Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Модели и методы искусственного интеллекта. Применение в экономике

Покупка
Артикул: 095790.03.99
Доступ онлайн
200 ₽
В корзину
Представлены теоретические основы искусственного интеллекта: информационные аспекты, сведения о бинарной и нечеткой логике, а также методы и модели актуальных направлений искусственного интеллекта, экспертных систем, инженерии знаний, нейронных сетей и генетических алгоритмов. Подробно рассмотрены вопросы практической реализации интеллектуальных систем. Приведено множество примеров, иллюстрирующих разработку и применение рассматриваемых методов и моделей. Особое внимание уделено экономическим задачам. Для студентов, аспирантов, научных работников и специалистов, изучающих и разрабатывающих интеллектуальные информационные системы в экономической и других областях применения.
Матвеев, М. Г. Модели и методы искусственного интеллекта. Применение в экономике : учебное пособие / М. Г. Матвеев, А. С. Свиридов, Н. А. Алейникова. - Москва : Финансы и статистика, 2023. - 448 с. - ISBN 978-5-00184-101-2. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2124314 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
ÔÈÍÀÍÑÛ È ÑÒÀÒÈÑÒÈÊÀ
ÌÎÑÊÂÀ


 
 
 
  
  
 
  
 
 
   
Алейникова Н.А., 2008, 2023
УДК 004.8 : 33 (075.8)
ББК 32.813я73 + 65с51я73
М33
РЕЦЕНЗЕНТЫ:
Кафедра «Интеллектуальные технологии и системы»
Московского государственного института радиотехники,
электроники и автоматики (технического университета)
(заведующий кафедрой – академик РАЕН, профессор В.В. Нечаев);
С.Л. Блюмин,
доктор физико-математических наук, профессор
(Липецкий государственный технический университет)
Матвеев М.Г.
М33
Модели и методы искусственного интеллекта. Применение в экономике: учеб. пособие / М.Г. Матвеев, А.С. Свиридов, Н.А. Алейникова. – М.: Финансы и статистика, 2023. –
Режим доступа: https://finstat.ru/wp-content/uploads/2023/10/
Matveyev-Modeli_i_metody_iskusstvennogo_intellekta.pdf, ограниченный. – Загл. с экрана – 448 с.: ил.
ISBN 978-5-00184-101-2
Представлены теоретические основы искусственного интеллекта:
информационные аспекты, сведения о бинарной и нечеткой логике,
а также методы и модели актуальных направлений искусственного
интеллекта, экспертных систем, инженерии знаний, нейронных сетей
и генетических алгоритмов. Подробно рассмотрены вопросы практической реализации интеллектуальных систем. Приведено множество
примеров, иллюстрирующих разработку и применение рассматриваемых методов и моделей. Особое внимание уделено экономическим
задачам.
Для студентов, аспирантов, научных работников и специалистов,
изучающих и разрабатывающих интеллектуальные информационные
системы в экономической и других областях применения.
УДК 004.8 : 33 (075.8)
ББК 32.813я73 + 65с51я73
© Матвеев М.Г., Свиридов А.С.,
© ООО «Издательство «Финансы
ISBN 978-5-00184-101-2
и статистика», 2023


Оглавление
Предисловие  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Гл а в а  1. Системы искусственного интеллекта в экономике  . . .
1.1. Искусственный интеллект в проблеме принятия реше
ний  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Подходы к созданию систем искусственного интел
лекта . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Гл а в а 2. Теоретические основы создания
систем искусственного интеллекта  . . . . . . . . . . . . . . . .
2.1. Информация и ее виды, измерение информации  . . . .
2.2. Основы теории неопределенности, нечеткие мно
жества  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3. Основы математической (бинарной) логики  . . . . . . . .
2.4. Логический вывод на основе алгебры логики . . . . . . . .
2.5. Логический вывод на основе исчисления выска
зываний и предикатов . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6. Нечеткая логика и нечеткий вывод . . . . . . . . . . . . . . . . .
Контрольные вопросы и практические задания  . . . . . . . . .
Гл а в а 3. Экспертные системы  . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1. Понятие, назначение, структура  . . . . . . . . . . . . . . . . . . .
3.2. Базы знаний и модели представления знаний  . . . . . . .
3.3.Механизм работы со знаниями . . . . . . . . . . . . . . . . . . . . .
Контрольные вопросы и практические задания. . . . . . . . . .
Гл а в а 4. Инженерия знаний  . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1. Классификация методов инженерии знаний  . . . . . . . .
4.2. Извлечение знаний (непосредственное взаимодей
ствие эксперта и инженера знаний) . . . . . . . . . . . . . . . . . . . .
4.3. Приобретение знаний (автоматизированное взаимо
действие эксперта и инженера знаний) . . . . . . . . . . . . . . . . .
4.4. Автоматическое формирование знаний . . . . . . . . . . . . .
Контрольные вопросы и практические задания  . . . . . . . . .
Гл а в а 5. Искусственные нейронные сети  . . . . . . . . . . . . . . . . . . .
5.1. Биологические нейронные сети  . . . . . . . . . . . . . . . . . . .
5.2. Искусственные нейронные сети  . . . . . . . . . . . . . . . . . . .
5.3. Возможности искусственных нейронных сетей по 
обработке информации  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3
5
7
7
9
21
21
35
59
69
89
106
115
121
121
127
145
165
166
166
168
170
178
187
188


