- одержання і збереження знань (емпірично знайдених закономірних зв'язків образів і впливів на об'єкт керування)
- прийняття рішень (вибору впливів).
- Надмірність нейронів у мережі, необхідна для адаптації системи керування (СК) до умов існування, що змінюються, об'єкта керування (ОК). Внаслідок цього для практичної реалізації СК необхідно створення великих НМ (для порівняння людський мозок містить ~1011 нейронів).
- НМ складається зі специфічних нейронів, що є більш близькими аналогами біологічного нейрона і пристосованими для рішення задач ППР.
- Нейрони в мережі з'єднуються спеціальною образом, також для рішення задач ППР.
Особливості сучасних СППР роблять непридатними або малопридатними існуючі системи САПР і системи моделювання традиційних НМ (наприклад, BrainMaker) для створення прототипів СК ППР. Через цю обставину основні питання, що розглядаються в статті це:
1. Розробка інструмента системи побудови та дослідження нейронних мереж (СПДНМ) для моделювання і дослідження нейромережевих реалізацій прототипів СК ППР.
2. Розробка загальної схеми нейромережевої реалізації прототипів СК ППР.
Розглянемо основні сторони створення СППР на базі нейронних мереж. Будемо називати керуючою системою (КС) систему керування, що імітує нервову систему відповідно до методології ППР. Під об'єктом керування (ОК) будемо розуміти організм, що несе в собі нервову систему, іншими словами, ОК - це об'єкт, що повинний управлятися за допомогою КС, розташованої усередині ОК і взаємодіючої зі своїм оточенням за допомогою блока датчиків (БД) і виконавчих органів (ВО).
Рис.5. "Система НМ"
На рис.5 подана система, під якою будемо розуміти середовище, у яке вкладений ОК, що містить у свою чергу КС. Як бачимо з малюнку, можна стверджувати, що КС управляє не тільки ОК, але й всією системою. Під середовищем у системі можна розуміти різні об'єднання об'єктів. Будемо називати середовищем W сукупність об'єктів, що лежать поза КС; середовищем S - сукупність об'єктів, що лежать поза ОК; середовищем U - всю систему.[5]
Блок датчиків поставляє КС вхідну інформацію у вигляді двійкового вектора. Цей блок необхідний у реальних системах для сполучення середовища і КС, тому при моделюванні КС на ЕОМ не використовувався і ми не акцентуємо увагу.
Роботу блоку формування і розпізнавання образів (ФРО) можна уявити таким чином. У блоці ФРО на підставі апріорної інформації про можливі функціональні властивості середовища задані деякі об'єкти, назвемо їхніми нейронами, на які відображаються деякі класи просторово-тимчасових явищ, що потенційно можуть існувати в системі. Відображення задається топологією мережі.
У класі, відображуваному на нейрон, виділяється підклас, що може сприйматися даним нейроном. Кожний нейрон може статистично аналізувати сприйманий їм підклас. Накопичуючи статистичну інформацію про сприйманий підклас, нейрон може прийняти рішення, чи є цей підклас випадковим або невипадковим явищем у системі. Якщо якийсь нейрон приймає рішення, що відображуваний на нього підклас є невипадковою подією, то він переходить у деякий відмінний від вихідного ²навчений² стан. Якщо нейрон навчений, то будемо говорити також, що сформований образ, цей образ ідентифікується номером даного нейрону. Підклас явищ, що сприйнятий нейроном, і який викликав його навчання, тобто просторово-тимчасові явища, статистично вірогідно існуючі в системі, називається прообразом даного образу. Сформований образ може бути розпізнаний блоком ФРО, коли прообраз даного образу спостерігається БД. Блок ФРО вказує, які з сформованих образів розпізнані в сучасний момент. Одночасно з цим розпізнані образи беруть участь у формуванні образів більш високих порядків, тобто має місце агрегування та абстрагування образів.
Блок формування бази знань (БЗ) призначений для автоматичного уявлення емпірично знайдених КС знань про функціональні властивості системи.
Блок оцінки стану (БОС) виробляє інтегральну оцінку якості стану ОК St.
Блок вибору дії або, надалі, блок прийняття рішень (БПР) реалізує процедуру ухвалення рішення, засновану на аналізі поточної ситуації, цільових функцій, змісту БЗ, а також оцінки поточного значення оцінки St.
Блок визначення часу ухвалення рішення визначає глибину перегляду БЗ у залежності від поточної оцінки St. Чим вище значення St, тим більше образів (у порядку спадання модулю їхньої ваги) може врахувати КС при ухваленні рішення, тим менше темп прийняття рішень.
У КС можуть бути засоби для апріорного аналізу наслідків альтернативних дій, що вибираються на декілька кроків вперед.
