当前管理信息系统的发展趋势与最新动态.pdf
《当前管理信息系统的发展趋势与最新动态.pdf》由会员分享,可在线阅读,更多相关《当前管理信息系统的发展趋势与最新动态.pdf(4页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、企业管理信息化当前管理信息系统的发展趋势与最新动态朱顺泉( 暨南大学管理学院 , 广东 广州)【摘要】介绍了当今管理信息系统向三大方向发展: 智能方向、 集成方向和网络方向。智能方向的代表是。集成方向的代表是与 , 网络方向的代表是电子商务。【关键词】智能决策支持系统 () 计算机集成制造系统 () 电子商务目前, 管理信息系统正在朝着智能、 集成和网络等方向的趋势发展。智能方向的突出代表就是决策支持系统与专家系统的结合 , 即智能决策支持系统 () ;集成方向的突出代表就是计算机集成制造系统()与; 网络方向的典型代表就是电子商务。 下面分别说明这三大趋势。要研究对象是人,而不是以计算机为基
2、础的信息处理系统,主要是利用对决策行为的引导来支持决策,而不仅仅用信息支持决策。这将为人类最终解决决策问题开辟一条道路,但其研究范围和技术手段已超出今天的信息系统的范围。数据仓库()对决策支持系统的发展数据仓库是世纪年代以来决策支持系统的一个重要发展。近年来得到了理论界和信息产业界的高度重视。()数据仓库的定义和特征:数据仓库(管理信息系统的智能发展趋势决策支持系统决策支持系统(), 通俗地说 , 就是帮助决策者利用数据、模型、 方法、 知识推理等去解决非结构化决策问题的人机交互系统。它主要由人机接口、数据库、 模型库、 方法库、 知识库及其管理系统组成。 这里的支持 :即此系统意在辅助决策者
3、进行的决策,而不是代替决策。处理半结构化决策问题 , 这就意味着决策过程不能完全用一种算法、 程序、 模型概括说明 , 不能完全依靠计算机系统 , 它需人机的相互作用。)是指一个对历史数据进行处理的集成化的数据收集和信息处理机构 , 在一般情况下 , 数据仓库的数据输入部分是来自一个操作性的环境,该部分的作用是将这个环境中的数据送到另一个在物理上相分离的数据存储机构中去。而数据仓库则不断地对信息系统中的数据进行整理 ,从而辅助决策者有效地发现问题。数据仓库具有个主要特征如下 :面向主题 ;集成化;时变性;非活性。() 数据仓库的结构 : 数据仓库将其中的数据分为以下几个层次 :当前详细数据 ;
4、历史详细数据 ;轻度概略数据 ;高度概略数据 ;超数据。() 数据的流程 : 在数据仓库中 , 数据的流程一般是可以预计的。数据是从操作性环境进入到数据仓库中的。当数据进入到数据仓库中时 , 必然经由一个预定的转换过程。当数据进入数据仓库时 , 数据首先进入当前详细层。然后 , 数据将暂时保留在该层 , 直到该数据被删除, 或被概略化 , 或被取走这三种事件之一发生。() 数据仓库的使用 : 根据数据在数据仓库中的层次, 它们被使用情况是不同的。一般地讲, 越是在概略化的高层 , 其数据被使用的频率越高 , 而历史性的详细决策支持系统的发展的发展现正向智能化、群体和行为导向等方面发展。人工智能
5、(),世纪年代知识工程()、()和专家系统()的兴起,为处理不确定性领域的问题提供了技术保证,使朝着智能化方向前进了一步。()(), 群体决策比个体决策更合理,更科学。但是由于群体成员之间存在价值观念等方面的差异,也带来了一些新的问题。 从技术上讲,个体是的基础,但要增加一个接口操作环境, 支持群体成员更好的相互作用。(), 所谓行为导向()就是从行为科学角度来研究对决策者过程的支持,其主企业管理信息化数据却很少被使用。通过数据仓库中的数据挖掘工具,我们能够发现有用的知识。多层连接、 循环连接等几种模式。 单层连接只有一个输入层和一个输出层 ;多层连接则包含了一个或者多个隐含层; 而循环连接是
