні системи - технічні або програмні системи. Вони здатні вирішувати завдання, що вважаються творчими, приналежні конкретній предметній області, знання про які зберігаються в пам'яті інтелектуальної системи. Системи штучного інтелекту складаються із трьох основних блоків: бази знань, вирішувача, інтелектуального інтерфейсу. База знань подібна до бази даних, але в ній зберігаються знання. Вирішувач – система, здатна завдяки убудованій у неї загальної стратегії знаходження рішення знаходити рішення завдань. Інтелектуальний інтерфейс - інтерфейс, у який включені засоби, що дозволяють людині вести спілкування з ЕОМ, не використовуючи для уведення спеціальні програми. Інтерфейс - сукупність способів і правил, які забезпечують логічну або фізичну взаємодію пристроїв і програм обчислювальної системи. До систем штучного інтелекту належать експертні системи. Системи штучного інтелекту орієнтовані на рішення неформалізованих або важко формалізованих завдань. Такі завдання мають наступні властивості: алгоритмічне рішення невідомо, завдання не може бути задане в числовій формі, що динамічно змінюють дані й знання, більша розмірність простору рішення й ін. Важко формалізовані задачі мають неповноту, характеризуються неоднозначністю, суперечливістю вихідних даних і знань про предметну область. Дослідження зі штучного інтелекту ведуться по двох напрямках: програмно - прагматичний, біонічний. Програмно-прагматичний напрямок орієнтований на пошуки алгоритмів рішення інтелектуальних завдань на існуючих моделях комп'ютерів. Дослідники в цьому напрямку займається створенням програм, які могли б вирішувати завдання подібно людському мозку. Це можуть бути програми для рішення логічних завдань, пошуку, класифікації й т.п. Цей напрямок є класичним, тому що в цьому напрямку не ставиться питання про адекватність структур і методів тим, якими користується в аналогічних випадках людина, а розглядається лише кінцевий результат рішення завдання. У рамках цього напрямку велися й ведуться пошуки моделей і алгоритмів людського мислення:
· Модель лабіринтового пошуку. Цей підхід представляє завдання як деякий граф, що відбиває простір станів, і в цьому графі проводиться пошук оптимального шляху від вхідних даних до результатів. Граф є фундаментальним поняттям сучасної математики. Графом називають трійку безліч (I, D, G), де I – безліч вершин, D – безліч дуг, G – відображення, що кожній дузі з D ставить у відповідність упорядковану пару вершин з I. Візуально граф може бути представлений у вигляді об'єкта, у якому вершини з'єднані стрілками. · Евристичне програмування. Евристика - система логічних прийомів і методичних правил теоретичного дослідження. Найчастіше правила не завжди обґрунтовані, але це дозволяє скоротити кількість переборів в просторі пошуку. · Використання методів математичної логіки. На основі методів резолюцій (рішень, постанов) автоматично доводяться теореми при наявності вихідних аксіом.
Дослідники біонічного напрямку займаються створенням пристроїв і програм, які відтворюють структуру й процеси людського мозку, які лежать в основі процесу рішення завдань людиною. У цьому напрямку сформувалася нова наука нейроінформатика й на основі її розроблені нейрокомп’ютери - машини VI покоління. Дослідження зі штучного інтелекту привели до того, що в 70 - х роках почали в практичних додатках застосовувати ідеї моделювати конкретні знання фахівців-експертів. Комерційні експертні системи, засновані на знаннях, з'явилися в США. Що таке знання й моделі їхнього подання розглянемо в другому питанні.
