Kategorie materiałów Informatyka

Przedmiot: Systemy wspom. decyzji Wróć do kategorii

Systemy wspomagania decyzji

plik Pobierz Systemy wspomagania decyzji.txt



Dane - losowa grupa prostych faktów i zdarzeń

Informacja - właściwie zagregowane proste fakty w bardziej złożone, kompleksowe fakty

Wiedza - sumaryczny wynik naszych procesów percepcyjnych, tak zorganizowany, aby można było wyciągnąć znaczące wnioski, wiedza = dane + reguły rozsądnego użycia

Mądrość - najczęściej zdefiniowana jako zdrowy rozsądek lub właściwy osąd

Modele w informatyce:

• Semantyczny - wiedza

• Morfologiczny - informacje

• Obliczeniowy - dane

1. Jakość modelu, gęstość inteligencji:

• Dokładność-określa jak dobrze zwrócone przez system wyniki zbliżają się do poprawnej lub najlepszej decyzji.

• Zdolność wyjaśniania-opis procesu osiągania konkluzji, wniosków, decyzji

• Szybkość/wiarygodność czasu reakcji - czas potrzebny do przeprowadzenia przez system pełnej analizy na żądanym poziomie dokładności. Nie uboczną sprawą jest zaufanie, że odpowiedź systemu zostanie na pewno wydana w określonym czasie. Rozminięcie się z wymogami czasowymi może w wielu przypadkach spowodować, że uzyskane wyniki będą bezużyteczne.

2. Wymiary inżynierskie:

• Elastyczność-łatwość modyfikowania relacji między zmiennymi opisującymi, oraz modyfikowania zmiennych i celów systemu

• Skalowalność-możliwość dodania nowych zmiennych do opisu problemu lub zwiększenie zakresu wartości przyjmowanych przez zmienne. Zagwarantowanie tej cechy systemom wspomagania decyzji (DSS) może być bardzo trudnym problemem gdy gwałtownie wzrasta oddziaływanie między zmiennymi i to w sposób nie przewidywalny.

• Zwięzłość-możliwie niewielka objętość kodu wynikowego

• Zdolność umiejscowienia w innych systemach-łatwość sprzężenia systemu z systemami nadrzędnymi lub integracji z infrastrukturą organizacji

• Łatwość użytkowania-stopień łatwości użytkowania systemu przez biznesmenów w codziennej pracy

3. Jakość dostępnych zasobów:

• Tolerancja szumów w danych - stopień odporności systemu, najczęściej w sensie wpływu na dokładność wyników, na szumy w danych elektronicznych

• Tolerancja w danych niepełnych (rzadkich) - stopień odporności systemu na niedokładność danych, lub ich brak.

• Ślad uczenia - wskazuje jak wiele dana organizacja musi przeprowadzić badań i eksperymentów, aby uzyskać doświadczenie niezbędne do stosowania nowej technologii i rozwiązania przy jej pomocy swoich problemów

• Tolerancja złożoności-stopień zależności systemu od oddziaływań między zmiennymi, szczególnie, gdy badany proces jest modelowany przy pomocy wielu odrębnych modułów lub zrębów wiedzy (np. tworzenie długoterminowych prognoz pogody)

4. Ograniczenia logistyczne:

• Niezależność od ekspertów - stopień, do którego system może być zaprojektowany, zbudowany i testowany bez udziału ekspertów ( o ile ekspertyza jest bardzo cenna, to z kolei dostęp do ekspertów wewnątrz jakiejkolwiek organizacji może przerodzić się w logistyczną zmorę)

• Łatwość obliczeniowa - możliwość implementacji systemu bez konieczności zakupu specjalizowanego komputera lub/oraz szczególnie oprogramowania

• Czas opracowania - czas, który organizacja może przeznaczyć na opracowanie, instalację i wdrażanie systemu

Etapy tworzenia hurtowni danych:

• Akwizycja (gromadzenie danych)-może być wspomagane przez takie organizacje jak: Carleton Corp, Electronic Data System Corp, Platinum Technology Inc

• Usprawnianie danych (czyszczenie)

• Tworzenie hurtowni danych

• Hurtownie danych oraz implementacje, Data Mart (małe HD), IBM Corp, Oracle Corp, Sybase Inc

Przetwarzanie danych (zorientowane na interpretację wyników)

• Akwizycja

• Manipulacja: kompresja, eliminacja, ekstrapolacja, interpolacja, redukcja, przeszukiwanie, wygładzanie

• Reprezentacja

• Przechowywanie

Modelowanie-komputerowa (cyfrowa) reprezentacja obiektów

Symulacja-komputerowa (cyfrowa) reprezentacja procesów

Obiekt-domyślny element cechujący się stabilnością cech istotnych dla jego opisu

Proces-domyślny obiekt mający zmienne cechy

Dychotomia modeli:

• Modele analogowe (ciągłe)

• Modele cyfrowe (dyskretne-umożliwiają modelowanie właściwości i zależności jakościowych i/oraz ilościowych.

