| ПРЕДИСЛОВИЕ | 5 |
| |
| Г Л А В А 1. Основные классы экономических интеллектуальных |
 информационных систем (ИИС) | 10 |
| |
| 1.1. Эволюция информационных систем | 10 |
| 1.2. Интеллектуальные информационные системы (ИИС) | 25 |
| |
| Г Л А В А 2. Цели и современные технологии разработки |
| интеллектуальных информационных систем (ИИС) | 32 |
| |
| 2.1. Технология разработки и реализация управленческого решения | 32 |
| 2.2. Процесс проектирования интеллектуальной информационной |
| системы (ИИС) | 45 |
| 2.3. Объектно-ориентированное проектирование (ООП) интеллектуальной |
| информационной системы | 54 |
| |
| Г Л А В А 3. Общая схема интеллектуальной информационной системы | 65 |
| |
| 3.1. Основные компоненты интеллектуальной информационной системы |
| (ИИС) | 65 |
| 3.2. Конструирование базы знаний | 75 |
| 3.3. Техника вывода | 80 |
| 3.4. Система естественно-языкового интерфейса (СЕЯИ) | 82 |
| 3.5. Технология работы интеллектуальных информационных систем (ИИС) | 83 |
| 3.6. Байесовская сеть | 85 |
| 3.7. Разработка прототипа системы поддержки решений | 89 |
| 3.8. Искусственный интеллект в управлении инвестициями | 95 |
| |
| Г Л А В А 4. Роль интеллектуальных информационных систем (ИИС) |
| в информационном обеспечении процесса разработки решений | 99 |
| |
| 4.1. Критерии оценки и отбора оптимального набора стратегий | 99 |
| 4.2. Модель информационной системы поддержки принятия решений | 110 |
| 4.3. Стоимость и ценность информации | 117 |
| 4.4. Стратегии, основанные на теории полезности | 124 |
| 4.5. Имплементация и мониторинг стратегий | 128 |
| |
| Г Л А В А 5. ИИС принятия решений в условиях неопределённости |
| и риска | 133 |
| |
| 5.1. Методы ситуационного анализа и их роль в принятии решения | 133 |
| 5.2. Оценка уровня риска и байесовский подход к её уточнению | 136 |
| 5.3. Подход «среднее-дисперсия». Модель Марковитца | 142 |
| 5.4. Использование дерева решений с применением формулы Байеса | 146 |
| 5.5. Распространение уверенности в деревьях | 154 |
| |
| Г Л А В А 6. Введение в представление знаний | 169 |
| |
| 6.1. Компоненты интеллектуальной информационной системы анализа |
| инвестиций | 169 |
| 6.2. Тезаурус как база знаний | 178 |
| |
| Г Л А В А 7. Представление суждений, правила вывода, принцип резолюций | 197 |
| |
| 7.1. Формальные языки | 197 |
| 7.2. Интерпретация выражений языка исчисления предикатов | 206 |
| 7.3. Логические выводы в формальной системе исчисления предикатов |
| первого порядка | 207 |
| 7.4. Логические выводы на основе принципа резолюции | 217 |
| 7.5. Немонотонные выводы | 225 |
| 7.6. Логика веры и знания | 232 |
| |
| Г Л А В А 8. Представление знаний в виде фреймов | 235 |
| |
| 8.1. Логики знания и фреймы | 235 |
| |
| Г Л А В А 9. Стратегия вывода с использованием байесовского подхода | 270 |
| |
| 9.1. Обработка свидетельств в условиях неуверенности и нечёткости | 270 |
| 9.2. Меры неопределённости в ИИС | 283 |
| 9.3. Модель Шортлифа и Бьюкенена | 293 |
| 9.4. Теория Демпстера-Шейфера | 302 |
| |
| Г Л А В А 10. Машинное обучение | 323 |
| |
| 10.1. Компоненты процесса обучения | 323 |
| 10.2. Индуктивное обучение | 325 |
| 10.3. Система ID3 | 330 |
| 10.4. Система INDUCE | 331 |
| 10.5. Алгоритм обучения понятиям | 337 |
| 10.6. Неинкрементальное (параллельное) обучение в решётках Галуа | 338 |
| 10.7. Адаптивная дискретизация непрерывных значений атрибутов | 345 |
| 10.8. Открытие знаний | 347 |
| 10.9. Типы закономерностей, выявляемых методами ИАД | 351 |
| 10.10. Бизнес-приложения методов ИАД | 355 |
| 10.11. Классы систем ИАД | 360 |
| 10.12. Архитектура систем ИАД | 366 |
| 10.13. Применение алгоритмов типа АВО (вычисления оценок) для |
| построения итерационных алгоритмов поиска | 370 |
| 10.14. Алгоритм распознавания типа «Кора» | 374 |
| 10.15. Обучение машин распознаванию образов | 375 |
| 10.16. Алгоритмы автоматического построения классификаций | 379 |
| |
| Г Л А В А 11. Генетические адаптивные алгоритмы | 393 |
| |
| 11.1. Назначение и структура генетических алгоритмов | 393 |
| 11.2. Математическая модель генетического алгоритма | 396 |
| 11.3. Генетический алгоритм для генерации правил требования | 406 |
| |
| Г Л А В А 12. Агентные системы | 410 |
| |
| 12.1. Структура и функции агента и мультиагентных систем | 410 |
| 12.2. Архитектура агента | 414 |
| 12.3. Мультиагентные системы (MAC) и виртуальные организации | 416 |
| 12.4. Элементы теории агентных систем | 421 |
| 12.5. Принятие решения активным агентом на основе знаний, полученных |
| обобщением прецедентов | 424 |
| |
| Г Л А В А 13. Нейронные сети | 427 |
| |
| 13.1. Архитектура нейронных сетей | 427 |
| 13.2. Алгоритмы обучения нейронных сетей | 432 |
| 13.3. Динамические сети | 436 |
| 13.4. Самоорганизующиеся сети | 437 |
| 13.5. Сеть со встречным распространением | 439 |
| 13.6. Применение нейронных сетей для анализа временных рядов | 445 |
| |
| ЛИТЕРАТУРА | 476 |
| ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ | 480 |