11.2. Знання й моделі їхнього подання Подальший розвиток ЕОМ пов'язане з переходом від автоматичної обробки даних до обробки знань. Тому необхідно розібратися, що ж таке дані, інформація, знання. Є різне визначення даних. Так під даними розуміють інформацію, представлену в конкретних формах, які адекватні можливим процесам її обробки. Інше визначення даних – це зареєстровані сигнали. Також є різні визначення інформації. Інформація – це сукупність сигналів, сприйманих нашою свідомістю, які відбивають ті або інші властивості об'єктів і явищ навколишньої нас дійсності. Інше визначення інформації – це продукт взаємодії даних і адекватних їм методів у момент її утворення. Основоположник теорії інформації Клод Шеннон визначив інформацію як зняту невизначеність. З любим визначенням важко посперечатися, але найбільш наукове визначення дане Клодом Шенноном. Якими б не були визначення даних і інформації фактом залишається те, що обробляються сигнали адекватними методами за допомогою ЕОМ, у результаті чого виходить інформація. Але коли є інформація про предметну область, що має потребу в обробці, виникає питання про обробку знань. Таким чином, ми прийшли до поняття знання. Поняття знання не має якого-небудь вичерпного визначення. Знання – це інформація, на підставі якої шляхом логічних міркувань можуть бути отримані певні висновки. Знання можна визначити як сукупність відомостей, що утворять цілісний опис, що відповідає певному рівню поінформованості про описуване питання, предмет, проблему й т.д. Знання – це виявлені закономірності предметної області (принципи, зв'язки, закони), що дозволяють вирішувати завдання в цій області. Останнє визначення досить близько до філософської категорії знання. Знання – це перевірений практикою результат пізнання дійсності, її відбиття у свідомості людини. З погляду штучного інтелекту знання можна визначити як формалізовану інформацію, на яку посилаються в процесі логічного висновку. Для зберігання знань із метою подальшої обробки на ЕОМ необхідно мати базу знань. База знань - це сукупність знань, описаних з використанням обраної форми їхнього подання. У будь-якій інтелектуальній системі використається база знань, що становить основне ядро цієї системи. Для певної предметної області знання доцільно розділити на дві категорії: факти й евристику. Факти добре відомі в даній предметній області події, події, явища, твердо встановлене підстава, на якому будується теорія. Знання цієї категорії називають текстовими, підкреслюючи той факт, що вони досить освітлені в спеціальній літературі. Евристика ґрунтується на власному досвіді фахівця в даній предметній області, накопиченому в результаті багаторічної праці (еврика - система логічних прийомів і методичних правил теоретичного дослідження). Традиційно знання можна розділити на процедурні й декларативні. Декларативні знання це, як правило, просто дані або сукупність відомостей про якісні й кількісні характеристики конкретних явищ, об'єктів і їхніх елементів. Декларативні знання зберігаються в пам'яті ЕОМ, які доступні для використання. Процедурні знання - це, насамперед алгоритми, програми, методи рішення завдань які становлять основу бази знань. Процедура - це певний порядок послідовних дій, що визначає процес перетворення вихідних даних у кінцеві результати поставленої мети або рішення завдань. Найбільш важливою проблемою в системах штучного інтелекту є подання знань. Питання в тім, як представити знання в ЕОМ, щоб їх можна було обробляти, а це означає, що їх потрібно моделювати. Для моделювання знань їх необхідно формалізувати, тільки тоді їх можна представити в пам'яті інтелектуальної системи. Для формалізації знань (додання певного виду) використаються різні теорії (методи й прийоми), зокрема теорія непарних безліч, багатозначна логіка й інший математичний апарат. Враховуючи те, що до теперішнього часу математичної логіки, яка адекватно відбиває людське мислення не створено, то використають типові подання знань: логічні; процедурні моделі; семантичні мережі; фреймові моделі.
11.3. Логічні моделі У логічних моделях інформація розглядається як сукупність фактів і тверджень, яка подається формулами в деякій логіці. Знання розглядаються як сукупність таких формул. Одержання нових знань зводиться до реалізації процедур обробки вихідних знань. В основі логічних моделей подання знань лежить формальна теорія множин. Знання в цій теорії можна представити у вигляді четвірки безліч: S = < B, F, A, R>, де B – рахункова безліч базових символів, F - безліч, називана формулами, A – виділена підмножина апріорі істинних формул, R – кінцева безліч відносин між формулами, названа правилами висновку. Переваги логічних моделей: використання апарата математичної логіки, методи якої добре вивчені; розроблені ефективні процедури висновку; у базах знань зберігаються тільки аксіоми, а всі інші знання виходять на їхній основі.
