В биотехнологической компании средства поддержки коллективной работы обеспечивают улучшение информационного обмена между специалистами, занимающимися исследованием ДНК, синтезом ДНК и химическими технологиями. Все вместе они работают над поиском новых генов и веществ, которые бы образовывали полезные лекарственные препараты, реагируя с продуктами генетического кодирования. Обычно выделением новых и идентификацией мутантных генов занимаются одни люди, а определением их функций — другие. Это разные дисциплины, но они обе необходимы для создания лекарственных препаратов, и применение электронного инструментария помогает в работе специалистов обеих этих категорий. Ученые используют их на стадии исследования, а химики — на стадии анализа. Химик может визуально сравнить графические представления структур ожидаемых продуктов синтеза с химическими структурами известных лекарственных препаратов и сделать те или иные предположения о свойствах новых веществ. Например, молекула, сходная по структуре с известным токсином, может быть немедленно исключена из дальнейших исследований. [c.280]
Цикличность развития, проявляемая во всех сферах деятельности, является отражением действия ряда законов развития и функционирования систем. Авторы учебника по теории экономического анализа [6] говорят о законе циклического развития Влияние этого закона на хозяйственно-финансовую деятельность предприятий и их ассоциаций и должен улавливать экономический анализ... . Однако в методах, приемах и способах экономического анализа это не находит отражения. И не случайно проблемы динамки циклического развития были чужды командно-административной системе и не изучались в то время. Хотя выявлены большие циклы конъюнктуры , а также создана теория циклично-генетического прогнозирования были в начале 20-х годов российским экономистом статистиком Н.Д. Кондратьевым. [c.3]
Научной основой прогнозирования развития рынка ценных бумаг являются экономическая теория динамики, ретроспективный, статистический, системный анализ, теория экономико-математического, факторного и логического моделирования, программно-целевой подход. Методологической основой прогнозирования фондового рынка выступают генетический и нормативно-целевой подходы. Генетический, или дескриптивный, подход состоит в том, чтобы проследить возможные направления и этапы будущего развития рынка ценных бумаг, опираясь на оценку исходного уровня настоящего состояния и выявленные закономерности развития. Нормативно-целевой подход исходит из определения результата (цели), который должен быть достигнут в будущем. Он показывает возможные пути и сроки достижения заданного, желаемого состояния прогнозируемого объекта. [c.260]
Технологии, о которых идет речь, основываются на нелинейных методах анализа экономической и финансовой информации. В условиях возрастающей неуправляемости мировых процессов в финансовой сфере традиционные (читай, линейные) методы все чаще оказываются неспособными распознать ключевые переломы в тенденциях рынка. Так было, например, в случаях с крахом фондового рынка в 1987 году или началом глубокого спада в экономике Великобритании. Разочарование в этих методах заставило вспомнить о некогда казавшейся невероятной идее, согласно которой изменение рыночных показателей во времени не есть чисто случайное блуждание, а размеры ожидаемых доходов и/или характеристики неустойчивости (волатильности) можно пытаться находить при помощи более мощных методов. Общей чертой новых методов является возможность распознавания образов и вывода обобщающих правил. Существенными составными частями нового подхода являются нейронные сети (сети компьютерных процессоров, взаимодействие которых построено по образцу процессов обучения, происходящих в человеческом мозге) и генетические алгоритмы (методы, в которых, исходя из большого набора первоначальных предположений, вырабатывают все более правильные представления о поведении рынка и, в конечном счете, более содержательные рабочие гипотезы). Про методы обоих видов говорят, что они управляются данными, в противоположность подходу, основанному на применении правил, который принят в экспертных системах. Системы, основанные на знаниях, обладают тем недостатком, что построенные на их основе методы торговли оказываются довольно негибкими. Наконец, совершенно новый взгляд на мир предлагает теория динамических систем или теория хаоса. С ее помощью в явлениях, ранее считавшихся случайными, удается обнаружить порядок или некоторую структуру. Основное предположение здесь состоит в том, что поведение системы есть результат множества нелинейных взаимодействий, вследствие чего даже небольшое изменение начальных данных может привести к совершенно другому дальнейшему поведению системы. Благодаря [c.13]
Генетический отбор — одна из форм медицинского осмотра — предусматривает использование анализов крови и мочи с целью выявления у заявителя особенностей, не располагающих (или наоборот) его к работе с различными химикатами. Например, заявитель с повышенной чувствительностью организма к профессиональным болезням и различным токсинам немедленно отсеивается в процессе отбора на вредные для здоровья места. [c.122]
