دسته: کامپیوتر
حجم فایل: 487 کیلوبایت
تعداد صفحه: 50
پروژه مطالعاتی درس سیستم های پشتیبان تصمیم گیری (DSS)
عنـوان: سیستم اطلاعاتی مدیریت (MIS)
کـارشناسی ارشـد مهنـدسی نـرم افـزاردانـشگاه پیـام نـور
فهرست مطالب
چکیده 1
مقدمه 1
مفاهیم سیستمها 3
روش سیستم ها ودیدگاه سیستمی 4
چرخه حیات سیستم 6اطلاعات 7
سیستمهای اطلاعاتی 8
سیستم های اطلاعاتی ورایانهها 10
متخصصان اطلاعاتی 12
کاربرد سیستم اطلاعاتی رایانهمحور 15
سیستم اطلاعاتی مدیریت MIS 15اداره مجازی (Virtual office)
19سیستم های پشتیبانی تصمیم (DSS)
20هوش مصنوعی سیستم های خبره و تأثیرآن برسیستم های پشتیبانی تصمیم 21
نتیجه 22
پانوشتها: 23
فهرست منابع 24
چکیده
این مقاله سیستمهای اطلاعات مدیریت MIS را پوشش می دهد. از آنجا که MIS ترکیبی از سه پدیده سیستم، اطلاعات و مدیریت میباشد ابتدا این موارد را بررسی میکند. به علت تأثیرات قابل توجه سیستمهای اطلاعاتی بر روی MIS مبحث دیگر مقاله، درباره آن میباشد. متخصصان اطلاعاتی شامل تحلیلگر سیستمها، مدیران پایگاههای داده، متخصصان شبکه، برنامهنویس ها و اپراتورها در قسمت بعدی بررسی شده است. بعد از بررسی اجزای MIS به سیستمهای اطلاعات مدیریت در حالت کلی پرداخته میشود. سیستمهای پشتیبانی تصمیم (DSS) ، تأثیرات هوش مصنوعی و سیستمهای خبره بر روی این سیستمها دیگر مبحث مقاله می باشند. آخرین قسمت نتیجه گیری، همراه با ذکر بعضی نظرات در باب مزایا و معایب کنترل از طریق نرم افزار و گسترش آن در عصر اینفوکراسی یا اطلاعسالاری می باشد.
مقدمه
اطلاعاتی که به عنوان داده های سیستم بایستی پردازش گردیده وقابل فهم وتمیرو نگهداری وبازیابی گردد. از طرف دیگرسیستم های مدیریت وابزارهای کنترل درطول زمان تغییرات زیادی پیدا کرده اند این تغییرات رامی توان درچهارزمینه کلی عنوان کرد: 1-کنترل سنتی 2-کنترل بروکراتیک 3-کنترل کاریزماتیک 4-کنترل اینفورماتیک. درساختاهای سنتی فئودالی، کنترل ازطریق سنت، ادراک واعمال می شد، مقامات کنترلی به طورسنتی وموروثی به نسلهای بعدمنتقل می گردید وجامعه نیزاین نوع ساختار کنترلی راچون سنت بود می پذیرفت وبدان گردن می نهاد. دروضعیت کاریزماتیک، کنترل از طریق رابطه بین رهبرو پیروان اعمال می گردید. دراین حالت، رهبران کاریزما، شیوه عمل را انتخاب می کردند وپیروان نیزازآنها تبعیت می کردند زیرا آنها را قبول داشتند. دربروکراسی، کنترل درساختارسازمانی تعبیه می شد، ساختاری که برقانون ومقررات استوار بود وجنبه غیرشخصی داشت وتبعیت از آن الزامی بود. دراینفوکراسی، کنترل ازطریق نرم افزارها اعمال میشود. مجموعه دانشها وآگاهیهای تخصصی، بسیاررشد کرده است واینفوکراسی می تواند هرنوع اطلاعاتی راازطریق شبکه های الکترونیکی بدست آورد. ازسیستم های خبره، استفاده کند وبه تمامی دانشهای تخصصی وحرفه ای مجهز شود.
قیمت: 20,000 تومان
خلاصه
منطق فازی، یک شبکه عصبی و سیستم خبره است که برای ایجاد یک سیستم تشخیصی ترکیبی با یکدیگر ترکیب شده اند. با استفاده از چنین سیستمی ما یک روش جدید برای فراگیری مبانی دانش استفاده می کنیم. سیستم ما شامل یک سیستم خبره فازی همراه با یک بیس دانشی با منبع دوگانه است. دو سری قوانین لازم هستند، که به صورت استنباطی از مثالهای ارائه شده و به صورت استقرایی توسط فیزیک دانان بدست آمده اند. یک شبکه عصبی فازی سعی میکند که از داده های نمونه یاد گرفته و این اجازه را می دهد که قوانین فازی برای دانش پایه را استخراج کنیم. تشخیص electroencephalograms با تفسیر عناصر نموداری بعنوان یک نوع مشاهده در روش ما بکار گرفته می شود. نتایج اولیه نشان دهنده احتمالات مورد نظر با استفاده از روش ما می باشد.
