Geum.ru

Программа дисциплины «Теория нечетких множеств и нейронные сети» Для специальности 040201. 65 "Социология"

Вид материалаПрограмма дисциплины
Тема 4. Практическое применение нечеткой логики в экспертных опросах.
Подобный материал:
1   2   3   4   5   6   7   8   9   10

Тема 4. Практическое применение нечеткой логики в экспертных опросах.


Экспертные опросы – математическое обоснование определенной и неопределенной части оцениваемого суждения.

Экспертиза как последний шаг априорного анализа. Экспертиза как самостоятельное решение.

Методы, основанные на статистических и физико-статистических моделях для решения задач прогнозирования. Метод предьявления экспертам для оценки: группировки, непосредственное ранжирование, парные сравнения, множественные сравнения.

Методы обработки экспертных оценок: построение моделей, описывающих поведение эксперта, проверка адекватности модели данным, полученным от экспертов, оценка соласованности мнений экспертов, получение коллективного мнения группы экспертов.

Статистически однородные наблюдения для проверки точности и достоверности получаемых прогнозных оценок. Длительность наблюдения за определяющими параметрами прогнозируемого явления на конкретном объекте или на идентичных по строению объектах и от объема.

Экспертное оценивание как один из целесообразных подходов получения прогнозных оценок для процессов, характеризующихся специфической индивидуальностью. Система логических и математических методов и процедур в экспертном оценивании, направленных на получение от специалистов информации, необходимой для решения управленческих задач.

Технико-экономические задачи, где целесообразно применение экспертных опросов: выбор целей исследования, выбор и построение критериев в задачах векторной оптимизации, принятие решений при управлении производством, выбор наилучшего варианта решения сложной проблемы в условиях неопределенности, задачи идентификации, построение эвристических алгоритмов управления, эргономические исследования, оценка качества продукции, системы обучения, классификация однотипных объектов по степени выраженности тех или иных характерных свойств.

Условия и характеристики проведения экспертного опроса. Современные виды экспертного опроса: дискуссионные, метод коллективной генерации идей, анкетирование, интервьюирование… метод мозгового штурма, метод суда, операционные деловые игры и сценарии.

Определение характера зависимости оценок показателей от их значений методом «главных точек». Представление зависимостей в виде графиков, таблиц, формул.

Принципы построения балльных шкал, применяемых для экспертной оценки качества продукции.

Обработка классификаций при построении иерархических структурных схем показателей качетсва.

Определение степени компетентности экспертов, учет в статистических показателях, финальных оценках. Формирование меры компетентности путем систематических наблюдейний за качеством прогнозов экспертов или косвенным образом на основе сведений об их профессиональной деятельности. Влияние уровня компетентности эксперта на нечеткую количественную меру путем выполнения операции размывания.


Литература
  1. Андерсон Д. Дискретная математика и комбинаторика./ Пер. с англ. М.М. Беловой. М. Издательский дом Вильямс. 2004
  2. Асанов М.О., Баранский В.А., Раскин В.В. Дискретная мтаематика: графы, матроиды, алгоритмы. М. R&C Dynamics. 2001.
  3. Вентцель Е.С. Исследование операций. М. Высшая школа. 2001.
  4. Горбатов В.А. Фундаментальные основы дискретной математики. М. Наука, 2000.
  5. Круглов В.В., Дли М.И., Голунов Р.Ю. Нечеткая логика и искусственные нейронные сети. М. 2001. Стр. 6-44.
  6. Оре О. Графы и их применение. 3-е изд. М. URSS. КомКнига. 2006.
  7. Система управления качеством продукции. Экспетные методы оценки качества промышленной продукции. Основные положения. Изд-во. Государственный комитет СССР по стандартам, М. 1979.
  8. Таха Х.А. Введение в исследование операций. 6-е изд. Москва-Санкт-Петербург-Киев. 2001.
  9. Харари Ф. Теория графов. 3-е изд. М. URSS. КомКнига. 2006.
  10. Шмерлинг Д.С., Дубовский С.А., Аржанова Т.Д., Френкель А.А. Статистические методы анализа экспертных оценок. М. Наука, 1977.
  11. Эддоус М., Стэнсфилд Р. Методы принятия решений/ Пер. с англ. Под ред. Член-корр. РАН И.И.Елисеевой. – М.: Аудит, ЮНИТИ, 1997.
  12. Эшби У.Р. Введение в кибернетику. 3-е изд. М. URSS. КомКнига. 2006.
  13. Abdi, H.Valentin, D., Edelman, B. 1999. Neural networks. /Sage№ 124.