Такий у самих загальних рисах алгоритм керування, реалізований КС у СППР. Основні властивості процесу керування складаються в тому, що КС автоматично накопичує емпіричні знання про властивості пред'явленого їй об'єкта керування і приймає рішення, спираючись на накопичені знання. Якість керування росте в міру збільшення обсягу накопичених знань. Зауважимо також, що керування складається не в тому, що КС реагує на вхідну інформацію, а в тому, що КС постійно активно шукає можливий у поточних умовах засіб поліпшити стан ОК. Тим самим КС СППР має внутрішню активність.
При створенні додатків може бути доцільним використання КС СППР для керування тільки в тих областях простору ознак, у котрих раніше використовувані методи були неефективними. Іншими словами, корисно розділити ознаковий простір на дві області: на область, для якої є апріорна інформація про властивості ОК, і в який можна застосувати систему керування, і на область, у котрої немає інформації про властивості ОК, де потрібно адаптація в реальному часі керування.
Підсумовуючи інформацію, щодо побудови системи на базі нейронних мереж ми бачимо, що використання нейромережевих технологій є перспективним напрямком розвитку систем підтримки та прийняття рішень. Необмежені можливості використання подібних систем в економіці. Вже зараз створені системи підтримки прийняття рішень на базі нейронних мереж, які застосовуються фінансовими менеджерами компаній для зменшення ризику при плануванні фінансової діяльності компаній. На жаль на вітчизняному ринку ці системи поки що не знайшли широкого застосування.
Насамперед це пов’язано з недосконалістю фінансового ринку. Але це не означає, що подібні системи не знайдуть місця в Україні. По мірі розвитку фінансового ринку постає питання про створення СППР на базі нейронних мереж на Україні.
По проведеній роботі можна зробити наступні висновки щодо призначення і ефективності використання СППР в світі економічних та управлінських проблем.
Керівникам підприємств та організацій і керівникам держав постійно доводиться приймати конкретні рішення. Природньо, що чим вище рівень управління, тим більш вагомими та значущим є відповідне рішення. Проте і кількість факторів, які необхідно враховувати, в процесі прийняття рішень, значно більша. В зв'язку з цим виникає нагальна потреба в спеціалізованих засобах підтримки прийняття рішень. Насамперед мова йде про комп'ютерну підтримку діяльності керівників різного рівня. Вирішувати це завдання покликані комп'ютерні системи підтримки прийняття рішень (СППР, в англомовному варіанті - Decision Support System (DSS)).
СППР по суті являють собою системи, розроблені для підтримки процесів прийняття рішень менеджерами різних рівнів в складних ситуаціях, пов'язаних з розробкою та прийняттям управлінських рішень. На розвиток СППР суттєвий вплив справили вражаючі досягнення в галузі інформаційних технологій, зокрема, телекомунікацій мережі, персональні комп'ютери, динамічні електронні таблиці, експертні системи, пізніше INTERNET та пов'язані з ним технології. Термін СППР (Decision Support System) належать американським вченим Горрі та Мортону, хоча перше покоління СППР мало чим відрізнялось від традиційних управлінських інформаційних систем, і тому замість СППР часто використовувався термін "система управлінських рішень".
Що ж таке СППР?
СППР - це інтерактивні автоматизовані інформаційні системи, які допомагають особам, що приймають рішення (ОПР), використовувати дані та моделі для того, щоб вирішувати неструктуровані та слабоструктуровані проблеми (задачі).
СППР включають в свій склад набір універсальних елементів, які утворюють базову модель: підсистему інтерфейса користувача, підсистему управління базою даних та підсистему управління базою моделей.
Аналіз еволюції систем підтримки прийняття рішень дає змогу вирізнити два покоління СППР: перше покоління розроблялося в період з 1970 до 1980 р., друге - з початку 1980 р. і досі (розробка триває).
Перше покоління СППР майже повністю повторювало функції звичайних управлінських систем щодо надання комп’ютеризованої допомоги в прийнятті рішень. Основні компоненти СППР мали такі ознаки:
- управління даними - велика кількість інформації, внутрішні і зовнішні банки даних, обробка й оцінювання даних;
- управління обчисленнями (моделювання) - моделі, розроблені спеціалістами в галузі інформатики для спеціальних проблем;
- користувацький інтерфейс (мова спілкування) - мови програмування, створені для великих ЕОМ, які використовуються виключно програмістами.
СППР другого покоління уже мають принципово нові ознаки:
- управління даними - необхідна і достатня кількість інформації про факти згідно зі сприйняттям ОПР, що охоплює приховані припущення, інтереси та якісні оцінки;
- управління обчисленням і моделюванням - гнучкі моделі, які відтворюють спосіб мислення ОПР у процесі прийняття рішень;
- користувацький інтерфейс - програмні засоби, "дружні" користувачеві, звичайна мова, безпосередня робота кінцевого користувача.