Для того чтобы устранить произвол в разбиении базы данных, могут быть применены методы повторных проб (см. [262]). Рассмотрим один из таких методов, который называется перекрестным подтверждением. Его идея состоит в том, чтобы случайным образом разбить базу данных на q попарно не пересекающихся подмножеств. Затем производится q обучений на (q-l) множестве, а ошибка вычисляется по оставшемуся множеству. Если q достаточно велико, например, равно 10, каждое обучение задействует большую часть исходных данных. Если процедура обучения надежна, то результаты по q различным моделям должны быть очень близки друг к другу. После этого итоговая характеристика определяется как среднее всех по- [c.34]
Следующая функция ДЭС — решение задач. Задача может быть решена машиной только в том случае, если она формально поставлена (см., например, п. 1.2) — если для нее написана формальная спецификация. Последняя должна опираться на некоторую базу знаний. Модель предметной области описывает общую обстановку, в которой возникла задача, а спецификация — содержание задачи. В совокупности они позволяют установить, какие абстрактные связи и зависимости, в каких сочетаниях и в какой последовательности должны быть использованы для решения задачи. Прикладные программы представляют собой конкретные средства, стоящие за этими зависимостями, а также содержат алгоритмы для решения возникающих при этом уравнений. Наконец, база данных поставляет все исходные данные или часть их для выполнения этих алгоритмов, недостающие данные должны содержаться в спецификации. [c.41]
Административная организация. С наполнением базы данных структурированными работами появляется объективная основа для проектирования административной организации ПС. Само по себе техническое разделение производства предопределяет в графической модели (см. рис. 12.2) один из концентров его разбиения на блоки специализированных функций, внутри которых технологическое и функциональное разделение труда выделяет более дробные структурные образования линейного и функционального назначения. [c.527]
Реализация типового проекта ЭИС сводится к конфигурации ЭИС и генерации интерфейсов пользователей (см. рис. 14.15), то есть получении готовых для эксплуатации программ функций обработки данных G1 и интерфейсов G2, а также определении структуры базы данных (бизнес-объектов) G3. Настройка программного комплекса типовой ЭИС и генерация интерфейса пользователей осуществляются автоматически на основе бизнес-правил U3 и проектной модели предприятия (D3). В исключительных случаях требуется доработка или создание новых программных модулей, которые производятся с помощью инструментальных средств программного комплекса U4. [c.423]
В качестве дополнительного примера расхождений в оценках вероятности миграции кредитных рейтингов приведем переходную матрицу, построенную с помощью модели EDF по всем компаниям, включенным в базу данных компании KMV (см. табл. 5.13). [c.387]
Механизм проектных групп заслуживает отдельного обсуждения, поскольку он вместе с моделью четырех этажей бизнеса, системой трех проектов и нормативной базой (см. далее) фактически составляет методологическую основу инженерного консалтинга. В отличие от инжиниринговых и учебных структур, где четко разделено, где заказчик, а где исполнитель работ, в данном случае барьеры изначально должны быть сломаны. [c.137]
Выполнение НИОКР в университете ведется по 8 основным научным направлениям (см. табл. 5.5.), которые прошли становление на основе многолетних, но актуальных для ТЭК исследований и разработок, а также в связи с новыми условиями и требованиями рыночной экономики. За последние 5 лет в университете выполнены 1853 НИОКР по 40 научно-техническим программам, таким как нефтегазовые ресурсы сертификация глубокая переработка нефти, газа, торфа, угля реактив трансфертные технологии, комплексы и оборудование ("Химбыт") университеты региональные научно-технические программы (вузовская наука - регионам) создание национальной академической системы баз данных и баз знаний ВШ РФ , поисковые и прикладные проблемы глубокой переработки нефти самостоятельные инновационные проекты химия комплексное решение проблемы разработки транспорта и глубокой переработки нефти и газа сохранение и развитие интеллектуального потенциала высшей школы России конверсия поддержка малого предпринимательства и новых экономических структур прогрессивные технологии комплексного освоения топливно-энергетических ресурсов недр России народы России возрождение и развитие технологии, машины и производства будущего исследование, разработка, освоение производства технических средств и технологических процессов для бурения глубоких разведочных скважин (Роскомнедра) государственная поддержка интеграции высшего образования и фундаментальной науки на 1997-2000 гг. современные системы и модели местного управления и самоуправления разработка методов получения полупродуктов тонкого органического синтеза из отходов и побочных продуктов НХП разработка методов рационального использования продуктов и отходов НХП нефтехимия химия новых веществ и материалов экология Башкортостана (комплексные исследования) разработка нетрадиционных методов исследований в органическом синтезе биотехнология [c.254]
Из базы данных Datastream мы выбрали ежедневные данные о ценах акций компании Юнилевер (в голландских гульденах) за период с января 1973 г. по март 1992 г., что в совокупности составило около 5000 записей. Затем мы разделили все данные на две части первые 2500 записей использовались как обучающие множества для нейрон-но-сетевых моделей, а оставшаяся 2501 запись— для тестирования (см. табл. 10.1). Мы выбрали в качестве примера большую транснациональную компанию Юнилевер потому, что ее консервативность и устойчивость, отсутствие реорганизаций и поглощений приводят к стабильному во времени поведению показателей доходов. [c.212]