5.4. Модель биологического нейрона  . . . . . . . . . . . . . . . . . .
5.5. Многослойный персептрон  . . . . . . . . . . . . . . . . . . . . . . .
5.6. Отбор и предварительная обработка исходных данных
5.7. Выбор оптимальной структуры многослойной сети  . .
5.8. Обучение многослойных сетей методом обратного
распространения ошибки . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.9. Обучение нейронных сетей «без учителя»  . . . . . . . . . . .
5.10. Обучение нейронных сетей методом Хебба . . . . . . . . .
5.11. Сеть Кохонена . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.12. Архитектура рекуррентных нейронных сетей. Ней
ронные сети Хопфилда и Хэмминга  . . . . . . . . . . . . . . . . . . .
5.13. Сеть встречного распространения . . . . . . . . . . . . . . . . .
5.14. Модели теории адаптивного резонанса (ART)  . . . . . .
5.15. Нечеткие сети Такаги–Сугено–Канга  . . . . . . . . . . . . .
Контрольные вопросы и практические задания  . . . . . . . . .
Гл а в а 6. Генетические алгоритмы  . . . . . . . . . . . . . . . . . . . . . . . .
6.1. Вводные понятия  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2. Пример работы генетического алгоритма  . . . . . . . . . . .
6.3. Кодирование фенотипов в хромосомы . . . . . . . . . . . . . .
6.4. Функция приспособленности  . . . . . . . . . . . . . . . . . . . . .
6.5. Формирование начальной, текущей популяции и ро
дительского пула  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.6. Операторы репродукции  . . . . . . . . . . . . . . . . . . . . . . . . . .
6.7. Теоретические аспекты применения генетических ал
горитмов  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Контрольные вопросы и практические задания  . . . . . . . . .
Гл а в а 7. Решение экономических задач методами искусствен>
ного интеллекта  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.1. Применение технологий экспертных систем  . . . . . . . .
7.2. Использование нейронных сетей в задачах искус
ственного интеллекта  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.3. Применение генетических алгоритмов в задачах искус
ственного интеллекта  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.4. Использование гибридных систем  . . . . . . . . . . . . . . . . .
Библиографический список  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Предметный указатель  . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
202
208
217
223
231
240
241
245
254
263
266
276
284
287
287
291
296
307
314
319
324
335
336
336
389
404


Предисловие
Модели и методы искусственного интеллекта как раздела
прикладной математики и прикладной информатики находят все
большее применение в экономике, что вызывает необходимость
углубленного изучения этого направления в вузе при подготовке
специалистов экономического профиля, в частности, по специ
альности «Прикладная информатика (в экономике)». При этом в
данной области знаний ощущается явная нехватка учебной лите
ратуры. 
В предлагаемом учебном пособии показаны наиболее акту
альные направления информационных технологий и систем ис
кусственного интеллекта, такие, как экспертные системы, инже
нерия знаний, искусственные нейронные сети и генетические ал
горитмы; особое внимание уделено экономическим приложени
ям. При написании пособия авторы отдавали себе отчет в том,
что изучение методов искусственного интеллекта требует знания
ряда разделов прикладной математики, далеко не всегда присут
ствующих (по крайней мере в достаточном объеме) в учебных
планах специальностей экономического блока, поэтому вполне
оправданным выглядит наличие в пособии теоретического обзо
ра необходимых математических разделов, куда входят основные
сведения об информации, данных и знаниях, основы теории не
определенности и нечетких множеств, основные понятия и пра
вила логического вывода, нечеткий логический вывод.
При изложении материала авторы стремились сделать упор
на алгоритмические и вычислительные аспекты методов искус
ственного интеллекта. В этом еще одна особенность пособия, от
личающая его от подобных изданий, ориентированных на описа
ние программного обеспечения указанной области. Програм
мное обеспечение постоянно меняется, программные продукты,
актуальные сегодня, перестают быть таковыми уже через неболь
шой промежуток времени. В свою очередь, знание самих мето
дов, алгоритмов их действия позволит как студентам, так и спе
циалистам лучше понять работу готовых программных продук
тов, реализующих методы искусственного интеллекта, а также
создавать собственные программы. 


