Кодирование информации и нейросетевые технологии

Размещено на http://www.allbest.ru/

МИНИСТЕРСТВО СЕЛЬСКОГО ХОЗЯЙСТВА

РОССИЙСКОЙ ФЕДЕРАЦИИ

ФГБОУ ВПО «ВОРОНЕЖСКИЙ ГОСУДАРСТВЕННЫЙ АГРАРНЫЙ УНИВЕРСИТЕТ ИМЕНИ ИМПЕРАТОРА ПЕТРА I»

Кафедра информационного обеспечения и моделирования агроэкономических систем

Контрольная работа по дисциплине

«Информационные системы и технологии в экономике»

Выполнила студентка

Э-Бух-(2уск)-2016 Титова Мария Алексеевна

Проверил к.э.н., доц. Горюхина Е.Ю.

Воронеж 2017

Содержание

информация кодирование нейросетевой система

1. Системы кодирования экономической информации

2. Понятие проектов и проектирования, цели и задачи проектирования АИС

3. Нейросетевые технологии в финансово-экономической деятельности: понятие нейрона и искусственного нейрона, нейросети, виды нейросетей, понятие нейросетевой технологии, свойства нейросетевой технологии, виды задач, решаемые с использованием нейротехнологий

Список использованной литературы

1. Системы кодирования экономической информации

Система кодирования применяется для замены названия объекта на условное обозначение (код) в целях обеспечения удобной и более эффективной обработки информации.

Соответственно, Код - условное обозначение объекта знаком или группой знаков по определенным правилам, установленным системами кодирования. Коды могут быть цифровыми, буквенными, комбинированными. Код характеризуется длиной (числом позиций) и структурой (порядком расположения символов).

Процесс присвоения объектам кодовых обозначений называется кодированием. Основная цель кодирования состоит в однозначном обозначении объектов, и в обеспечении необходимой достоверности кодируемой информации.

Кодирование позволяет выполнять основные функции обработки экономической информации:

· сортировку и поиск информации по ключевым признакам;

· формирование сводных отчетов по различным признакам и подведение итогов по всем группировочным признакам;

· декодирование при переходе от кодов-признаков к их наименованиям при печати сводных отчетов.

Требования, предъявляемые к кодам:

· охват всех объектов, подлежащих кодированию;

· однозначное обозначение объектов;

· возможность расширения объектов кодирования без изменения правил их обозначения;

· единство кодов для разных задач внутри одного экономического объекта (например, коды материалов, подразделений должны быть едиными для задач бухгалтерского учета и технической подготовки производства);

· стабильность, удобство восприятия и запоминания кодовых обозначений, простота заполнения и обработки;

· максимальная информированность кода при его минимальной значности;

· возможность автоматического контроля кодовых обозначений с целью обнаружения ошибок (для чего в код вводится контрольное число).

Информация кодируется по определенной системе кодирования. Под системой кодирования понимается совокупность правил, определяющих построение кода.

Применяется несколько видов систем кодирования, среди которых наиболее распространены: порядковая, серийная, позиционная, комбинированная и штриховая.

Выбор системы кодирования зависит от количества выделяемых признаков в номенклатуре, числа позиций в каждом признаке, степени устойчивости номенклатуры.

Порядковая система кодирования - все позиции номенклатуры кодируются по младшему признаку, без учета старших признаков. Всем позициям присваиваются порядковые номера без резерва. Коды системы малозначны, просты, но нет возможности подведения итогов по старшим признакам, т.к. при кодировании учитывался лишь младший признак, и отсутствуют резервные позиции. С появлением новых объектов нарушается логическая стройность. Поэтому порядковая система используется при кодировании устойчивых однопризначных номенклатур. Примером такого справочника может служить справочник видов начислений заработной платы (таблица 4).

Таблица 4

Характеристика структуры показателя

Серийная система кодирования предполагает выделение среди объектов отдельных классов, серий. Эта система позволяет закодировать двух и более призначные номенклатуры. Каждой группе старших признаков присваивается серия номеров. В пределах этой серии каждая позиция младших признаков номенклатуры кодируется порядковым номером. Эта система кодирования предусматривает резервные номера для старших порядков номенклатуры (резерв серии) и позволяет получать сводные итоги по всем группировочным признакам (итог по серии). Используется при небольшом количестве групп.

