ШПОРЫ КИС (КИТ 3). 1. Организационная структура предприятия. Информационные процессы в управлении предприятием. Классификация
 Скачать 0.7 Mb.
|
|
29. Математические модели и методы искусственного интеллекта. Логическая модель (машина док утвержд.) Деревья решений Особенности(назначение, наглядность и понятость) Нечеткая логика (фазификация – перевод знач (Х) в нечеткий формат функции принадлежности М(Х); дефазификация - процедура преобразования нечеткого множества в четкое число. Расс на основные анологичные случаи Эволюционная модель Построение прогнозов поиск предыст Искусственные нейронные сети (ИС) — математические модели, а также их программные или аппаратные реализации, построенные по принципу организации и функционирования биологических нейронных сетей — сетей нервных клеток живого организма. Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Нечёткие множества — реализуют логические отношения между данными. Эти программные продукты используются для управления экономическими объектами, построения экспертных систем и систем поддержки принятия решений. 30. Системы ИИ и их роль в поддержке управленческих решений. Система (ИИ) – автоматизированная информационная система для решения трудных задач не имеющих известного алгоритма решения. 1- Интеллектуальный анализ данных и знаний. 2- Управление корпоративными знаниями 3- Поддержка принятия решений 4- Управление на основе технологий ии. Закономерности выявленные методами ИИ: 1- Ассоциация 2- Последовательность(цепочка событий во вр) 3- Классификация(выявление признаков) 4- Кластеризация(формирование групп) 5- прогнозирование Основные области применения ИИ: - Доказательства теорем;- Игры;- Распознавание образов;- Принятие решений;- Адаптивное программирование;- Сочинение машинной музыки;- Обработка данных на естественном языке;- Обучающиеся сети нейросети. Искусственный или машинныйинтеллект - свойство автоматизированных или автоматических систем брать на себя отдельные функции интеллекта человека. Традиционно любая ЭС в общем виде может быть представлена так: Данные + Алгоритм = Программа 31. Аналитическая обработка данных, системы оперативной аналитической обработки (ОLAP). OLAP (Online Analytical Processing – оперативная аналитическая обработка) – это информационный процесс, который дает возможность пользователю запрашивать систему, проводить анализ и т.д. в оперативном режиме (онлайн). Результаты генерируются в течении секунд. OLAP системы выполнены для конечных пользователей, в то время как OLTP системы делаются для профессиональных пользователей ИС. В OLAP предусмотрены такие действия, как генерация запросов, запросы нерегламентированных отчетов, проведение статистического анализа и построение мультимедийных приложений. Для обеспечения OLAP необходимо работать с хранилищем данных (или многомерным хранилищем), а также с набором инструментальных средств, обычно с многомерными способностями. Этими средствами могут быть инструментарий запросов, электронные таблицы, средства добычи данных (Data Mining), средства визуализации данных и др. В основе концепции OLAP лежит принцип многомерного представления данных. Э. Кодд рассмотрел недостатки реляционной модели, в первую очередь указав на невозможность объединять, просматривать и анализировать данные с точки зрения множественности измерений, то есть самым понятным для корпоративных аналитиков способом, и определил общие требования к системам OLAP, расширяющим функциональность реляционных СУБД и включающим многомерный анализ как одну из своих характеристик. правила, которым должен удовлетворять программный продукт класса OLAP 1. Многомерное концептуальное представление данных. 2. Прозрачность. 3. Доступность. 4. Устойчивая производительность. 5. Клиент – серверная архитектура. 6. Равноправие измерений. 7. Динамическая обработка разреженных матриц. 8. Поддержка многопользовательского режима. 32. Интеллектуальный анализ данных (Data Mining) и знаний (Knowledge Мining). Управление и анализ больших объемов данных (Big data). Системы бизнес-аналитики (Business Intelligence, BI). Интеллектуальный анализ данных (ИАД) – общий термин для обозначения анализа данных с активным использованием математических методов и алгоритмов (методы оптимизации, генетические алгоритмы, распознавание образов, статистические методы, Data Mining и т.