• Modele abstrakcyjne

• Modele fizyczne

• Modele deterministyczne

• Modele niedeterministyczne

Symulacja zastosowana w rozwiązywaniu problemów wymaga sekwencyjnego zrealizowania następujących kroków:

• Dekompozycja problemu na podproblemy

• Optymalizacja podproblemów

• Kombinacja rozwiązywanych podprocesów

Dychtonomia modeli:

• Algorytm deterministyczny-zawsze gdy algorytm wykonuje jakąś operację jest jedynie jedna następna czynność

• Algorytmy uproszczone:

• Algorytmy rozwiązań przybliżonych (znajdują rozwiązania o których wiadomo że są bliskie rozwiązaniu najlepszemu)

• Algorytmy skuteczności średniego czasu (znajdują rozwiązania w niektórych przypadkach, lecz niekoniecznie muszą zawsze pracować)

_______________________________________________

więcej materiałów i notatek na www.wkuwanko.pl

Wkuwanko.pl jako podmiot świadczący usługę hostingu materiałów edukacyjnych nie ponosi odpowiedzialności za ich zawartość.

Aby zgłosić naruszenie prawa autorskiego napisz do nas.

ikona Pobierz ten dokument

Wróć do kategorii

wkuwanko.pl

Wasze komentarze: dodaj komentarz

  • Nie ma jeszcze komentarzy do tego materiału.

Materiały w kategorii Systemy wspom. decyzji [26]

  • podgląd pobierz opis Gry
  • podgląd pobierz opis Konfrontacja umysłów
  • podgląd pobierz opis Metody sieciowe wspomagania decyzji
  • podgląd pobierz opis SID 01 Przeszukiwanie przestrzeni stanów NOWOŚĆ
  • podgląd pobierz opis SID 02 Przeszukiwanie przestrzeni stanów - algorytmy ślepe NOWOŚĆ
  • podgląd pobierz opis SID 03 Przeszukiwanie przestrzeni stanów - algorytmy heurystyczne NOWOŚĆ
  • podgląd pobierz opis SID 04 Przeszukiwanie przestrzeni stanów - problemy z wiezami NOWOŚĆ
  • podgląd pobierz opis SID 05 Przeszukiwanie przestrzeni stanów - gry NOWOŚĆ
  • podgląd pobierz opis SID 06 Wnioskowanie w rachunku zdań NOWOŚĆ
  • podgląd pobierz opis SID 07 Wnioskowanie w logice I rzedu NOWOŚĆ
  • podgląd pobierz opis SID 08 Planowanie NOWOŚĆ
  • podgląd pobierz opis SID 09 Uczenie maszynowe - wprowadzenie i drzewa decyzyjne NOWOŚĆ
  • podgląd pobierz opis SID 10 Uczenie maszynowe - systemy regułowe NOWOŚĆ
  • podgląd pobierz opis SID 11 Sieci neuronowe NOWOŚĆ
  • podgląd pobierz opis SID 12 Uczenie maszynowe - wnioskowanie oparte na podobieństwie NOWOŚĆ
  • podgląd pobierz opis SID 13 Sieci bayessowskie 1 NOWOŚĆ
  • podgląd pobierz opis SID 14 Sieci bayessowskie 2 NOWOŚĆ
  • podgląd pobierz opis Systemy uczące się
  • podgląd pobierz opis Systemy wspomagania decyzji
  • podgląd pobierz opis Sztuczna inteligencja - Labolatorium 4 - Algorytmy genetyczne
[ Misja ] [ Regulamin ] [ Kontakt ] [ Reklama ]   © wkuwanko.pl 2008-2018 właściciel serwisu SZLIFF

Partnerzy: matzoo.pl matmag.pl batmat.pl onlinefm.pl pisupisu.pl Matematyka radio online