Например, на предприятии имеются основное производство, включающее 7 цехов, вспомогательное производство - 4 цеха, служба управления, состоящая из пяти отделов. Тогда серийный код с учетом возможного расширения будет иметь вид:

01…07 - цеха основного производства; 11….14 - цеха вспомогательного производства;

21….25 - отделы службы управления.

Структура кода может быть отображена следующим образом:

Рис. 8 Структура кода

Достоинством серийной системы кодирования считается сравнительно небольшая длина кода и возможность добавления новых объектов в группу без нарушения логичности системы. К ее недостаткам следует отнести отсутствие четкой границы между сериями и трудности запоминания серий.

Позиционная система кодирования используется для кодирования сложных номенклатур, объекты которых могут формироваться по различным признакам. Отражает иерархическую соподчиненность признаков классификации. При позиционной системе кодирования четко выделяется каждый признак и ему отводится один или несколько разрядов в зависимости от его значности. Затем каждый признак кодируется отдельно (часто начиная с 1, 01, 001 и т.д.) - в зависимости от значности признака. Например, для счета 10 «Материалы» выделяют уровни, показанные на рисунке 9. Тогда код 107301 обозначает номер счета - 10, строительный материал - 7, номер склада - 3, номенклатурный номер - 01.

Коды, генерируемые по данной системе, характеризуются простотой построения, логичностью, большой информативностью, позволяют закодировать неограниченное количество классификационных признаков.

Рис. 9 Структура кода

Однако жесткая структура предварительной классификации не позволяет закодировать группировки, не предусмотренные заранее.

Комбинированная система кодирования предусматривает четкое выделение всех признаков номенклатуры. Далее каждый признак может кодироваться по любой системе: порядковой, серийной или позиционной. Эта система более гибкая, используется для кодирования больших и сложных номенклатур и широко применяется при решении экономических задач, т.к. обеспечивает автоматическое получение всех необходимых итогов по нескольким соподчиненным или независимым признакам.

Для повышения эффективности производства, торговли, транспорта, банковского дела широко применяется система штрихового кодирования, позволяющая обеспечить быстрый ввод информации для последующего быстрого решения задач, связанных с фиксацией факта поступления товара или услуги и отслеживанием последующих этапов их движения.

Штриховое кодирование является автоматической идентификацией и используется метод оптического считывания информации. Оно основывается на принципе двоичной системы счисления: информация запоминается как последовательность 0 и 1. Широким линиям и широким промежуткам присваивается логическое значение - 1, узким - 0. Штриховое кодирование есть способ построения кода с помощью чередования широких и узких, темных и светлых полос.

Цель штрихового кодирования информации заключается в отражении таких информационных свойств товара, которые обеспечивают возможность проследить за его движением к потребителю. Применение штрихового кодирования позволяет получить необходимую информацию, характеризующую товар, его свойства, и обеспечить возможность эффективного управления товародвижением, автоматизировать процессы расчетов за продаваемые товары и, следовательно, повысить эффективность управления производством.

Система штрихового кодирования информации представляет собой совокупность вида штриховых кодов и технических средств нанесения на носители информации, верификации (контроля) качества печати, считывания с носителей, и предварительной обработки данных.

Существуют 3 особенности применения штриховых кодов:

· считывание, контроль и декодирование кода осуществляется микропроцессорными устройствами, что требует использования специализированных технических средств и соответствующего программного обеспечения;

· в ПЭВМ заранее записываются стандартные характеристики товара для последующего сопоставления их с кодом товара и для использования их при решении задач сбыта в качестве условно-постоянных данных;

· считывание данных со штрих-кода происходит автоматически без искажений.

Основными техническими средствами нанесения штриховых кодов на носители информации (бумага, самоклеющаяся пленка, металл, керамика, текстильное полотно, пластмасса, резина и др.) являются оборудование для изготовления мастерфильмов (шаблонов штриховых кодов) и компактные печатающие устройства различного принципа действия. Для считывания штрихового кода с носителей информации используются сканирующие устройства различного типа: контактные карандаши и сканеры; лазерные сканеры и мобильные терминалы, считывающие информацию на расстоянии. Мобильный терминал обеспечивает считывание информации с носителей, предварительную обработку данных, их передачу на ПЭВМ для дальнейшего обобщения и анализа.