Изложение тем в пособии сопровождается многочисленными
примерами, главным образом экономического содержания, ко
торые в значительной степени позволяют упростить усвоение ма
териала. Большинство из них легко воспроизводимы, а содержа
щиеся в последней главе примеры практической реализации ме
тодов и моделей искусственного интеллекта могут послужить об
разцами для студенческих курсовых работ. 
Ряд моделей или методов, приведенных в пособии, имеет
весьма сложную структуру, что может вызвать затруднения при их
изучении. В этих случаях применяется следующий принцип из
ложения учебного материала: сначала приводится иллюстрирую
щий пример, позволяющий понять суть рассматриваемого мето
да, и только потом следуют подробное теоретическое объяснение
и анализ особенностей и нюансов его реализации. Такое структу
рирование учебного материала дает возможность, по мнению ав
торов, облегчить его понимание.
Пособие адресовано широкому кругу студентов, аспирантов,
изучающих и разрабатывающих интеллектуальные информаци
онные системы в экономической и других областях; оно может
оказаться полезным научным работникам и специалистам, зани
мающимся эксплуатацией и разработкой информационных сис
тем и информационных технологий различного экономического
назначения. В то же время универсальность представленных мо
делей и методов обусловливает полезность учебного материала и
для других, не обязательно экономических приложений.
Некоторые примеры применения моделей и методов искус
ственного интеллекта, приведенные в пособии, были получены
при активной помощи аспирантов и студентов кафедры приклад
ной математики и экономикоматематических методов Вороне
жской государственной технологической академии. Всем им ав
торы выражают сердечную признательность и благодарность.


СИСТЕМЫ ИСКУССТВЕННОГО 
ИНТЕЛЛЕКТА В ЭКОНОМИКЕ
1.1. Искусственный интеллект в проблеме 
принятия решений
Человек в своей практической деятельности постоянно вы
нужден принимать решения, причем эти решения и соответству
ющие им действия должны быть правильными, т.е. приводить к
желаемому результату. В основе решений, принимаемых челове
ком, всегда лежат его опыт и знание. С возникновением матема
тики появилась возможность количественного обоснования ре
шений. Компьютер значительно убыстрил этот процесс, и в под
держке принятия решения большую роль начали играть матема
тические модели, что позволило принимать не просто правиль
ные, а оптимальные решения, в частности, достигать желаемой
цели с наименьшими затратами.
Знакомство с курсом математического моделирования в эко
номике может создать неверное впечатление, что математичес
кие методы способны решать любые проблемы в принятии эко
номических решений. На самом деле в такой сфере деятельности,
как экономика, где велика роль человека, это далеко не так. По
ведение человека не поддается полностью количественному опи
санию, человек продолжает принимать решения в первую оче
редь на основе опыта, знаний. Более того, несмотря на сущест
венное развитие экономикоматематических методов, решения
принимаемые человеком, зачастую оказываются более правиль
ными, чем рекомендации ЭВМ.
Это объясняется, в частности, тем, что количественные мате
матические модели не в состоянии учесть многих качественных
характеристик объекта моделирования, накопленного веками ка
чественного опыта действий в той или иной ситуации. Поэтому
решение остается прерогативой человека (и не только в экономи
ке), а создаваемые формализованные методы и системы способны
лишь обеспечить помощь, поддержку в принятии этих решений. 


Осознание этого факта привело к имитации на математичес
ком языке способности человека анализировать с точки зрения
ситуации качества, что позволило добавить к количественным
математическим методам и моделям их качественные аналоги и
тем самым расширило возможности систем поддержки принятия
решений, не выходя за их рамки. 
Во второй половине ХХ в. были предприняты небезуспешные
попытки создания систем искусственного интеллекта. Такие сис
темы должны не только уметь обрабатывать комбинации количе
ственной и качественной информации, но и какимлибо образом
формализовать знания человека об окружающем мире либо свой
ственные человеку приемы мышления, посредством которых он
изучает окружающий мир и подчиняет его своим интересам.
Интеллектуализация систем поддержки принятия решений
началась с математической логики и ее приложений, которые
позволили анализировать достаточно сложные ситуации при по
мощи простейших характеристик – «да» и «нет». Позднее появи
лись нечеткие множества и нечеткая логика, позволившие суще
ственно расширить семантику (смысл) качественных характерис
тик. Были созданы различные системы моделирования знаний,
на их основе разработаны базы знаний и механизмы принятия
решений, например, в виде правил «если ситуация такая – то
действия должны быть такими». Это в конечном счете привело к
созданию экспертных систем, имитирующих действия и решения
наиболее квалифицированных специалистов – экспертов. В ос
нове экспертных систем лежат знания, получаемые от экспертов,
отсюда их синоним – когнитивные системы (лат. cognitio – позна
вание) или системы, основанные на знаниях.
Существует другой подход к созданию систем искусственного
интеллекта, называемый структурным, к которому относятся ис
кусственные нейронные сети. Такие сети имитируют деятельность
человеческого мозга, образуя совокупность заимствованных из
нейрофизиологии моделей параллельных вычислительных
структур.
Третье направление реализуется в рамках эволюционных мето
дов, к которым можно отнести генетические алгоритмы. В основу
эволюционных методов легло заложенное самой природой свой
ство живых организмов осуществлять правильный выбор, в част
ности, на основе эволюционного отбора. Генетические алгоритмы
являются мощным универсальным средством решения задач гло