д.), использующих результаты применения методов визуального представления данных. В общем случае процесс ИАД состоит из трех стадий: 1) выявление закономерностей (свободный поиск); 2) использование выявленных закономерностей для предсказания неизвестных значений (прогнозирование); 3) анализ исключений для выявления и толкования аномалий в найденных закономерностях. Методы выявления и использования формализованных закономерностей, требующие извлечения информации из первичных данных и преобразования ее в некоторые формальные конструкции, вид которых зависит от конкретного метода. Data Mining (DM)– это технология обнаружения в «сырых» данных ранее неизвестных нетривиальных, практически полезных и доступных интерпретации знаний, необходимых для принятия решений в различных сферах человеческой деятельности. Алгоритмы, используемые в Data Mining, требуют большого количества вычислений, что ранее являлось сдерживающим фактором широкого практического применения этих методов, однако рост производительности современных процессоров снял остроту этой проблемы. Рынок Business Intelligence состоит из 5 секторов: 1. OLAP-продукты; 2. Инструменты добычи данных; 3. Средства построения Хранилищ и Витрин данных (Data Warehousing); 4. Управленческие информационные системы и приложения; 5. Инструменты конечного пользователя для выполнения запросов и построения отчетов. 33. Управление знаниями. Системы управления знаниями. Под «управлением знаниями» обычно понимают систематическое приобретение, синтез, обмен и использование опыта для достижения успеха в бизнесе или в управлении компанией. Обычно выделяют 2 типа знаний – явные и неявные. Явные знания – знания, представлен. в компании в виде должностных инструкций, регламентов и положений о деятельности подразделений, корпоративные учебные пособия и др. Управление такими знаниями осущ-тся с использованием след. технологий: 1. корпоративные архивы и таксономия 2.создание систем обеспечения разграничен. доступа персонала компании к необход. Знаниям 3. навигация в системе формальных знаний 4. поиск необход. формальн. знаний Неявные знания – знания, носителем которых является человек (продукт личного опыта), их нельзя увидеть, сложно задокументировать, передавать их можно только посредством личного и непосредствен. общения. Для извлечения неявных знаний можно использовать различные методы извлечения знаний: - экспертные интервью, проводимое инженером по знаниям с целью формализации знаний, обучающее интервью - заполнение анкет и форм отчёта знаний - формализация экспертных дискуссий - наблюдение. В управлении знаниями организации выделяются основные задачи (функции): -Приобретение, усвоение, передача знаний (обучение персонала). - Получение или создание собственными силами новых знаний. - Оценка (учет, мониторинг) знаний и процессов их производства. - Включение новых знаний в состав объектов интеллект. собственности, нематериальных активов. -Защита знаний (обеспечение информационной безопасности). 34. Экспертные системы (ЭС): назначение и классификация. Основные компоненты ЭС. Экспертн. система-это система искусств. Интеллекта, включ-я знания об определ-ой слабо структурир-ой и трудно формализуемой узкой предметн. области и способная предлагать и объяснять польз-лю разумные реш-я. Структура ЭС: база знаний – содержит факты и правила; машина логич. вывода – формирует послед-ть правил, кот. приводит к реш-ю задачи; компонент приобретения знаний – автоматизир-т процесс наполнения ЭС знаниями; объяснительный и диалог-ый компоненты – объяснит-ый компонент разъясняет польз-лю, как система получила реш-е задачи и какие знания при этом использовала. Диалог-ый ориентир-н на организ-ю дружеств-го общения с польз-ем в ходе реш-я задач, в процессе приобрет-я знаний; база данных – предназначения для хранения исходн. и промежуточн. данных решаемой в текущ. момент задачи. Классифик-я ЭС Признак клас-ии Виды ЭС Назначение 1)Общего назнач-я; 2)Специализир-е (проблемно-ориентированные для задач диагностики, проектир-я, прогнозир-я и др) Степень зав-ти от внешн. среды Статические (незав-е от внешн.