11.4. Процедурні моделі Процедурні моделі засновані на дослідженні процесів прийняття рішень людиною. Міркуючи й приймаючи рішення, людина використає продукційні правила (Production – виробництво, вироблення чого-небудь). Це означає, що на основі одного рішення виробляється інше. Продукційне правило можна представити у вигляді умови: Якщо < перелік умов >, То < перелік дій>. У такій інтерпретації ліва частина правил оцінюється стосовно бази знань системи, і якщо ця оцінка відповідає логічному значенню «Істина», то виконуються дії, задані в правій частині продукції (або дія). Під переліком умови розуміється перелік умов, по яких здійснюється пошук у базі знань, а під переліком дій може бути дія при успішному результаті пошуку, висновок, нове знання, деяка ціль. У загальному виді продукційне правило можна представити так: i; S; L; A à B; Q,
де i – індивідуальний номер продукції; S – опис класу ситуацій; L - умова, по якому продукція активізується; Aà B – перехід від умов до дії; Q –постумова продукційного правила, описує операції й дії, які необхідно виконати після виконання дії В.
Наприклад: Якщо y є материнською платою комп'ютера x z є відеокартою y То z є вбудованою відеокартою комп'ютера x
У продукційних системах, заснованих на знаннях, процес обробки інформації може здійснюватися двома способами. Перший спосіб припускає обробку інформації «від даних до мети» це так звана обробка інформації в прямому напрямку (метод зіставлення), другий «від мети до даних» дозволяє здійснювати обробку інформації у зворотному напрямку (метод генерації).
Властивості продукційних моделей:
· Модульність – окремі продукційні правила можуть бути додані в базу знань, вилучені з її або змінені в ній незалежно від інших; крім того, модульний принцип розробки продукційних систем дозволяють автоматизувати їхню обробку. · Кожне продукційне правило – самостійний елемент знань. · Простота інтерпретації (розкриття змісту) - «прозора» структура продукційних правил полегшує їхнє значеннєве тлумачення (роз'яснення того або іншого тексту). · Природність знання у вигляді «що робити й коли» є природними з погляду здорового глузду.
Недоліки продукційних систем проявляються тоді, коли число правил стає більшим і виникає, непередбачені побічні ефекти від зміни старого й додавання нового правила. Крім того, скрутна оцінка цілісного образа знань, що втримуються в системі. Продукційна модель найчастіше застосовується в промислових експертних системах. Вона залучає розроблювачів своєю наочністю, високою модульністю, легкістю внесення доповнень і змін і простотою логічного висновку. 11.5. Семантичні мережі Термін семантичний означає – значеннєвий, стосовний до значення слова. Семантика – це наука, що встановлює відносини між символами й об'єктами, які вони позначають, тобто наука, що визначає зміст слів, частин слів та знаків. У семантичних мережах знання представляється досить близько до природної мови. Інформація в цих мережах може бути описана як сукупність трійок (arb), де a і b – об'єкти або поняття, а r – бінарне відношенняміж ними. Найбільш загальна семантична мережа являє собою модель у вигляді орієнтованого графа з вершинами й дугами. Вершини це об'єкти, а дуги зв'язку - відносини між ними. Переваги мережних моделей: наочність системи знань (можливе графічне подання мережі); система знань близька до природної мови; більші виразні можливості; близькість мережних моделей до людської пам'яті. Недоліки: Семантична мережа не дає ясного подання про предметну область; це пасивна структура, для якої необхідний спеціальний апарат формального висновку й планування; складність пошуку висновку через множинні відносини між її елементами.
11.6. Фреймові моделі
У 1970 -х роках М. Мінським було запропоновано для позначення структури знань і сприйняття просторових сцен термін фрейм (frame -каркас, рамка). Під фреймом розуміють абстрактний образ або ситуація. Фреймова модель, заснована на теорії М. Мінського, являє собою систематизовану у вигляді єдиної теорії технологічну модель пам'яті людини і його свідомості й використовується для подання знань. Під фреймом у цій теорії розуміється структура даних для подання деякого концептуального об'єкта. Фрейми складаються зі слотів. У слотах утримується інформація, що відноситься до даного фрейму. У загальному випадку фрейм визначається в такий спосіб: f = [(r1, v1),.......(ri, vi)], де f – ім'я фрейму; ri - ім'я i – го слота; vi – значення слота. Записфрейму може бути представлена в такий спосіб:
(Ім'я фрейму: (ім'я 1 - го слота; значення 1 - го слота), (ім'я 2 - го слота; значення 2 - го слота), . . . (ім'я i - го слота; значення i - го слота)).
