Нейросети представляют собой математическую структуру, имитирующую некоторые аспекты работы человеческого мозга и демонстрирующие такие его возможности, как способность к неформальному обучению, способность к обобщению и кластеризации неклассифицированной информации, способность самостоятельно строить прогнозы на основе уже предъявленных временных рядов. Главным их отличием от других методов, например таких, как экспертные системы, является то, что нейросети в принципе не нуждаются в заранее известной модели, а строят ее сами только на основе предъявляемой информации. Именно поэтому нейронные сети и генетические алгоритмы вошли в практику всюду, где нужно решать задачи прогнозирования, классификации, управления — иными словами, в области человеческой деятельности, где есть плохо алгоритмизуемые задачи, для решения которых необходимы либо постоянная работа группы квалифицированных экспертов, либо адаптивные системы автоматизации, каковыми и являются нейронные сети.
Нейронная сеть обучается решению задачи на основании некоторой обучающей выборки – «задачника», состоящего из набора пар «вход–требуемый выход», и далее способна решать примеры, не входящие в обучающую выборку, другими словами нейронная сеть сама становится экспертом.
Таблица 1.4 – Преимущества и недостатки применения нейронных сетей для решения задач оценки и прогнозирования
Достоинства метода |
Недостатки метода |
1 Возможность использования опыта. 2 Возможность обработки и запоминания эмпирических данных о деятельности объекта. 3 Возможность оперативного дообучения. 4 Возможность определения значимости входных показателей. 5 Возможность работы с зашумленными и неполными данными. |
1 Логическая непрозрачность получаемых результатов. 2 Получаемые результаты заведомо содержат ошибку. |
В экономике и бизнесе методы искусственного интеллекта применяется для предсказания рынков, автоматического дилинга, оценки рисков невозврата кредитов, предсказания банкротств, оценки стоимости недвижимости, оптимизации портфелей, товарных и денежных потоков. В дипломном проекте мной рассмотрено применение нейронных сетей в рейтинговой оценке качества деятельности преподавателей кафедры «Информационные системы в экономике» Алтайского государственного технического университета им. И.И. Ползунова.
Выводы:
- подробно рассмотрены роль и деятельность кафедры;
- смоделированы внутренние и внешние процессы;
- определены квалификационные требования преподавателей и проанализированы критерии их деятельности;
- изучен отечественный и зарубежный опыт оценки квалификации ППС;
- рассмотрен обзор существующих методик по рейтингу преподавателей вузов.
Материалы по педагогике:
Создание системы воспитательной работы с учащейся молодежью
В лицее накоплен богатый опыт по воспитанию студентов и учащихся в процессе учебной и внеучебной деятельности. Однако в современных условиях требования, предъявляемые к выпускникам, претерпевают значительные изменения. Кроме высокого профессионального уровня, выпускнику лицея необходимо обладать мн ...
Применение интеллектуальных систем для анализа
данных
Гибридные экспертные системы – это такой метод решения неформализованных задач, с использованием которого задачу можно представить в виде иерархического дерева подзадач и указать для каждой из них свой метод решения. За основу работы гибридных экспертных систем положена гибридная модель представлен ...
Достоинства и недостатки метода «Мозговой штурм»
Мозговому штурму также как и многим другим коллективным методам принятия решений свойственны определенные достоинства и недостатки. Одно из наиболее важных преимуществ мозгового штурма заключается в том, что во время мозгового штурма поощряется творческое мышление, причем генерирование идей происхо ...