2 5 2 OLTP- и OLAP-технологии продолжение OLAP-технология

2. 5. 2 OLTP- и OLAP-технологии (продолжение) OLAP-технология (On-line Analysis Processing) – технология анализа данных при аналитической обработке информации из разных источников (файлов, баз данных и приложений) OLAP-системы противоположны OLTP-системам в том плане, что они устраняют информационную избыточность ("сворачивают" информацию). тест FASMI: q Fast (быстрый) – анализ производится быстро (время отклика – <5 с). q Analysis (анализ) – осуществление различных видов числового и статистического анализа q Shared (разделяемой) – доступ к данным имеет множество пользователей q Multidimensional (многомерной) – много измерений, показателей q Information (информации) – приложение имеет возможность обращаться к любой информации, независимо от места ее хранения.

Одновременный анализ по нескольким измерениям - многомерный анализ. Измерение Исполнитель может определяться направлением консолидации, из уровней обобщения «предприятие − подразделение − отдел − служащий» . Агрегатные функции образуют многомерный набор данных, называемый гипер- или метакубом. Вдоль оси данные организованы в виде иерархии, представляющей различные уровни их детализации. На пересечениях осей – измерений - данные, количественно характеризующие процесс, – меры (объемы продаж в штуках или в рублях, остатки на складе и т. п. ) СППР, объединяя OLTP- и OLAP-технологии, дают возможность решать аналитические задачи, задачи визуализацию данных, получение новых знаний: имитационные задачи, задачи синтеза управления, оптимизационные задачи

2. 6 Экспертные системы дают возможность специалисту получать консультации экспертов по любым проблемам, на основе которых накоплены знания ЭС основаны на использовании элементов искусственного интеллекта Главная идея использования технологии ЭС - получить от эксперта его знания и, - загрузив их в память компьютера, использовать всякий раз, когда в этом возникнет необходимость. БД (рабочая память)- хранение исходных и промежуточных данных, используемых для решения задач. База знаний - хранение долгосрочных данных, , и правил, описывающих преобразования данных этой области. Правило определяет, что следует делать в данной конкретной ситуации, и состоит из двух частей: условия и действия

Решатель, используя исходные данные из БД и знания из Б 3, формирует такую последовательность правил, которые, приводят к решению задачи. Компонент приобретения знаний автоматизирует процесс наполнения Б 3. Объяснительный компонент объясняет, как система получила решение задачи (или почему не получила) и какие знания она при этом использовала. Ø объяснения, выдаваемые по запросам (объяснение действий пользователя); Ø объяснения полученного решения проблемы (cистема должна пояснить каждый шаг своих рассуждений, ведущих к решению задачи). Диалоговый компонент обеспечивает диалог между ЭС и пользователем при решения задачи и приобретении знаний 2. 6. 1 Типы Экспертных систем 1) Экспертные системы первого поколения (решение хорошо структурированных задач) 2) Оболочки ЭС (знания приобретаются в процессе функционирования ЭС, способной к самообучению) 3) Гибридные ЭС (использование методов системного анализа, исследования операций, математической статистики, обработки информации). 4) Сетевые ЭС (связь нескольких ЭС. Результаты решения одной из них являются исходными данными для другой системы. )

По способу формирования решения ЭС: аналитические и синтетические. По способу учета временного признака ЭС cтатические и динамические По видам используемых данных и знаний ЭС с детерминированными и с неопределенными знаниями По числу используемых источников знаний ЭС с использованием одного или множества источников знаний, При разработке ЭС должны участвовать q эксперт, который: описывает предметную область в виде данных и правил , обеспечивает полноту и правильность знаний q инженер по знаниям, который помогает выявить и структурировать знания, необходимые для функционирования ЭС; осуществляет выбор инструментальных средств, ; указывает способы представления знаний q программист , который разрабатывает инструментальную среду, включающую компоненты экспертной системы, производит ее сопряжение с другими существующими системами.

2. 6. 2 Виды знаний и способы формализованного представления знаний Понятийные -. Конструктивные Процедурные Фактографические Cпособы формализованного представления знаний 1) Представление знаний продукционными правилами Продукционные правила представляют знания в форме ЕСЛИ - ТО. Системы, использующие продукционные правила, - продукционные. 2) Логика предикатов (раздел математической логики). Константы и переменные, Функция, Атомарные предикаты, , Предложения используются для представления знаний. ) Модель доски объявлений - общая рабочая область, через которую 3 управляется все множество моделей знаний от разных источников знаний 4) Семантические сети - понятия и отношения можно представить в виде семантической сети, состоящей из вершин и дуг. 5) Фреймовые системы Фреймы - структура описания отдельной сущности или понятия, Каждый фрейм состоит из множества элементов, называемых слотами Фреймы не связаны в сеть. Управление выполняется самим пользователем

2. 6. 3 Области применения ЭС ЭС в задачах интерпретации ЭС в задачах прогнозирования определяют вероятные последствия заданных ситуаций. ЭС в задачах диагностики устанавливают вероятные причины неправильного функционирования диагностируемой системы. ЭС, применяемые в области проектирования, разрабатывают конфигурации объектов с учетом набора ограничений, присущих проблеме. ЭС, которые используются для решения задач наблюдения, сравнивают действительное поведение с ожидаемым поведением системы ЭС в задачах отладки находят рецепты для исправления неправильного поведения устройств ЭС в области обучения подвергают диагностике, "отладке" и исправлению поведения обучаемого ЭС в задачах управления адаптивно руководят поведением системы в целом