Значенням слота можуть бути числа, математичні співвідношення, тексти, програми, правила висновку, посилання на інші слоти даного фрейму, слоти нижчого рівня, ім'я іншого фрейму. Якщо слоти містять імена інших слотів, то утвориться мережа фреймів. Всі фрейми взаємозалежні й утворять єдину фреймову структуру, у якій об'єднані декларативні й процедурні знання. Це дає можливість досить природно робити композицію й декомпозицію інформаційних структур аналогічно тому, як це робила би людина при описі структури своїх знань. Тому що фрейм представляє прототип образа, то його називають протофреймом. На основі протофреймів які зберігаються в базі знань, створюються фрейми - екземпляри для відображення реальних ситуацій на основі даних, що надходять. Наприклад, нехай фрейм - прототип має вигляд:
(Список працівників: Прізвище (значення слота 1); Рік народження (значення слота 2); Спеціальність (значення слота 3); Стаж (значення слота 4).
Якщо як значення слотів використати реальні дані з таблиці, то одержимо фрейм-екземпляр. Фрейми мають властивість спадкування. Спадкування це коли частково або повністю переносяться значення аналогічних слотів із фреймів більше високого рівня на інші слоти. Спадщина відбувається по АКО – зв'язках (від A Kind Of = це). АКО – зв'язок або слот, що вказує на фрейм більше високого рівня ієрархії, звідки успадковуються, тобто переносяться значення аналогічних слотів. Фрейми дозволяють відобразити велике різноманіття знань:
· фрейми - структури для позначення об'єктів і понять (позика, застава, вексель); · фрейми - ролі (менеджер, касир, клієнт); · фрейми сценарії (банкрутство, збори акціонерів і ін.); · фрейми - ситуації (тривога, аварія, робочий режим пристрою й т.д.).
Перевагами моделі фреймів є: здатність відбивати концептуальну (загальну) організацію пам'яті людини, а також природність, наочність подання, модульність, можливість використання значень слотів за замовчуванням. Поняття близькі до фреймів використовуються в об’єктно - орієнтованому програмуванні. Основним недоліком фреймових моделей є відсутність механізмів керування висновком. Розглянуті моделі подання знань близькі між собою. Різниця лише в тім, наскільки зручно й природно представляти ті або інші знання у вигляді логічних формул, семантичних мереж, фреймів або продукцій. Логічні й продукційні моделі використаються для опису процедурних знань. Семантичні мережі й фреймові моделі використаються для опису декларативних знань. У системах штучного інтелекту частіше використають змішані системи подання знань. Наприклад, як значення в слотах фреймів можуть бути продукції. Узагальнюючи аналіз моделей подання знань, можна зробити два основних висновки:
· Неможливо дати універсальні рекомендації з вибору моделі. Вибір конкретної моделі визначається можливістю й зручністю подання досліджуваної проблемної області з урахуванням необхідності не тільки подання, але й використання знань. Однак частіше використовуються евристичні, а не логічні моделі подання знань. · Найбільш потужними виявляються змішані подання. 11.7. Експертні системи, основні поняття й визначення Враховуючи те, що знання можуть існувати у двох видах - колективний досвід і особистий, тоді варто розглядати в яких сферах людської діяльності необхідно застосовувати експертні системи. Так якщо знання носять колективний характер, то ця предметна область не має потреби в експертних системах (наприклад, вища математика). Якщо в предметній області більша частина знань є особистим досвідом фахівців високого рівня (експертів), або ці знання слабко структуровані, така предметна область має потребу в експертних системах. Так для тиражування досвіду й знань провідних спеціалістів у всіх сферах економіки використаються експертні системи. Експертні системи – це складні програмно-технічні комплекси, що акумулюють знання фахівців у конкретних предметних областях. За допомогою експертних систем відбувається поширення емпіричного досвіду для консультування менш кваліфікованих фахівців - користувачів експертних систем. Структурна схема експертної системи наведена на рис. 11.1.