Приведем некоторые важные П. информации, применимые в различных областях экономико-математического моделирования, распознавания образов, построения и использования баз данных. Допустимые П. — такие, которые не выводят преобразуемые объекты за пределы рассматриваемого класса. П. подобия — изменение характеристик моделируемого объекта посредством умножения его параметров на такие величины, которые делают математическое описание, если оно имеется, тождественным для модели и для моделируемого объекта. (См. Подобие.) [c.279]
Современная аналитическая наука имеет в своем арсенале достаточное число методов и моделей, с помощью которых исходные данные можно подвергать некоторой аналитической обработке с целью выявления закономерностей и тенденций, присущих этим данным или тем явлениям, которые они характеризуют (один из вариантов классификации приемов и моделей анализа деятельности фирмы см. в [Ковалев, 2001, с. 63-68]). В зависимости от вида анализа, поставленных целей, имеющейся информационной базы, различных ограничений, например по времени и инструментарию, могут применяться методы той или иной сложности, тех или иных апалитико-поз-навательных возможностей и др. Так, для выявления тенденции изменения выручки от продаж можно воспользоваться аппаратом корреляционно-регрессионного анализа (чисто инструментальный метод), а можно привлечь экспертов с последующим усреднением приведенных ими оценок (в этом случае имеет место комбинирование неформализованных и формализованных методов анализа). В данной главе мы рассмотрим лишь те методы, которые, на наш взгляд, представляются наиболее практичными при этом мы исходим из предпосылки, что сложность выбираемого метода или модели должна быть адекватной целям и имеющемуся информационному сырью. Говоря об адекватности, мы имеем в виду следующее сложность аналитического инструментария не всегда способствует получению более обоснованных и практичных выводов. В подтверждение приведем два примера. Для любого аналитика при известных навыках не составляет труда построить многофакторную жестко детерминированную модель для выявления причинно-следственных связей между показателями, однако неоправданное усложнение модели может иметь обратный эффект - полученные результаты будут в практическом плане бесполезными. Можно строить регрессионное уравнение по множеству из трех-четырех точек, однако прогностическая ценность подобного уравнения будет близка к нулю, а пользователь, которому будет предложена эта модель как инструмент прогнозирования, не будет испытывать ничего иного, кроме раздражения от ее бесполезности и бессмысленной наукообразности. [c.177]
На этапе вертикального факторного анализа исследуются преимущественно формсигьныв (иерархические) связи между факторами хозяйственной деятельности, которые складываются в многоуровневую математическую цепочку (см. схему 38). Предприятие же, как и любая сложная система, характеризуется единством формальных (вертикальных) и функциональных (горизонтальных) связей между факторами (см. схему 8). Например если в модели вертикального факторного анализа нет взаимозависимости между блоками Физический объем реализации и Прямые коммерческие расходы , то это не означает, что связь между этими двумя факторами в хозяйственной деятельности предприятия совсем, просто данная зависимость носит функционачьный (горизонтальный) характер и исследуется на второй стадии комплексного анализа операционного бюджета— стадии горизонтального межфакторного анализа. Строго говоря, уже на первой стадии анализируются некоторые горизонтальные связи (например, при расчете факторов отклонений цен, количества, объемов и пр.), ибо исследовать форму, полностью абстрагируясь от содержательной стороны, просто невозможно. Тем не менее диалектика перехода от формы к содержанию обусловливает необходимость содержательного (горизонтального) анализа на основе количественных данных формальной (вертикальной) модели. Отчет о финансовых результатах по видам продукции, на базе которого производится изучение взаимозависимостей издержки—объем— прибыль , как раз является основой горизонтального анализа. На первой же стадии исследованию, в основном, подвергаются сводные данные управленческого отчета о финансовых результатах, построенного на основе сводного отчета о финансовых результатах (табл. 53). [c.325]
В этой связи возникает необходимость в дальнейшем совершенствовании и разработке моделей и методов, включаемых в базу моделей СППР (см. рис. 1.6), использование которых позволило бы охватить более широкое множество видов реальных проектов. При этом конкретная постановка задач во многом определяется позицией эксперта(ов) или руководителей, а эффективность ее практического применения существенно зависит от состава, обоснованности и точности требуемых исходных данных и набора и моделей используемых критериев эффективности проектов, которые хранятся в базе моделей СППР и которые руководитель выбирает как для выполнения работы по анализу исходных данных, так и для анализа и выбора соответствующей модели. [c.311]
Не утверждая наверняка, поскольку мы не имеем полной картины оцениваемого бизнеса, обратим внимание на некоторое несоответствие полученных данных "реалиям жизни" 1) результат В30 > Б100 говорит о том, что рассматриваемая модель допускает ситуацию, когда стоимость миноритарных пакетов ниже их капитализированной стоимости 2) соотношение БЗО = (0,8...0,9)В100 представляется маловероятным событием хотя бы потому что структура акционерного капитала оцениваемого бизнеса позволяет с высокой степенью вероятности создать коалицию блокирующего пакета на базе 24,5% пакета 3) также возможны коалиции 24,5% + 18,5% = 43% > 30%, 24,5% + 12,8% = 37,3% > 30%, 18,5% + 12,8% = 31,3% > 30% и другие, которые делают контроль 30%-ного пакета весьма неустойчивым (см. постулат 5). Продолжая логический анализ различных ситуаций, можно сделать предположение о меньшей стоимости оцененного 30% -ного пакета акций, что, безусловно, подтверждает наш тезис о необходимости рассматривать все возможные сценарии поведения акционеров. [c.18]