مقدمه
روشهای تکراری شناسایی و ارزیابی پدیده خاص را کار تشخیصی می نامند، که یکی از کاربردهای اصلی برای هوش مصنوعی (AI) می باشد. با توجه به اینکه رنج وسیعی از چنین کاربرهای تشخیصی وجود دارد. اگرچه رنج وسیعی از چنین کاربردهای تشخیصی در پزشکی وجود دارد ولی این بخش مورد توجه استفاده کنندگام از هوش مصنوعی قرار دارد. عمومی ترین روشهای AI در بخش پزشکی مبتنی بر دانش و مدلسازی رفتار تشخیصی متخصصان است. انواع مختلفی از چنین سیستمهای خبره ای از زمانی که SHRTLIFFE روش SHRTLIFFE MYCIN را بعنوان یک سیستم خبره برای تشخیص آسیبهای خونی انسان طراحی و معرفی کرد، بوسیله پزشکان مورد استفاده قرار گرفته است. یکی از بزرگترین مشکلات بر سر راه طراحی یک سیستم خبره مناسب، گردآوری و دانش پایه آن است. ما روش جدیدی را معرفی میکنیم که در آن دانش پایه با منبع دوگانه بوسیله یادگیری قیاسی واستقرایی ایجاد می شود. شیکه های عصبی نیز از این راه برای تشخیص استفاده میکنند. آنها قادرند رابطه بین مجموعه داده ها را با داشتن اطلاعات نمونه که نشاندهنده لایه های ورودی و خروجی آنها است، یاد بگیرند.
خلاصه
مهم ترین کاربرد داده کاوی در تلاش هایی است که برای استنتاج قواعد وابستگی از داده های تراکنشی صورت می گیرد. در گذشته، از مفاهیم منطق فازی و الگوریتم های ژنتیکی برای کشف قواعد وابستگی فازی سودمند و توابع عضویت مناسب از مقادیر کمی استفاده می کردیم. با وجود این، ارزیابی مقادیر برازش نسبتاً زمان بر بود. به دلیل افزایش های شگرف در قدرت محاسباتی قابل دسترسی و کاهش همزمان در هزینه های محاسباتی در طول یک دهۀ گذشته، یادگیری یا داده کاوی با به کارگیری تکنیک های پردازشی موازی به عنوان روشی امکان پذیر برای غلبه بر مسئلۀ یادگیری کند شناخته شده است. بنابراین، در این مقاله الگوریتم داده کاوی موازی فازی – ژنتیکی را بر اساس معماری ارباب - برده ارائه کرده ایم تا قواعد وابستگی و توابع عضویت را از تراکنش های کمی استخراج کنیم. پردازندۀ master مانند الگوریتم ژنتیک از جمعیت یگانه ای استفاده می کند، و وظایف ارزیابی برازش را بین پردازنده های slave توزیع می کند. اجرای الگوریتم پیشنهاد شده در معماری ارباب – برده بسیار طبیعی و کارآمد است. پیچیدگی های زمانی برای الگوریتم های داده کاوی ژنتیکی – فازی موازی نیز مورد تحلیل قرار گرفته است. نتایج این تحلیل تأثیر قابل توجه الگوریتم پیشنهاد شده را نشان داده است. هنگامی که تعداد نسل ها زیاد باشد، افزایش سرعت الگوریتم ممکن است نسبتاً خطی باشد. نتایج تجربی تیز این نکته را تأیید می کنند. لذا به کارگیری معماری ارباب – برده برای افزایش سرعت الگوریتم داده کاوی ژنتیکی – فازی روشی امکان پذیر برای غلبه بر مشکل ارزیابی برازش کم سرعت الگوریتم اصلی است.
کلمات کلیدی: داده کاوی، مجموعه های فازی، الگوریتم ژنتیک، پردازش موازی، قاعده اتحادیه
مقدمه
با پیشرفت روزافزون فن آوری اطلاعات (IT) ، قابلیت ذخیره سازی و مدیریت داده ها در پایگاه های داده اهمیت بیشتری پیدا می کند. به رغم اینکه گسترش IT پردازش داده ها را تسهیل و تقاضا برای رسانه های ذخیره سازی را برآورده می سازد، استخراج اطلاعات تلویحی قابل دسترسی به منظور کمک به تصمیم گیری مسئله ای جدید و چالش برانگیز است. از این رو، تلاش های زیادی معوف به طراحی مکانیسم های کارآمد برای کاوش اطلاعات و دانش از پایگاه داده های بزرگ شده است. در نتیجه، داده کاوی، که نخستین بار توسط آگراول، ایمیلنسکی و سوامی (1993) ارائه شد، به زمینۀ مطالعاتی مهمی در مباحث پایگاه داده ای و هوش مصنوعی مبدل شده است.