Рисунок 11.1. Узагальнена схема експертної системи Користувач - фахівець предметної області, для якого призначена система. Звичайно експертна система необхідна для всіх, хто потребує допомоги й підтримці з боку експертної системи. Інтерфейс користувача – програмно-технічний комплекс, у якому закладені правила, що реалізують діалог користувача з експертною системою на стадії, як уведення інформації, так і одержання результатів. База знань - сукупність знань предметної області, записана на машинний носій на деякій мові програмування зрозумілому експертові й користувачеві Вирішувач - програма, що моделює хід міркувань експерта на підставі знань, наявних у базі знань. Підсистема пояснень – програма, що дозволяє користувачеві одержувати відповіді на різні його питання до експертної системи. Експерт – фахівець у певній предметній області. Інженер по знаннях – фахівець зі штучного інтелекту, виступає в ролі проміжної ланки між експертом і базою знань. Редактор бази знань – програма яка надає інженерові по знаннях можливість створювати бази знань або її редагувати в діалоговому режимі. Для побудови експертних систем застосовуються різні інструментальні засоби:
· Традиційні мови програмування. Це об’єктно - орієнтовані мови (Delphi, Visual Basic, VBA і ін.). Застосування об’єктно – орієнтованих мов виправдане тим, що об’єктно – орієнтоване програмування пов'язане із фреймовою моделлю подання знань. · Мови штучного інтелекту. До таких мов ставляться Lisp, Prolog. Ці мови мають розширені можливості по роботі із символьними й логічними даними, що необхідно для завдань штучного інтелекту. На основі таких мов створюються спеціалізовані комп'ютери (Лисп - машини). · Оболонки (Shells) - «порожні» версії існуючих експертних систем, це готові експертні системи без бази знань. Для таких систем потрібні фахівці в предметній області для заповнення бази знань. Контрольні питання до розділу 11
1. Що таке штучний інтелект? 2. З яких основних блоків складаються системи штучного інтелекту? 3. По яким напрямкам ведуться дослідження штучного інтелекту? 4. Що таке дані, інформація, знання? 5. Що таке база знань? 6. Які знання відносяться до процедурних та декларативних? 7. Чи існує в теперішній час математична логіка, яка адекватно відбиває людське мислення? 8. Які ведуться пошуки моделей і алгоритмів людського мислення? 9. Що уявляють собою логічні, процедурні, семантичні мережі; фреймові моделі подання знань? 10. Що таке експертна система? 11. Які бувають експертні системи? 12. Привести узагальнену структуру експертної системи. Дати характеристику окремих блоків. 13. Яка різниця між експертною системою фахівця предметної області та навчальною системою?
РОЗДІЛ 12. ПЕРСПЕКТИВИ РОЗВИТКУ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ
12.1. Соціально-економічні аспекти розвитку інформаційних технологій
Розвиток сучасних інформаційних технологій перш за все|передусім| пов'язаний з розвитком такої науки як нейроінформатики|. Нейроїнформатика займається перш за все|передусім| методами обробки інформації за допомогою нейромереж|, методологією вирішення завдань|задач|, програмними і апаратними засобами для спеціалізованих нейрокомп'ютерів. Враховуючи те, що нейромережі| ефективно справляються із|із| завданнями|задачами| класифікації, моделювання і екстраполювання (прогнозування, прогнози|передбачення|), що особливо важливе|поважне| при вирішенні фінансово-економічних проблем то для даного напряму|направлення| і були насамперед|передусім| розроблені програмні застосування для спеціалізованих нейрокомп'ютерів. Нейронні мережі служать основою для створення програмних пакетів, як для окремих пристроїв|устроїв|, нейроБІС|, так і в цілому|загалом| для нейрокомп'ютерів. На світовому ринку представлені|уявляти| більше сотні нейромережних| пакетів, переважно американських. Об'єм|обсяг| ринку нейронних мереж перевищує 1 млрд. доларів рік. Більше того, практично кожен розробник традиційних аналітичних пакетів сьогодні прагне включити нейронні мережі в нові версії своїх програм. У США нейронні мережі застосовуються в аналітичних комплексах кожного крупного банку. Існує багато різних пакетів штучного інтелекту на фінансовому ринку. Так пакет The AI Trilogy (Трилогія штучного інтелекту) є одним з кращих який допомагає управляти капіталами в декілька мільярдів доларів. Цей пакет був розроблений американською фірмою Ward Systems Group (Група пакетних систем), ключові моменти цього пакету були написані російськими фахівцями. Пакет складається з трьох програм (NeuroShell II, NeuroWindows, GeneHunter), кожна з яких може використовуватися як самостійно, так і в комбінації з рештою програм. Програма NeuroShell II – це набір з 16 типів нейронних мереж, NeuroWindow – нейросетевая бібліотека з початковими текстами, GeneHunter – генетична програма оптимізації. В сукупності вони утворюють вельми могутній конструктор, що дозволяє будувати аналітичні комплекси (що відносяться до аналізу) будь-якої