6、指包含反馈的连接方式。() 学习算法:神经网络学习的目的是用一组输入向量产生一组希望的输出向量,学习的过程是通过按预先确定的算法 ( 称之为学习规则 ) , 慢慢调整网络的权值来实现的。由于神经网络是一种非线性映射关系,各变量之间的相互关系隐含于网络之中,因而当训练中涉及一对无关数据时 , 网络不会收敛 , 所以我们可以通过网络学习来剔除非相关变量。() 神经网络反向传播算法 (算法) :对全部连接线的进行初始化 , 一般设置成较小的随机数 , 以保证网络饱和或反常的情况 ;取一组训练数据输入网络, 并计算出网络的输出值 ;计算该输出值与期望值之间的偏差 , 然后从输出层反向计算到第一隐含层,
7、 向着减少该偏差的方向调整各条线的权值;对训练集中的每一组训练数据都重复上面的二个步骤,直到整个训练的偏差达到能被接受的程度为止。专家系统()专家系统是一个利用知识和推理过程来解决那些需要特殊的,重要的人类专家才能解决的复杂问题的计算机智能程序,专家系统的知识由事实和启发性知识组成。专家系统一般由以下部件组成: 知识获取设备 ;知识库(规则库和数据库);知识库管理系统();推理机构 ;用户接口。近年来,人们开始将与结合起来,形成,但绝不是和的简单结合,而是需要大大提高。目前,人工智能技术的最新动态表现在如下几个方面。神经网络()专家系统一个最大的缺点是:要求专家来建立知识,普通人是无能为力的
8、,因此限制了专家系统的使用。下面我们将要介绍的神经网络就能克服这个弱点,它具有自组织、自学习等特点 , 可以被大众所接受和使用。() 神经网络方法的基本原理:神经网络是一种按照人脑的组织和活动原理而构造的一种数据驱动型非线性模型。它是由神经元结构模型、 网络连接模型、网络学习算法等几个要素组成。一个典型的神经元网络连接模型是由输入层、 中间层 ( 称为隐含层 ) 和输出层遗传算法()神经网络方法存在着局部极小的问题, 为了解决神经网络算法经常陷入局部极小的问题,通常使用全局最优化算法等如遗传算法来解决这个问题。遗传算法(,简称) 是一类借鉴生物 界自然选择和自然遗传机制的随机化搜索算法, 由美
9、国教授提出 , 其主要特点 是群体搜索策略和群体中个体之间的信息交换,搜索不依赖于梯度信息。它尤其适用于处理传统搜索方法难以解决自适应控的复杂和非线性问题 , 可广泛用于组合优化、制、 规划设计和人工生命领域, 是世纪智能计算的关键技术之一 ,遗传算法作为一种新的全局优化搜索方法, 简单通用 , 具有处理和应用范围广泛之优点。在执行遗传算法时 , 必须包含两个数据转换操作,一个是表现型到基因型的转换,另一个是基因型到表现型的转换。前者是把搜索空间中的参数或解转换成遗传空间的染色体或个体 , 此过程叫做编码操作 ; 后者是前者的一个相反操作 , 叫做译码操作。()遗传算法是具有“生成检测”的迭代
10、过程的搜索算法。 它的基本流程 : 编码和初始群体生成群体中个体适应度的检测评估选择交叉变异。由此可见 , 遗传算法是一种群体型操作, 该操作以群体中的所有个体为对象。选择() 、 交变异 () 是遗传算法的个主要叉() 、操 作 算 子 , 它 们 构 成 了 所 谓 的 遗 传 操 作 (层神经元组成。每相邻两层的神经元之间都有一条带权值的线连接。要使神经网络产生所希望的行为, 必须对其进行训练 , 即通常所说的网络学习。学习时, 每一条连接线都不断地调整自己的权值,以使神经网络的实际输出和期望输出之间的方差达到最小,学习的效果直接影响网络的预测精度。() 神经元结构模型:神经元是神经网络
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 当前 管理信息系统 发展趋势 最新动态
限制150内