Несколько слов о самом термине НАД. Он кажется несколько рекламным. Первая вычислительная машина была создана для расчета атомной бомбы. Эти расчеты производили высококвалифицированные специалисты до и после создания ЭВМ. Но, несмотря на это, методы расчета атомной бомбы на ЭВМ никто не называл интеллектуальными. Методы, применяемые в НАД, например, статистический анализ данных, генетические алгоритмы, кластеризация и др., едва ли более интеллектуальны , чем математические методы, используемые в других областях применения компьютерных вычислений. Но поскольку термин устоялся, мы тоже будем его использовать. [c.271]
Выше уже отмечалось, что интеллектуальный анализ данных появился в результате симбиоза средств вычислительной техники, программных технологий и математических методов. В НАД используются как сравнительно новые подходы, такие как генетические алгоритмы, нейронные сети, нечеткие множества, так и вполне традиционные, имеющие длительную историю развития, такие как статистика, деревья и таблицы решений. Хотя между этими методами не всегда можно установить точный водораздел (так, генетические алгоритмы используют статистические оценки и правила вывода, то же можно сказать и о деревьях решений и нечеткой логике и т.д.), но все же границы между ними существуют. Этого нельзя сказать о границах использования различных методов в приложении. Анализ одной и той же ситуации может быть произведен различными методами и> что очень важно, результаты анализа, проведенные одним методом, могут сильно отличаться от результатов анализа той же ситуации, проведенного другим методом. Выбор метода всегда определяется специалистом. [c.274]
Таким образом, в методе генетических алгоритмов сразу встает вопрос, какие параметры или характеристики при анализе ситуации следует варьировать, а какие сохранить без изменения. От этого, конечно, зависят и результаты анализа. [c.276]
Здесь необходимо отметить также, что как нейронные сети, так и генетические алгоритмы, деревья и таблицы решений являются не только средством интеллектуального анализа данных, но и являются также средством генерации решений, особенно при решении оптимизационных задач, примеры применения которых рассмотрены в третьей части книги. [c.281]
На основании оценок Kt табл. 10.8 в табл. 10.9 показаны четыре принципа, реализация которых может дать наибольший эффект. Но уже из предварительного анализа табл. 10.9 ясно, что при ограниченных ресурсах (а отсутствие ограничения ресурсов редкое исключение) может оказаться целесообразным выбрать не набор принципов, указанный в табл. 10.9, а какой-нибудь другой набор принципов. Для этого необходимо, чтобы система поддержки принятия решений умела генерировать различные комбинации принципов усовершенствования производства, их оценивать и выбирать лучший вариант. Эти вопросы уже были рассмотрены в разделах 10.2 и 10,3. Теперь рассмотрим задачу генерации, оценки и выбора вариантов сценария с помощью генетических алгоритмов, рассмотренных в разделе 8.2, как поисковый метод интеллектуального анализа данных. [c.408]
В заключение также следует отметить еще и то, что рассматриваемые в этой главе модели и алгоритмы позволяют решать и многокритериальные задачи. Этот вывод очевидным образом следует из анализа операции Беллмана — Заде. Здесь критерии оптимальности и ограничения задачи являются симметричными - одинаковыми с точки зрения выбора (определения) оптимального решения. В ряде случаев, когда задача (12.11)-(12.15) имеет структурные ограничения 4-го типа, и(или) критерии оптимальности и ресурсные ограничения задачи носят сложный характер и(или) выбор схемы компромисса не удается свести к принципу Беллмана-Заде для получения (генерации) различных вариантов решения задачи и выбора оптимального могут быть применены алгоритмы случайного поиска решений и (эволюционные) генетические алгоритмы. Рассмотрим построение и работу этих алгоритмов. [c.503]
Достоинством предложенного здесь определения является его четкость. Кроме того, оно хорошо соответствует применению слов интеллектуальный (или разумный ) и искусный для различения способностей к переработке информации в мире взрослых или детей, животных или машин. Наблюдая, как паук прядет паутину, мы говорим Какой он искусный . Но предположим, что вскоре после того, как паук начал свою работу, мы разрушим в разных местах несколько перемычек паук при этом будет продолжать выполнение своей генетически обусловленной программы. Увидев же, как после этого зачатки совершенной конструкции систематически превращаются в бесформенный клубок, мы говорим Какой он неразумный То же самое можно отнести и к действиям самонаводящейся ракеты и промышленного робота, к программам управления городским движением и контролирования курса акций на бирже, к вычислению орбит спутников, анализу критического пути в больших проектах, резервированию мест в самолетах, моделированию национальной экономики все они в высшей степени искусны , и в то же время мы гораздо меньше склонны применять для их описания слово интеллект , чем обсуждая, например, поведение двухлетнего ребенка. [c.380]
