1 Автоматизированная система управления цехом в информационной системе«Производственный менеджмент». Дисциплина «Информационные системы в организации»

362 Функционирование нейросетевого решателя в режиме автоматического обучения. Методы формирования значений выходных параметров нейросети.
В реально функц-щей ИС возникает необходимость постоянного обучения (дообуч.) нейросетевого решателя при изменении состояния выборочных данных.
С ледует отметить преимущества использования нейронных сетей для адаптивного прогноз-ния значений показателей. Основное св-во такого метода: при поступлении новых данных значение прогноза меняется, адаптируясь к вновь поступившей инф. и становится, таким образом, более чувствительным к ней. Адаптивные прогнозы получаются при автоматиз-ном доучивании нейронных сетей. При этом при краткосрочном прогнозировании доучивание должно быть ежедневным на новых данных. Адаптивные прогнозы определяют в качестве основного режим скользящей выборки. Суть его заключ-ся в том, что перед оче-редным тестированием осуществляется доучивание нейронной сети на выбор-ке, включающей данные прошлого периода. В реально функц-щей ИС этот режим легко реализуем. Это объясняется тем, что в динамических сист. первичная инф. обрабатывается в ритме производств-го процесса, т.е. происходит постоянное ее обновление. На новых данных возможно проводить режим оперативного доучивания нейросети.
Для выявления причин резкого изменения значений ряда эффективным явл. Прив-лечение опыта специалистов – экспертов, занимающихся соответствующей экономической областью. В частности, решение этой задачи обеспечивается за счет при-менения методов технического анализа данных. Эффективно при-менение экспертных систем, осно-ванных на системах обработки знаний, а также методов кач-го экспертного оценивания. В диа-логовом режиме это может быть специалист, либо группа спе-циалистов и методы экспертных оценок для обработки результатов экспертизы. В автомат-ом режиме эффективно применение экс-пертных систем, основанных на логико-лингвистических моделях.
При прогнозировании может возникнуть необходимость первоначального сглаживания временного ряда. Для этой цели разработана система оценки на основе дисперсии, эвристических методов. Анализ результатов оценки производится при помощи экспертной системы продукционного типа, и, в зависимости от этого, при необходимости выбирается тот или иной метод фильтрации данных и его параметры. Автомат-ная сист. явл. открытой для подключения различных методов сглаживания. Предобработанные данные используются для обучения или тестирования нейросетей. Результаты экспериментального опробования показали эффективность разработанных адаптивных методов прогноз-ния временных рядов показателей при их применении в ИС на реальных эконом-ких объектах