среды) Динамич-е (учитыв-е динамику внешн. среды) Тип использ-я 1) Изолиров-е; 2) ЭС на входе/выходе др. систем; 3) Гибридные Стадии созд-я 1)Исследовательские образцы(разработ-е за 1-2 мес. С миним. БЗ); 2)Демонстрацион-е (за 2-4 мес. На языке типа LISP, PROLOG и др); 3)Промышленные (за 4-8 мес. На языке CLIPS с полной БЗ); 4)Коммерч-е (за 1,5-2 года на языке типа С++, Java с полной БЗ) 35. Системы поддержки принятия решений (СППР): назначение и классификация. Основные компоненты СППР. СППР предназначены для оказания помощи руководителю по использ. данных знаний и моделей при подготовке и принятии реш., за кот. руководитель несет ответственность. В наст. время СППР – автоматиз-ная сист., использующая модели выработки и принятие реш., обеспеч-щая пользователей эф-ным доступом к распределенным БД и представл-я различные способы отображения информации. СППР делятся на два класса: 1. EIS (Executive Information System) – для руководства, высшего уровня. 2. DSS (Decision Support System) – для руководства среднего уровня. Цель разработки и внедрения СППР - информационная поддержка оперативных возможностей и комфортных условий для высшего руководства и ведущих специалистов для принятия обоснованных решений, а также стратегическим и тактическим целям. Основой такой системы явл: • доставка стат. данных и информации аналитического и сводного хар-ра как из внутр-х, так и из внешних источников для эк. и фин. оценок, сопоставление планов, разработка моделей и составление прогнозов в бизнесе; • формирование и эксплуатация во взаимодействии с руководством соответствующей системы информационных, финансовых, математических и эвристических моделей эк-х и фин-х пр-сов. К основ. фин-во-эк-м задачам СППР относятся анализ состояния и прогноз тенденций бизнеса и рын. конъюнктуры, планирование бизнеса и упр-е его развитием. При этом реш-ся след. специализированные комплексы задач: 1. Оценка фин. состояния предприятия и планирование его развития. 2. Анализ состояние пр-ва, обслуживания клиентов, смежных организаций и сотрудников филиальной сети. 3. Анализ и прогнозирование денежного обращения, состояние кредитно-фин. сист. и организации денежного обращения. 4. Общеэк-кое положение отрасли в сопоставлении с макроэк-ми показателями. 5. Состояние и прогнозирование отдельных рынков и услуг. 36. Интеллектуальные агенты: назначение и классификация. Интеллектуальный агент — программа, самостоятельно выполняющая задание, указанное пользователем компьютера, в течение длительных промежутков времени. Функции: Поиск источников Запрос Д Сапостовление и проверка их на соответствие критериям поиска Выдача ответа в удобной для пользователя форме. Классификация: По структуре Агенты с прост поведением Агенты с поведением основ на модели Целенаправленные агенты Практичные агенты Обучающиеся агенты По назначению Информационные Мобильные Агенты-переговорщики Существует несколько типов агентов: Физический Агент — агент, воспринимающий окружающий мир через некоторые сенсоры и действующий с помощью манипуляторов. Временной агент — агент, использующий изменяющуюся с ходом времени информацию и предлагающий некоторые действия или предоставляющий данные компьютерной программе или человеку, и получающий информацию через программный ввод. 37. Роль и место систем ИИ в информационных системах. Интеллект – ум, рассудок, разум чел-ка. Искусственный интеллект (ИИ) – автоматизир система, берущая на себя некоторые ф-ции интеллекта чел-ка. Основные системы ИИ: экспертные системы; системы поддержки принятия решений; нейросети. Основные области применения ИИ: – Доказательства теорем; – Игры; – Распознавание образов; – Принятие решений; – Адаптивное программирование; – Сочинение машинной музыки; – Обработка данных на естественном языке; – Обучающиеся сети (нейросети). Базой ИИ являются базы знаний и данных. 38. Понятие информационной безопасности (ИБ) ИС. ИБ – защищен-ть инф. и поддерживающей инфраструктуры от случ. или преднамерен. воздействий естественного или искуств. хар-ра, кот. могут нанести ущерб субъектам инф-ных отношений(владельцам и пользоват. инфы). Ср-ва и методы поддержки ИБ должны обеспечивать: 1)доступность(инф-я, рес- сы,сервисы д.