Первое издание было осуществлено в. 1990 г. с тех пор многое изменилось. Были изучены новые концепции, внедрены различные нелинейные технологии. Ввиду того что назначение книги как общего введения в проблему остается неизменно полезным, а эмпирический материал убедительным, явилась идея дополнить ее описаниями недавних достижений. Однако я был поставлен перед выбором. Я уже написал вторую книгу — Фрактальный анализ рынка , которая была более методична, чем Хаос и порядок на рынках капитала . Во Фрактальном анализе рынка я обсуждал более всесторонние тесты, чем те, что были доступны в 1990 г. Если бы я включил их во второе издание Хаоса и порядка , то оно стало бы копией другой книги. В то же время я хотел затронуть новые технологии, такие, как генетические алгоритмы и нечеткая логика, и их подробное обсуждение сделало бы книгу слишком длинной, громоздкой. [c.11]
Основой проведения такого анализа становится собственно возникновение субъекта, являющееся результатом процесса объективного эволюционного развития. Понятно, что его содержание, включающее этапы генетической или физиологической организации, необходимо предшествует, но непосредственно не представляет собой самоорганизацию, хотя с какого-то момента организм индивидуума развивается достаточно самостоятельно. Этот феномен является предметом исследования биологии, физиологии и других специальных дисциплин, раскрывающих процессы объективной и смешанной организации на соответствующих уровнях и в конкретных аспектах. [c.248]
Такой достаточно универсальный метод, как последовательно-преемственный анализ, позволяет обосновать и сформировать основные разряды классификации, объединяющие объекты по признакам таксономического, генетического, типологического, видового, группового или иного критериального единства на научной основе. Этот анализ становится необходимой процедурной или структурной основой [c.284]
Таким образом, в области сочетания, пересечения и взаимодействия понятий организации и управления активно формируется и развивается достаточно широкая и развернутая совокупность сфер приложения теоретических и практических интересов общества. Проведенный в этой главе анализ данной области теоретических знаний, сопоставление известных и рассмотренных положений вскрывают генетически сложную, процессуально-системную взаимосвязь понятий организации и управления, выявление и исследование которой объективно возвращается к необходимости разрешения вопроса о примате на новом уровне понимания взаимодействия этих понятий. [c.315]
Для реализации этого будут использоваться средства инструментальной дидактики, предназначение которых - объединить образный и вербальный языки мозга для целостного отражения действительности в образах -моделях представления знаний. Так как образная форма отражения генетически более ранняя и более приоритетная, то дидактические конструкции во внешнем плане должны иметь в первую очередь образные свойства. Тогда опираясь на них, мышление сможет осмысливать учебный материал с помощью операций анализа и синтеза, через внешнюю и внутреннюю речь, через свертывание и развертывание информации. [c.81]
Мир экономических явлений многообразен и динамичен, он характеризуется внутренним единством составляющих его элементов, что объективно предопределяет необходимость использования системной методологии исследования усложняющихся хозяйственных проблем. В учебнике реализован принцип единства структурно-генетического и функционального подходов к исследованию экономических явлений. В частности, при выявлении сущности собственности, рынка, а также других социально-экономических явлений используется диалектический метод, нацеливающий на поиск внутренних противоречий, обусловливающих развитие хозяйственных процессов. Анализ же поведения потребителя и производителя основывался на субъективистской и позитивистской методологии исследования и т. д. В результате применения системного метода при рассмотрении социально-экономических явлений личность предстает как "свернувшееся общество", а общество видится как "развернутая личность". [c.14]
Мотивационная структура характеризует соотношение мотивов, определяющих поведение человека. Это соотношение формируется под влиянием как генетических факторов, так и среды, в которой человек воспитывался и в которой протекала его деятельность. В общем плане мотивы поведения человека можно разделить на эгоистические и альтруистические. Первые направлены на благосостояние индивидуума, вторые — семьи, коллектива, общества. При анализе экономических систем обычно исходят из эгоистических мотивов (концепция экономического человека ). Такой подход оправдан в большинстве практических ситуаций. Вместе с тем альтруистические мотивы так же органично присущи человеку, как и эгоистические. В ходе эволюции сохранились и развивались те группы людей, которые обеспечивали эффективную заботу о детях, стариках, больных, слабых. Как подчеркивал известный генетик В. Эфроимсон, общества, которым была присуща забота о пожилых, развивались наиболее динамично вследствие накопления опыта, сохранения традиций и внутренней устойчивости [8]. [c.255]