складності. Пакет встановлений в 150 найбільших банках США, багато разів перемагав в престижних конкурсах популярних фінансових виданнях. В даний час є російськомовний пакет на ринку Росії. Це знаменує собою становлення нового етапу на ринку аналітичних систем. Це пакет функціонально повних складних систем, що дозволяють вирішувати комплексні завдання управління фінансовими ресурсами. Що може дати цей пакет фінансистові? Приведемо приклад. Під час підготовки до презентації російської версії «Трилогія» були узяті реальні дані про портфель невеликої фінансової компанії з Каліфорнії, що грає на ринку так званих індексних опціонів. Проведення засобами «Трелогії» класичної послідовності «Аналіз, прогноз, оптимізація» дозволило в перший день заробити 25 тисяч доларів при величині портфеля в 2 млн. доларів, а в другій – ще 40 тис. Аналітичний комплекс фінансової компанії LBS (США), що має в управлінні більше 1 млрд. доларів клієнтських грошей, управляється всього однією кнопкою –«Старт». Далі система сама оновлює базу даних по котируваннях (котирувати фр. Coter – визначати біржову ціну (курс) цінних паперів, іноземної валюти, товарів) 3000 компаній на Нью – Йорській біржі, визначає найбільш прогнозовані акції, паралельно запускає декілька видів прогнозів, вибирає найперспективніші з погляду короткострокової гри компанії, оптимізує портфель і видає рекомендації трейдерам (закупникам товарів). Аналітикам залишається тільки співвіднести рекомендації системи з власними уявленнями, інсайдерскою інформацією і фундаментальними чинниками. На фінансовому світі нейронні мережі широко застосовуються для двох основних задач – прогнозування котирувань основних інструментів (курсів валют, цінних|коштовних| паперів і ін.) і розпізнавання певних ситуацій (наприклад, підозрілих операцій з|із| кредитними картами. Найбільш відомими застосуваннями нейромережних| інформаційних технологій можна визнати наступні|слідуючі|:
· прогнозування котирувань ф'ючерсів; · короткострокова|короткотермінова| динаміка курсів валют; · прогноз оптових цін на продукти харчування; · оцінка об'єктів нерухомості; · оцінка кредитних ризиків; · ряд|лава| завдань|задач| медичної і промислової діагностики; · побудова|шикування| високодохідного футбольного тоталізатора (механічний лічильник при грі на гроші); · прогноз розвитку надзвичайних ситуацій; · авторизація доступу по індивідуальному «почерку» роботи за клавіатурою комп'ютера.
Сфера фінансових застосувань нейронних мереж практично безмежна|необмежена|. Будь-яка задача, пов'язана з маніпулюванням фінансовими інструментами, – будь то валюта цінні|коштовні| папери, зв'язане з|із| ризиком і вимагає ретельного розрахунку і прогнозування. Як зміниться завтра котирування основних валют? Чи поверне кредит зовні|зовнішньо| благополучна фірма|фірма-виготовлювач|? Як підібрати|добирати| прибутковий і разом з тим|в той же час| надійний «портфель інвестора»? Ці і сотні інших питань доводиться щодня вирішувати аналітичним відділам фінансових і інших компаній, залучаючи|приваблювати| всі види аналітичних інструментів. Тому не випадково, що четверту частину|частку| ринку нейромережових| продуктів складають фінансові застосування. 12.2. Майбутнє комп'ютерних технологій. Нейрокомп'ютери і основи нейроінформатики| Існуючі комп'ютери мають принципи роботи, в корені відмінні від принципів роботи людського мозку, тому основні надії на розвиток штучного інтелекту пов'язані з побудовою|шикуванням| нейрокомп'ютерів. У 1992 році була завершена програма «П'яте покоління комп'ютерів» і її змінила|позмінювала| міжнародна програма «Обчислення|підрахунки| в реальному світі» (RWS | – Real| World| Computing|). Автори програми величезну роль (30-40%) відводять дослідженню природних і створенню|створінню| нейромережних| систем. Це дасть можливість|спроможність| обчислювальним системам, що управляють, самостійно сприймати дії зовнішнього світу і діяти в ньому адекватно. Існують різні підходи до проблеми штучного інтелекту. Нейробіонічний підхід заснований на використанні принципів роботи мозку людини, для створення інтелектуальних систем. На ЕОМ досить просто моделювати формально-логічні елементи мислення, а моделювання здатності людини адаптуватися, в умовах реального світу, що змінюються і слабо формалізованих, зв'язано із значними складнощами. Якраз саме цю можливість адаптуватися до зовнішніх умов, що постійно змінюються, і необхідно забезпечити системам, що претендують на «інтелектуальність». В даний час сформувалося новий науково – практичний напрям – створення нейрокомп'ютера, що є ЕОМ нового покоління. Такі комп'ютери якісно відрізняються від попередніх відсутністю заздалегідь створених алгоритмічних програм і здібністю до самоорганізації і навчання. Основу нейрокомп'ютерів складають нейронні мережі – ієрархічно організовані паралельні з'єднання адаптивних елементів – нейронів, які забезпечують взаємодія з об'єктами реального світу так само, як і нервова біологічна система.