бальной оптимизации, с помощью которого выбираются решения,
если не оптимальные, то достаточно близкие к ним. 
Отдельное направление составляют системы, которые для ре
шения задач используют сочетания различных методов искус
ственного интеллекта: экспертных систем, искусственных ней
ронных сетей, генетических алгоритмов и нечеткой математики.
Такие сочетания получили название гибридных методов искус
ственного интеллекта.
Прежде чем приступать к изучению систем, имитирующих
свойства живых организмов разумно рассуждать и делать пра
вильный выбор (систем искусственного интеллекта), весьма по
лезно понять, зачем они нужны, какие задачи можно будет ре
шать с их помощью и в чем состоит основная идея получения ре
шения. Для этого вначале ознакомимся с идеологией и примера
ми использования этих систем. Начнем с уточнения терминоло
гии. Термин «artificial intelligence» (AI) впервые был предложен
американскими учеными в 1956 г. В российской научной литера
туре термин переведен как «искусственный интеллект». В анг
лийском языке данное словосочетание не имеет той слегка фан
тастической окраски, которую оно приобрело в довольно неудач
ном русском переводе. Слово intelligence означает «умение рас
суждать разумно», а вовсе не интеллект, для которого есть термин
intellect. Искусственный интеллект обычно трактуется как свой
ство автоматических систем выполнять отдельные разумные
действия, свойственные живым существам, прежде всего челове
ку. Например, выбирать и принимать правильные решения на ос
нове ранее полученного опыта и (или) рационального анализа
внешних воздействий.
1.2. Подходы к созданию систем 
искусственного интеллекта
Рассмотрим наиболее распространенные в настоящий мо
мент направления развития интеллектуальных систем и примеры
их практического применения в экономике.
Экспертные системы 
Одной из первых попыток создания системы искусственного
интеллекта было моделирование накопленного опыта в узкопро


фессиональной предметной области. Опыт отображался в виде
совокупности знаний, а вырабатываемое системой решение ос
новывалось на методах анализа этих знаний. Такие системы по
лучили название экспертных, поскольку в их формировании при
нимают участие наиболее знающие и опытные в данной предмет
ной области специалисты – эксперты. Экспертные системы, ак
кумулирующие знания множества специалистов – экспертов, в
принципе способны вырабатывать наилучшие решения по срав
нению с привлеченным к решению задачи отдельным экспертом.
Проблема заключалась и продолжает заключаться лишь в одном:
как наиболее адекватно отображать знания эксперта в памяти
ЭВМ, правильно анализировать эти знания и получать новые
знания на основе анализа предыдущих?
Сегодняшнее состояние развития экспертных систем показы
вает, что специалисты в этой области достаточно хорошо продви
нулись в решении данной проблемы. Экспертные системы наш
ли применение в самых разнообразных областях деятельности:
управлении, медицине, технике, химии, физике, экономике,
юриспруденции и многих других.
Принято выделять экспертные системы первого поколения,
действующие на основе некоторых знаний о предметной облас
ти, представленных, например, правилами типа «если – то». Сос
тавлением таких правил для машины занимается человек, кото
рый, в свою очередь, в процессе этой работы также использует
некоторые правила составления правил. Такие правила принято
называть «метаправилами» или «метазнаниями», т.е. знаниями о
знаниях. Формализация метазнаний приводит к появлению экс
пертных систем второго поколения. При этом надо понимать, что
составлением метазнаний опятьтаки занимается человек в соот
ветствии с некоторыми правилами еще более высокого уровня.
Таким образом, формализация правил более высокого уровня
приводит к экспертным системам старшего поколения, но опре
деляющая роль человека остается всегда, при любом поколении
экспертных систем. 
В экономике экспертные системы нашли применение при ре
шении задач прежде всего в области планирования и управления.
Приведем несколько примеров таких систем, разработанных и
внедренных в США. 
Система IMACS, разработанная корпорацией DEC, помогает
руководителям промышленного производства компьютерных


Доступ онлайн
200 ₽
В корзину