Существуют следующие виды штриховых кодов:

· Западногерманская - BAN;

· Американская - UPC;

· Европейская - EAN;

· Японская - CALRA-CODE.

Западногерманская система BAN была введена в ФРГ в 1968 г. для кодирования потребительских товаров. Код состоит из 8 цифр (рис.10).

Рис. 10 Структура кода BAN

Американская система UPC введена в 1973 г. в США и Канаде в систему розничной торговли (UPC - универсальный товарный код). Символ кода включает 12 цифр, префикс стран всегда состоит из двух цифр.

Каждая позиция кода образована двумя темными и двумя светлыми полосами, ширина и расстояние между которыми отмеряется с помощью фотоэлектронного устройства. Светлая полоса означает ноль, темная - единицу.

Код UPC бывает трех видов:

· UPC - А - содержит 11 информационных и 1 контрольный знак. Предназначен для кодирования продовольственных и не-продовольственных товаров, реализуемых через систему супермаркетов;

· UPC - D - предназначен для непродовольственных товаров;

· UPC - E - состоит из 6 знаков и представляет собой половинную версию UPC - А. Применяется для кодирования товаров, имеющих малые геометрические размеры, например, фармакологические, канцелярские и прочие товары.

Европейская система EAN используется с 1977г., для введения которой была основана международная европейская ассоциация кодирования товаров (JANA). Система EAN представляет собой международный стандарт, в соответствии с которым осуществляется разработка технических средств для нанесения и считывания кодов обозначений. Символ кода состоит из цифровых обозначений и штрихов. Цифровые обозначения состоят из 8, 13 либо 14 цифр (рис. 11).

Рис. 11 Код системы EAN13

Основным принципом кодирования EAN является наличие однозначного идентификационного кода, полученного согласно правилам кодирования EAN для каждого продукта (товара). Код EAN не классифицирует, а идентифицирует товары таким образом, что никакой другой товар не может иметь такого же кода. Его наличие позволяет потребителю определить страну-импортера товара (первые 3 цифры), код предприятия-производителя (его конкретный номер), код товара и, в случае необходимости, предъявить претензии к качеству товара и его безопасности.

Японская система Calra-Code введена в Японии в 1987 г. и представляет собой систему графического кодирования. Она состоит из 10 больших квадратов, каждый из которых разделен на меньшие одинаковой величины. Каждому квадрату приписана определенная цифра (рис. 12).

Рис. 12 Кодирование цифр и букв в системе Calra-Code

Штриховка соответствующих полей создает возможность получения большого количества комбинаций на 10 больших квадратах и позволяет закодировать миллиард алфавитно-цифровых комбинаций. Варианты штриховки малого квадрата по отношению к основному позволяют осуществлять кодирование соответствующих товаров. Эта система более проста в применении и содержит большой объем информации, причем устройство для расшифровки дешевле и эффективнее при нечетном шрифте, прочитать который можно при искажении квадрата до 1 мм. Однако данная система применяется только в Японии.

Кроме рассмотренных применяется еще несколько систем кодирования, например, PDF417, Aztec и др., однако широкого распространения они не получили.

Для получения данных или чтения штрих-кода применяется несколько классов устройств: сканеры штрих-кода, щелевые считыватели штрих-кода, сканеры световое перо, терминалы сбора данных.

Сканер штрих-кода предназначен для чтения штрих-кодов с различных поверхностей: если это стационарный сканер, то предмет со штрих-кодом подносится к окну сканера и чтение штрих-кода происходит автоматически; если это ручной сканер, то необходимо навести луч сканера на штрих-код и нажать кноп-ку для чтения штрих-кода.

Щелевой считыватель штрих-кода предназначен для чтения штрих-кодов с карточек, для чего необходимо провести кар-точку вдоль щели устройства.

Сканер световое перо представляет собой специализированный сканер штрих-кода, используемый в офисах для чтения штрих-кодов с ровных поверхностей. Для считывания штрих-кода необходимо провести головку сканера вдоль штрих-кода.

Сканер штрих-кода, щелевой считыватель штрих-кода и световое перо не предназначены для запоминания данных считанного штрих-кода, большинство моделей сразу после чтения штрих-кода передают его данные для дальнейшей обработки.