Специфика нейросети состоит в необходимости проведения очень тщательной настройки ее многочисленных параметров (числа узлов, критериев останова, скорости обучения, коэффициентов импульса и скрытых весовых соотношений), что требует большого числа экспериментов, тестов и высокого искусства пользователя-аналитика. Другое ограничение нейросетей — это их работа только с числами и бинарными данными, причем данные должны быть масштабированы или нормализованы. Явным достоинством техники является возможность достижения высочайшей точности анализа (особенно в сочетании с другими методами, например с использованием генетических алгоритмов). [c.458]
Реактивное планирование, т.е. возврат к прошлому. Представители этого типа планирования находят свои идеалы и способ существования в прошлом, отрицают возможность достижения лучших результатов в будущем и негативно относятся к технике и современной технологии. Основной метод реактивного планирования заключается в генетическом подходе, т.е. всякая проблема исследуется с точки зрения ее возникновения и прошлого развития. Например, менеджер при анализе результатов плохой работы одного из подразделений предприятия (фирмы) приходит к выводу, что причиной этого является неправильная система обработки информации и ее анализ бухгалтером подразделения. Менеджер принимает решение — уволить бухгалтера, а на его место рекомендует принять другого, но при этом нет никаких гарантий, что новый бухгалтер будет более квалифицированным, чем уволенный. [c.11]
Торговые симуляторы могут сильно различаться по таким показателям, как мощность, емкость и скорость. Скорость важна при выполнении многих тестов или проведении сложных оптимизаций, например генетических. Скорость также важна при разработке систем для портфельной торговли или при использовании длинных внутридневных серий данных с тысячами сделок и сотнями тысяч числовых данных. В некоторых случаях от скорости симулятора зависит сама возможность проведения анализа ряд задач требует поистине огромного объема расчетов, недоступного для медленных программ. Емкость симуляторов определяет ограничения объема задач (количество баров данных, которое может загружаться или объем кода самой системы). Мощность симулятора — показатель, определяющий, как сложные тесты и задания могут выполняться на базах данных цен товаров или на целых портфелях, что важно для серьезной профессиональной торговли. Достаточно мощный симулятор требуется, например, для использования многих торговых моделей, приведенных в этой книге. [c.41]
Еще одна характеристика генетической оптимизации — то, что она хорошо работает на поверхностях с разрывами, плоскими участками и другими сложными неупорядоченными формами. Генетический метод делит это преимущество с другими неаналитическими методами — лобовым подходом, управлением пользователем и пр. При помощи генетического оптимизатора можно найти решения, максимизирующие такие показатели, как чистая прибыль, доходность, отношение Шарпа и подобные, для которых поверхность функции пригодности имеет сложную форму, с трудом поддающуюся анализу. Это не означает, что такой оптимизатор не применяется для задач с простыми поверхностями — уступая в скорости вычислительным методам, генетический оптимизатор защищен от влияния ловушек локальных экстремумов . [c.54]
Процесс производства внутренних программ (гипотез) организуется как эволюция в пространстве программ, которая в некотором роде напоминает метод генетических алгоритмов. Когда система находит гипотезу, описывающую исследуемую зависимость достаточно хорошо, начинается применение разнообразных незначительных модификаций такой программы. Указанная схема модификации программы напоминает в некотором смысле анализ [c.208]
ГЕНЕТИЧЕСКИЙ АНАЛИЗ [geneti analysis] — рассмотрение объекта с точки зрения его происхождения и прошлого развития. Напр., при создании автоматизированной системы управления изучаются различные потоки информации, обращающейся на предприятии, — отчетной, бухгалтерской и др. В этих случаях Г.а. (т. е. попытка выяснить, почему именно возникла необходимость в тех или иных показателях и как они постепенно менялись) оказывается полезным для упрощения системы показателей (в частности, для ликвидации дублирования, выявления ненужных показателей и т. д.). [c.60]
ГЕНЕТИЧЕСКИЙ ПОДХОД [geneti approa h] — применительно к прогнозированию означает, что при определении плановых заданий главная роль отводится учету сложившихся темпов развития тех или иных отраслей, предприятий и т. д., в отличие от нормативного подхода. См. также Генетический анализ. [c.60]