Дополнительная литература
  1. In Jae Myung, Sridhar Ramamoorti, Andrew D. Bailey, Jr. Maximum Entropy Aggregation of Expert Predictions. Manag. Sci.,1996. 42. № 10. С 46 -55.
  2. Аверин А. Н., и др. Нечеткие множества в моделях управления искусственного интелекта /Под ред. Д. А Поспелова.—М.: Наука, 1986.
  3. Бармин И.В., Юсупов Р.М., Прохорович В.Е., Птушкин А.И. Концепция управления состоянием сложных технических комплексов за пределами плановых сроков эксплуатации// Информационные технологии. 2000. №5. С.7-12.
  4. Гилев С.Е., Горбань А.Н., Миркес Е.М. Малые эксперты и внутренние конфликты в обучаемых нейронных сетях // Доклады Академии Наук СССР.- 1991.- Т.320, N.1.- С.220-223.
  5. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере.—Новосибирск: Наука, 1996. 275 с.
  6. Гурвич Ф.Г. Методы и процедуры получения экспертной информации (ч.1). Методы обработки экспертной информации (ч.2). – «Экономика и математические методы», 1973, т.IX.
  7. Дли М.И. Локально-аппроксимационные модели сложных объектов Наука, Физматлит, 1999. 112 с.
  8. Дли М.И., Круглов В.В., Осокин М.В. Локально-аппроксимационные модели социально-экономических систем и процессов.—М.: Физматлит, 2000. 224 с.
  9. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976.
  10. Змитрович А. И. Интеллектуальные информационные cистемы-Минск: НТООО "ТетраСистемс", 1997. 367 с.
  11. Киселева Н.Е, Панкова Л.А., Шнейдерман М.В. Структурный подход к анализу и обработке экспертного опроса. – Автоматика и телемеханика, 1975, №4.
  12. Корнеев В.В., Греев А.Ф., Васютин СВ., Райх В.В.Базы : Интеллектуальная обработка информации.—М.: Нолидж, 2000. 352 с
  13. Кофман А., Алуха X. Хил. Введение теории нечетких множеств: управление предприятием.—Минск: Высшая школа, 1992. 223 с.
  14. Круглов В.В., Борисов В.В. Искусственные нейронные сети. Теория и практика.—М.: Горячая линия—Телеком, 2001. 382 с.
  15. Литвак Б.Г. Управленческие решения. М.: Изд-во «ЭКМОС», 1998.
  16. Мухатдинова О.Р. Построение и анализ социограмм на основе нечеткой логики // Социология: методология, методы, математические модели. 2000. № 12. С.154-172,
  17. Орловский С.А. Проблемы принятия решений при нечеткой исходной информации. М.: Наука, 1981.
  18. Острейкорескый В.А., Сальников II.Л. Вероятностное прогнозирование работоспособности элементов ЯЭУ. М.: Энергоатомиздат, 1990.
  19. Прикладные нечеткие системы /Под ред. Т. Тэрано, К. Асаи, ШЯ М.: Мир, 1993. 368 с.
  20. Принятие решений и анализ экспертной информации// Вопросы кибернетики №151. М. 1989.
  21. Татарова Г. Г. Качественные методы в структуре методологии анализа данных // Социология: методология, методы, математические модели. 2002. № 14. С. 33-52.
  22. Теория выбора и принятия решений. М: Наука, 1982.
  23. Уоссермен Ф. Нейрокомпьютерная техника.—М.: Мир, 1992. 11"



  1. Fu H.C., Shann J.J. A fuzzy neural network for knowledge learning // Int. J. Neural Syst.- 1994.- V.5, N.1.- P.13-22.
  2. Willemain T.R. Insights on Modeling from a Dozen Experts, Operations Research, Vol. 42, No. 2, pp. 213-222, 1994.