Терминал сбора данных является многофункциональным сканером штрих-кода, снабженным внутренней памятью и процессором, способным накапливать и обрабатывать данные по считанным штрих-кодам.

Следует отметить, что штриховое кодирование информации продукции непрерывно развивается и следует ожидать развития на практике других комбинаций штриховых кодов и принципов кодирования информации.

2. Понятие проектов и проектирования, цели и задачи проектирования АИС

Создание и внедрение АИС предполагает частичный или полный пересмотр деятельности управленческого аппарата предприятия, фирмы, организации. Поэтому созданию АИС всегда предшествуют подготовительные работы, завершающиеся разработкой соответствующей технической документации.

Техническая документация представляет собой экономико-организационную модель системы обработки информации. Чем качественнее разработана техническая документация, тем быстрее и эффективнее будет разработана и реализована на ЭВМ АИС. Процесс разработки технической документации называется проектированием. Документ, получаемый в результате проектирования, называется проектом.

Процесс проектирования заключается в подготовке проектных документов и внедрении человеко-машинной системы управления организацией (объектом автоматизации). Основу такой системы составляет автоматизированная технология получения необходимой информации для принятия обоснованных решений специалистами в режиме реального времени.

Цель проектирования АИС заключается в определении и формировании обеспечивающих и функциональных подсистем АИС. Методическую основу проектирования составляют системный подход и математическое моделирование изучаемых процессов. Системный подход позволяет исследовать свойства отдельных подсистем и рассматривать их как систему в целом.

Математическое моделирование применяется при изучении информационных потоков и определении связей между объектами системы. В процессе проектирования выявляются наиболее существенные характеристики экономического объекта, изучаются его внешние и внутренние информационные потоки, создаются математические и физические аналоги исследуемой системы и ее элементов, устанавливаются условия взаимодействия человека и технических средств.

Объектами проектирования являются:

обеспечивающие подсистемы, реализующие процедуры сбора, передачи, накопления и хранения информации, ее обработки и формирования результатов расчетов в нужном для пользователя виде;

функциональные подсистемы, реализующие конкретные функции объектов автоматизации, например, управление инвестициями, оперативное управление производством, управление маркетингом, финансовой и внешнеэкономической деятельностью, бухгалтерский учет и формирование отчетности, делопроизводство и др.

Основными нормативными документами, регламентирующими процесс создания любого проекта ИС, являются ГОСТы на создание и документальное оформление автоматизированных систем.

3. Нейросетевые технологии в финансово-экономической деятельности: понятие нейрона и искусственного нейрона, нейросети, виды нейросетей, понятие нейросетевой технологии, свойства нейросетевой технологии, виды задач, решаемые с использованием нейротехнологий

В составе технологий интеллектуального уровня определенное место занимают аналитические информационные технологии, которые относятся к классу нейронных сетей. В основе нейронных сетей положены алгоритмы, обладающие способностью самообучения на примерах, которые они извлекают из потока информации как скрытые закономерности.

Будучи мощным технологическим инструментом, нейросетевые технологии облегчают специалисту процесс принятия важных и неочевидных решений в условиях неопределенности, ограниченных информационных ресурсов или дефицита времени.

Эти важные свойства и определили практическое применение нейросетевых технологий.

Еще одним из достоинств нейронных сетей является их способность адаптироваться к изменениям условий решаемой задачи. Механизм адаптации базируется на идее самообучения. Алгоритм самообучения не требуют каких-либо предварительных знаний о существующих в предметной области взаимосвязях. Здесь надо только подобрать достаточное число примеров, описывающих поведение моделируемой системы в прошлом. Основанная на нейросетях технология не предъявляет повышенных требований к точности входных данных как на этапе самообучения, так и при их применении.

Примером может служить распознавание симптомов приближения критических ситуаций для краткосрочных, а иногда и долгосрочных прогнозов.

Таким образом, нейросетевая технология обладает двумя следующими необходимыми свойствами:

· способностью обучаться на конкретном множестве примеров;

· умением стабильно распознавать и прогнозировать новые ситуации с высокой степенью точности даже в условиях внешних помех, например при появлении противоречивых или неполных значений в потоках информации.

