论文部分内容阅读
摘 要：本文试图讨论数学决策建模模型中的一些发现及其在业务流程中的应用。我们首先介绍决策模型的一些技术含义和实现。然后讨论了我们实现的几种算法，包括神经网络实现、决策模型的Java实现、专家系统外壳实现以及本体和推理机的实现。文章最后得出了对进行建模活动决策有用的结论。
关键词：决策，DSS，KBS，本体，推理机，OWL
1 引言
更好的决策意味着改进提供的信息。在这篇文章中，我们试图勾勒出从决策模型中采取行动的知识必须被实施，以改善信息，实际上为用户提供更好的信息。将决策模型用于解决问题的任务在过去被证明是成功的。它的结论是静态模型，非自适应模型，对用户具有一定的实用性，因为它们捕捉到了一种模型，这种模型以将知识从模型传递给人类的形式强加给决策者执行动作[1]。
当然，数据分析和知识提取的方法、技术和工具来自许多研究领域（人工智能、数学和统计学、心理学和认知学），应用领域是重要的。研究人员关注的是这些方法的统一，因此，这一基于计算机的建模领域的任何研究主题都是跨学科的。IT在开发决策模型时提供的功能的实现总是导致决策过程的系统方法，因此解决方案是解决功能的混合形式的技术，而不一定是决策[2]。
一般而言，在开发基于计算机理论的模型时，选择符合决策所需数据与知识平衡的表示技术是已经实现的。如果有更多的知识，那么推理规则就是解决方案。如果有更多的数据，则解决方案由数据挖掘技术表示。如果数据被标记，那么解就是有监督的学习算法。[3]如果数据没有标记，则解决方案由无监督学习算法表示。通常，数据和知识是不够的，需要使用数据来提取关系，以便发现知识或使用知识来改善数据结构之间的关系。
2 问题描述
决策建模是介于数学和计算技术之间的一个研究方向，它借助应用数学多个灵活的经济数学模型，以仿真技术为契机，致力于建立生产者在效率条件下的管理决策基础。
决策者通常需要一个界面来访问所有信息源。他们按照解决决策问题的逻辑顺序寻找信息。每一个决定有自己的逻辑顺序。决策者寻求信息，并对其进行评估：更多、更少、不太可能、可能。可视化也很重要。案例研究也很重要。相似的案例很重要。在查找信息时提供的信息提示或一些建议也是有价值的。
如果不详细讨论基于知识的系统，我们可以从一开始就说，第一个限制是由于仍然没有发现人工智能的商业用途（在业务流程辅助的意义上）而施加的。商业软件开发人员不是面向人工智能技术的。他们只知道一件事：好的人工智能意味着自动化，显然，人工智能必须应用于制造业和智能机器人。专业知识和领域问题很小，并且取决于上下文。显然，他们从数据结构分类问题出发来处理语义问题，他们为每个相关的系统建立元模型。KBS通常没有学习的可能性，因为它们不在大数据集上工作。不学习，谁也谈不上真正的智能系统。知识库不能适应，这是系统智能化的另一个重要特征。
3 问题求解
通过建模来分析决策，一方面是从接受信息处理的人的局限性的假设出发，另一方面是从考虑将判断和直觉结合起来的必要性，以及决策因素的想象力和创造性的结果。
需要记住的重要事实是，对于不能通过数学、分析或优化方法解决的问题，模拟尤其有价值。虽然模拟和优化是基于数学模型的定量方法，但这两种方法的根本區别在于决策变量的作用[4]。
在使用智能技术建模的情况下，决策变量的值是模型的输入数据。通过在知识库中融入专家知识和决策因素推理，对最佳行动方式进行评价。通过使用智能技术，可以保证业务流程的智能化。智力是某物（一个系统、仪器或存在）评估达到目标的可能性并将这种评估用于实现目标的能力（皮尔斯对智力的符号学定义）。
只有在决策因素所期望的结果可以货币化并达到最优化的情况下，才能应用决策的经济数学模型。通过智能技术对决策进行建模是在决策因素缺乏关于最佳决策实施的行为方式和推理的情况下应用的，并通过开发的信息模型融合了来自领域的知识。利用信息技术进行决策建模具有较大的覆盖面。因此，可以利用信息技术来开发基于经济的信息化解决方案。为了发展应用数学的最新研究，中提出了一种智能信息解决方案，该解决方案结合了来自特定行动领域的知识。
选择过程考虑了固定资产的效率、企业数据库中存在的会计价值、固定资产最终折旧的估算（从经验中获取的知识）、固定资产维修和现代化的最终费用程度。为了开发专家系统原型，使用了Exsys公司最新一代的专家系统生成器（Exsys Developer）。为了实现规则，系统使用决策树。生成器提供了从公司的数据库中提取必要数据的可能性。原型仍在随后的详细说明中。