б. доступны и готовы к работе при необходим-ти) 2)целостность(сохран. структуры инф-и в пр-се ее передачи и хранения) 3)конфиденциальность (доступ к инф-и только ограничен.кругу пользоват.). Виды доступа к инф-и: 1)санкционированный (не нарушает установл. правил разграничения доступа) 2)несанкц-н. Право доступа – сов-ть правил, регламентир. порядок и усл. доступа к инф-и, ее носителям и др.рес-сам инф.систем. Защита инф-и – деят-ть, направл. на сохран. гос.,служебной, коммерческой или личн. тайны, на сохранение носителей инф-и любого содержания. Политика без-ти – сов-ть норм,правил, определяющ. принятые в орг-ции меры по обеспеч.без-ти инф-и, связанной с деят-тью орг- ции. Разраб. Нац.институтом стандартов и технологий США. Включ:предмет политики, область ее применения, применимость(порядок доступа к инф. рес-сам), роль и обязан- ти(ответственность), соблюд. политики. 1-е исследов. в обл. обеспеч. ИБ – США (конец 70-нач.80 гг.)- публик. «Критерии оценки надежных комп.систем» («Оранжевая книга»). 1999- принят стандарт ISO 1548 «Общ. критерии оценки без-ти инф.технологий». 39. Угрозы инф-ной безопасности ИБ ИС и их классификация. Угроза ИБ — совокупность условий и факторов, создающих опасность нарушения ИБ. Под угрозой (в общем) понимается потенциально возможное событие, действие (воздействие), процесс или явление, которые могут привести к нанесению ущерба чьим-либо интересам. Угрозы ИБ могут быть классифицированы по различным признакам: По аспекту ИБ, на который направлены угрозы: Угрозы конфиденциальности (неправомерный доступ к информации). Угрозы целостности (неправомерное изменение данных). Угрозы доступности (осуществление действий, делающих невозможным или затрудняющих доступ к ресурсам информационной системы). По степени преднамеренности действий: Случайные (неумышленные действия, например, сбои в работе систем, стихийные бедствия). Преднамеренные (умышленные действия, например, шпионаж и диверсии). По расположению источника угроз: Внутренние (источники угроз располагаются внутри системы). Внешние (источники угроз находятся вне системы). По размерам наносимого ущерба: Общие (нанесение ущерба объекту безопасности в целом, причинение значительного ущерба). Локальные (причинение вреда отдельным частям объекта безопасности). Частные (причинение вреда отдельным свойствам элементов объекта безопасности). По степени воздействия на информационную систему: Пассивные (структура и содержание системы не изменяются). Активные (структура и содержание системы подвергается изменениям). 40. Методы и средства защиты информации. Криптографический метод защиты. Электронная цифровая подпись. Компьютерная стеганография и др. Выделяют 2 подхода к обеспечению ИБ: фрагментарный- противодействие четко определенным угрозам.ADV: высокая избирательность к угрозе. DISADV: отсутствие единой защищенной среды обработки инфы. Комплексный- ориентирован на создание ед. среды защиты, объед. В единый комплекс разнородные меры противодействия угрозам. DISADV: ограничение на свободу действия. Методы обеспеч. ИБ: законодательные(законы,акты, стандарты), админи-но- организац-е (внутри организации), программно-техн-кие. Эфф- м ср-вом повышения надежности защиты данных на основе гарантированной идентификации пользователя явл – электронные токены, кот. хранят персональные данные пользователя. Антивир. защита должны устанавливаться в узлах где информация хранится, обрабатывается, передается. Криптографический алгоритм(шифр)- мат-кая формула, описывающая пр-сы зашифрования и расшифрования. Для этого криптоалгоритм работает в сочетании с ключом- слово, число, фраза. В традиц-ной криптографии один и тот же ключ исп-ся для шифрования и расшифроавния. Он называется симметричным или закрытым.(пример системы : DES). Если один ключ шифрует, а др. расшифровывает- открытый ключ.(RSA, DSA).Электронная цифровая подпись- реквизит электр-го док- та, предназначенный для удостоверения источника данных и защиты эл.док. от подделки. явл. Ср-вом аутентификации и контроля целостности данных. |