خلاصه
برای رقابت در محیط سخت، الکترونیزه کردن این انکان را برای کسب و کار ایجاد کرده تا سیستم های هوش کسب و کار (BI) را به منظور تصمیم گیری، بکار گیرد. به هر حال، برای جلوگیری از تجارب ناکارامد در طی این آرایشات، این مسئله حائز اهمیت می باشد تا تاثیر فکتورهای سیستم هوش کسب و کار BI را مشخص کنیم و روش ارزیابی مناسبی را برای سنجش عملکرد سیستم های هوش مصنوعی پیدا کنیم. در این مقاله، مدل ارزیابی مبتنی بر فرایند شبکه تحلیلی (ANP) ایجاد شده تا به ارزیابی کارایی سیستم های هوش کسب و کار بپردازد. علاوه بر این پرسشتامه کارشناسانه ای مورد استفاده قرار می گیرد تا به تصفیه ماتریس های عملکردی مفید بپردازد، که به عنوان زیر شاخه ای برای مدل ANP می باشد. در نهایت مورد واقعی با استفاده از مدل ارزیابی کارآمد مبتنی بر ANP ساختاری برای سیستم های هوش کسب و کار مورد استفاده قرار می گیرد. نتایج نشان می دهد که مهمترین فاکتوهایی که بازدهی سیستم هوش کسب و کا را تحت تاثیر قرار می دهند عبارتند از: استفاده از این مدل برای ارزیابی عملکرد هوش کسب و کار نمونه مورد مطالعه، ابن مورد نشان می دهد که بهبود 24% در بازدهی حاصل شده است، که شامل درک سطح مدیریتی می باشد. بنابراین، چنین مدل ارزیابی کارآمدی، می تواند برای ارزیابی عملکرد سیستم هوش کسب و کار مورد استفاده قرار گیرد. آن همچنین شاخص عملکرد و مسیرخای بهبود را برای کاربران و فروشندگان هوش کسب و کار، برای جایگزین کردن کلی در بازدهی و حبران سیستم ایجاد می کند.
مقدمه
سازمانهای سنتی معمولا با مسائلی مانند ازدحام داده و کمبود اطلاعات کمبود دانش ناکافی بودن گزارشات روبرو هستند. در نتیجه برای تصمیم گیری به موقع در کمترین زمان ممکن در شرایط مورد نیاز سطوح بالای مدیریت معمولاً تصمیمات را بر اساس تجربیات خودشان اخذ می کنند که این نیز به نوبه خود باعث بالا رفتن ریسک تصمیم گیری و یا حتی پایین آمدن ارزش تصمیم گیری آنها می شود.
در حالی که رقابت جهانی در حال بیشتر شدن است روش های تصمیم گیری قدیمی دیگر نیازمندی سازمانها را برطرف نمی کند. سازمانها باید استفاده خوبی از ابزارهای الکترونیکی جهت استخراج اطلاعات از حجم زیاد داده داشته باشند. روشی که سازمانها برای توسعه الکترونیکی شدن از لایه عملیاتی به لایه مدیریتی در پی می گیرند موضوعی است که در موج جدید الکترونیکی شدن غیرقابل اجتناب است.
دسته: هوش مصنوعی
حجم فایل: 478 کیلوبایت
تعداد صفحه: 29
سیستم های خبره
Expert Systems
مقدمه
هوش مصنوعی
سیستم های خبره
اجزای سیستم های خبره
ویژگی های سیستم های خبره
انواع مسائل قابل حل با سیستم های خبره
مزایای سیستم های خبره
کاربرد سیستم های خبره در قلمرو امور مالی
کاربرد سیستم های خبره در قلمرو حسابداری
مشکلات و محدودیت های سیستم های خبره
مقدمه
امروزه توسعه و رشد سریع فناوری اطلاعات تمام جنبه های زندگی بشر را تحت تأثیر قرار داده و شاید بتوان گفت انقلابی بزرگ در زندگی بشر ایجاد شده است. علوم دیگری از جمله علوم انسانی و به طور مشخص تر حسابداری و علوم مالی نیز از تأثیرات این توسعه بی نصیب نمانده اند.
در سال های اخیر، تلفیق علم حسابداری و نوآوری های عرصه فناوری اطلاعات و ارتباطات سبب شده تا با استفاده از ابزارها و روش های نوین شاهد سرعت و دقت روزافزون درسیستم های مالی باشیم.
یکی ازاین نوآوری ها، استقرار سیستم خبره درقلمرو مالی و حسابداری است که هزینه های عملیاتی را کاهش داده و ارائه خدمات مالی را بسیار سودآور کرده است.
قیمت: 3,000 تومان
چکیده
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 می کند 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 Shrtlifee روش Shrtlifee Mycin را بi عنوان 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 می کنیم 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 می کنند. آنها قادرند رابطه بین مجموعه داده ها را با داشتن اطلاعات نمونه که نشان دهنده لایه های ورودی و خروجی آنها است، یاد بگیرند.