Основні відмінності|відзнаки| нейрокомп'ютера від звичайної|звичної| ЕОМ:
· паралельна робота великого числа простих обчислювальних пристроїв|устроїв|, що забезпечує величезну швидкодію; · нейронна мережа здібна до навчання|вчення|, яке здійснюється шляхом налаштування параметрів мережі; · висока відмовостійкість і перешкодостійкість|перешкодостійкий| мережі за рахунок того, що знання як би «розмиті» в ній і обрив|урвище| якогось зв'язку в загальному|спільному| випадку не є|з'являється| достатньою умовою відмови, а усунення перешкод здійснюється за рахунок того, що спотворений образ який поступив на мережу може скотитися|зображення| до найближчого наявного образу|зображення| з|із| найменшим енергетичним рівнем; · проста будова|споруда| окремих нейронів дозволяє використовувати нові фізичні принципи обробки інформації для апаратних реалізацій нейромереж|.
Основу нейрокомп'ютера складає штучна нейромережа|, реалізована апаратно на електронних або оптичних елементах. На відміну від мікропроцесора, що має повний|цілковитий| набір команд, кожен нейрон, з|із| яких складається нейромережа|, є лише простим аналоговим перетворюючим елементом. Нейромережа представляє|уявляє| паралельну структуру, що реалізує принцип потоку даних, що забезпечує високу швидкодію. Термін «нейронні мережі» сформувався в 40 – х роках ХХ століття|віку| в середовищі|середі| дослідників, що вивчали принципи організації і функціонування біологічних мереж. В даний час|нині| в області науки нейроінформатики| розроблений ряд|лава| моделей переробки інформації, які називають штучними нейронними мережами або просто нейронними мережами. Під нейронними мережами розуміється набір елементарних нейроподібних перетворювачів інформації – нейронів, сполучених|з'єднаних| один з|із| одним каналами обміну інформацією для їх спільної роботи. Предметом дослідження нейроінформатики| є|з'являється| вирішення завдань|задач| переробки інформації за допомогою нейромереж| в різних фахових|предметних| областях, особливо в тих що погано формалізуються, де існуючі моделі суб'єктивні і неадекватні|. Найбільш вражаючі результати використання нейромереж| досягнуті при розпізнаванні образів|зображень|, при побудові|шикуванні| асоціативної пам'яті, при створенні|створінні| самонавчаючих| експертних систем, при вирішенні оптимізаційних завдань|задач| великої розмірності. Нейроїнформатика знаходиться|перебуває| у стадії інтенсивного розвитку. У багатьох країнах видаються періодичні видання більше 20, так в Росії видається журнал|часопис| «Нейрокомп'ютер» (Міністерства економіки).
12.3. Нейрон, нейронні мережі, основні поняття Нейрон (штучний або формальний) – елементарний перетворюючий елемент, як складова частина нейромережі|, у свою чергу|своєю чергою|, складається з елементів трьох типів (помножувача (синапсу), суматора – (WX), нелінійного перетворювача -F) який виконує дві основні функції – зважене підсумовування і нелінійне перетворення рис.1.
Рисунок 12.1. Структурна схема нейрона Помножувачі (синапси) здійснюють зв'язок між нейронами, помножує|множить| вхідний сигнал – (Xi) на число – (Wi), що характеризує силу зв'язку, - вага синапсу. Суматор виконує складання сигналів, що поступають|надходять| по синаптичим| зв'язках від інших нейронів і зовнішніх вхідних сигналів. Нелінійний перетво
|