В течение последнего десятилетия были разработаны разнообразные предложения по применению нейронных сетей в бизнесе и исследовании операций. Назовем основные задачи:

Классификация. Должным образом разработанная нейронная сеть может использоваться как классификатор. После обучения нейронная сеть может определять класс принадлежности некоторой характерной черты. Нейронные сети можно использовать при анализе кредитоспособности, чтобы предсказать банкротство фирмы, оценить активы и обязательства. В банках нейронные сети можно использовать для обнаружения подделки кредитной карточки.

Построение эмпирической кривой и анализ временных рядов. Процесс обучения во многих типах нейронных сетей может рассматриваться как построение эмпирической кривой. Аналитики - маркетологи, используя нейронные сети, могут определять рыночные функции отклика, основанные на временных данных. Руководители производства могут предсказывать производительность фирмы, основываясь на кривых, представленных обученными нейронными сетями. Многие финансовые учреждения используют нейронные сети для финансового прогноза и управления инвестициями.

Кластеризация. Неконтролируемые обучающиеся нейронные сети обычно используются в кластерном анализе для группировки объектов без априорного знания классов. Идентификация потребительских сегментов и группировка технологических деталей могут служить примером.

Оптимизация. Поскольку процесс обучения в нейронных сетях должен минимизировать заранее определенную ошибку или энергию, нейронные сети могут использоваться для решения задач оптимизации. Например, задача оптимального планирования работы магазина и минимизации потерь могут быть решены с использованием нейронных сетей.

Интенсивное продвижение на рынок нейросетевых технологий началось в 1990-х гг. Появилось новое поколение систем этого класса, основанное на достаточно мощных, но недорогих и простых в использовании персональных ЭВМ. Среди систем этого поколения можно назвать нейросетевой пакет Brain Maker американской фирмы California Scientific Software. В настоящее время это один из самых популярных нейросетевых пакетов на рынке США. На российском рынке он появился в финансово-кредитной сфере, где стал довольно широко применяться в аналитической работе банков. Кроме финансовой сферы пакет начал использоваться и в решении задач структур исполнительной власти.

В России популярность приобрели системы Brain Maker Professionall и Neuroforester. Работа алгоритма здесь заключается в управлении процессом общения на некотором множестве примеров, а также стабильном распознавании новых ситуаций с высоким уровнем точности.

В отличие от Brain Maker Professional в пакете Neuroforester для решения прогнозных задач ряд процедур выполняется автоматически. Например, автоматически выбирается оптимальное число дней для решения прогнозной задачи. Пакет имеет инструменты для предварительной обработки данных:

· корреляционный анализ, позволяющий определять значимость входных параметров прогноза;

· анализ с помощью масштабных преобразований;

· диаграмма-распределение зависимости прогнозируемой величины от входных параметров.

Указанные свойства обеспечивают системе хорошее качество прогноза и результаты решения задач представляются в удобном графическом виде, что обеспечивает эффективное принятие решений.

Список использованной литературы

1. Информационные системы в экономике: учебное пособие/ А.В. Улезько, Е.Ю. Горюхина, С.А. Кулев, С.М. Кусмагамбетов, И.М. Семенова, Л.И. Литвинова; под ред. А.В. Улезько. Воронеж: ФГБОУ ВПО Воронежский ГАУ, 2013. 215 с.

2. Балдин, К.В Информационные системы в экономике: Учебник / К.В Балдин, В.Б. Уткин. М.: Дашков и К, 2015. 395 c.

3. Бодров, О.А Предметно-ориентированные экономические информационные системы / О.А Бодров. М.: ГЛТ, 2013. 244 c.

4. Буреш, О.В. Интеллектуальные информационные системы управления социально-экономическими объектами / О.В. Буреш, М.А. Жук. М.: Красанд, 2012. 192 c.

5. Варфоломеева, А.О. Информационные системы предприятия: Учебное пособие / А.О. Варфоломеева, А.В. Коряковский, В.П. Романов. М.: НИЦ ИНФРА-М, 2013. 283 c.

6. Гвоздева, В.А. Информатика, автоматизированные информационные технологии и системы: Учебник / В.А. Гвоздева. М.: ИД ФОРУМ, НИЦ ИНФРА-М, 2013. 544 c.

Размещено на Allbest.ru