Существуют и другие методы изучения личности. Так введенное Л.Н. Собчик понятие ведущая тенденция , т. е. индивидуально-очерченный стиль восприятия, переработки и воспроизведения информации о познаваемом мире, которые трансформируются в мысли, переживания, поступки людей, охватывает все уровни личности от генетически заданных до высших, сформированных в ходе социализации. В ходе анализа результатов психодиагностики выявление одной или нескольких ведущих тенденций личности позволяет более точно прогнозировать поведение человека и понимать его мотивационно-ценностные приоритеты. [c.406]
ФУНКЦИОНАЛЬНЫЙ ПОДХОД К АНАЛИЗУ СИСТЕМЫ [fun tional approa h] (в отличие от генетического) — изучение реального действия, функционирования системы. Основными понятиями такого анализа считаются два процесс функционирования и закон функционирования. Процесс, или режим, функциони- [c.378]
Устойчиво парадигматические или устойчиво квазипереходные. Для этих периодов характерно наличие смены системоциклов. Если при анализе предыдущих периодов жизнедеятельности разговор шел о системе (объекте исследования) и процессах в ней, то устойчиво парадигматические периоды жизнедеятельности связаны с переходом от одной системы с другой (другим). При этом сущность самой новой системы с позиций рискологии не меняется — меняется лишь ее возраст (период существования). Такие переходы наблюдаются в реальной жизни постоянно это система времен года — весна через определенный период сменяется летом смена человеческих (биологических) поколений — внук сменяет деда, причем генетически он/они почти идентичны и разница связана с изменившимся окружением смена оборудования на предприятии на аналогичное — другое оборудование новое, неизношенное. [c.162]
Анализ перечисленных и других существующих генетических пакетов программ алгоритмов многокритериальной оптимизации, а также доступного программного обеспечения показал, что разработано множество алгоритмов со своими методиками для решения различных задач оптимизации. Однако ранее не рассматривалось решение нечеткой обобщенной распределительной задачи, которая является многокритериальной, с нечетко поставленной целью и ограничениями. Все выше сказанное послужило основанием для разработки генетического алгоритма поиска оптимального решения нечеткой распределительной задачи в рамках системы MATLAB. [c.512]
Отсюда ясно, что построение тех или иных перспектив, если план хочет быть реальным планом, — а только о таком плане и стоит серьезно говорить, — может быть осуществлено лишь в случае, если на основе изучения объективного положения народного хозяйства и тенденций его развития (под влиянием стихийных и рациональных условий) будет установлено, какие наши задачи могут быть реализованы в течение интересующего нас времени. Это положение верно как в отношении построения планов развития сельского хозяйства, так и в отношении построения планов развития промышленности, транспорта и других отраслей народного хозяйства. Его мы хотели бы подчеркнуть потому, что существует, на наш взгляд, чрезмерно категоричное и в этой своей категоричности ошибочное мнение, будто значение анализа объективной действительности для построения планов сельского хозяйства, с одной стороны, и промышленности (а также других отраслей сектора государственного хозяйства) — с другой, принципиально иное. Утверждают, что построение перспективных планов сельского хозяйства должно опираться на генетический метод, то есть на принцип простой экстраполяции стихийных тенденций этой действительности на будущее. Вместе с тем утверждают, что построение перспектив развития промышленности должно опираться на телеологический метод, то есть на метод, когда перспективы развития промышленности выдвигаются в качестве независимой целевой установки и когда значение анализа тенденций действительности отводится на второй план, если не теряет своего значения вовсе1. Нам кажется, что это мнение в такой категорической форме ошибочно. Невер- [c.574]
Позднее Н.Д. Кондратьев приходит к выводу, что сочетание статического и динамического подходов в анализе и прогнозе конъюнктуры недостаточно нужно дополнить их генетическим подходом. "Современная методология экономической науки, — пишет он в 1931 г., — вьщсляст п стремится констатировать лишь понятия экономической статики и динамики, не зная экономической генетики" (6. С 275). Он намеревался завершить цикл своих работ книгой по синтетической теории социально-экономической генетики или развития (Там же. С. 554) К сожалению, он не смог реализовать этот план. [c.726]
Последние исследования генетиков показали, что наша генетическая система совпадает с генетической системой шимпанзе на 98%. В дерзком эссе на тему когнитивной эволюции человека Ричард Бирн (Ri hard Byrne, 1999) говорит, что дистанция между нами и приматами, возможно, не так велика, как мы это представляли в своем тщеславии. А отсюда возникает забавный вопрос а смогла ли оы горилла преуспеть на Уолл-Стрит Возникают и другие, менее курьезные вопросы. Если у нас такое большое генетическое сходство с приматами, может быть, нет ничего удивительною в юм, что мы часто неправильно интерпретируем информацию и допускаем такие ошибки в вероятностном анализе Последние исследования [c.94]