固定资产的经济决策是以确定折旧维度的会计决策为基础的。在做出此决策时（在EXSYS Developer中映射到不同的决策树上），有必要在某个时间点确定是否估计在不久的将来资产的可回收价值将以小于会计价值的方式减少（定性因素记为Q5）。
关于建立资产效率趋势的知识是基于数量因素的推断，并构成概念层面的控制知识，以时间关系的方式表示。同样，在确定市场利率的实际趋势的情况下，我们谈论的是概念层面的控制知识。在这些因素中有一项出现下降趋势的情况下，触发固定资产折旧建立的知识是必要的。
为了建立预测模型，我们用神经网络实现了估计-在matlab中实现-为了建立预测模型，从统计中提取了月度数据。结果如图1所示。
4 结果分析
在触发所呈现的规则之后，存储在JESS中的事实是相同的，但是如果规则中指定的条件为真，则它们有一个名为“impairment”的附加槽。存在一个在OWL本体中定义为vocab0：mijlocfix_nrinvar（Fixed_Asset）属性的名为“deviere”（减损）的槽，具有接受的值“da”（是）和“nu”（否）。槽不属于关系数据库模式提供的本体，它是我们自己定义的，只有当规则被证明为真时，它的值才会附加到个人身上。一旦OWL本体得到改进，就可以使用SPARQL在Web浏览器中可视化它（图2）。 5 結论
本文不需要数据的通用表示标准。终端用户可以像处理照片一样为数据添加标签，他们通过创建链接来组织信息。因此，不再需要更多的标准化。OWL足以管理本体。规则与数据级别的分离提供了适应系统的可能性，并允许可伸缩性和异构性。基于规则的管理系统具有约束数据的规范。必须根据结构层次和上下文依赖关系实现数值因素与定性因素的整合。如果可以确定数字因素，那么就可以应用经济模型。如果因素是定性的，它们的评价依赖于上下文，并且是由决策者实现的，那么决策模型必须由决策者具体说明。
组织从功能方法、过程方法或领域方法开始开发物理逻辑模型或信息系统。无论是开发和实施信息系统的方法选择，困难都来自于信息组织和集成的限制。开发过程中的每个参与者都对系统模型有不同的看法，这取决于每个参与者的专业知识。最终用户想要一个以其需求为导向的系统，开发人员想要一个以其开发方法为导向的系统，而实现团队想要一个适合可用的心理架构的系统。
参考文献
[1] Mihalache，S.C，Accounting Decisions' Modelling with Intelligent Technologies，Proceedings of the 8th WSEAS International Conference，on Mathematics and Computers Business and Economics（MCBE'07），WSEAS Press，Vancouver，Canada，2007，：162-170
[2] Mihalache，S.C，The Accounting Decisions and their Modelling Using Specialized Computer-Based Tools，The International Journal of Digital Accounting Research，7（13）：25-51，2007
[3] Mihalache，S.C，Thinking in Decision Rules：Specifying a Metamodel to Organize Information，Lecture Notes in Electrical Engineering，vol. 28（2），Springer Science + Business media LLC，New York，USA，2009
关键词：决策，DSS，KBS，本体，推理机，OWL
1 引言
更好的决策意味着改进提供的信息。在这篇文章中，我们试图勾勒出从决策模型中采取行动的知识必须被实施，以改善信息，实际上为用户提供更好的信息。将决策模型用于解决问题的任务在过去被证明是成功的。它的结论是静态模型，非自适应模型，对用户具有一定的实用性，因为它们捕捉到了一种模型，这种模型以将知识从模型传递给人类的形式强加给决策者执行动作[1]。
当然，数据分析和知识提取的方法、技术和工具来自许多研究领域（人工智能、数学和统计学、心理学和认知学），应用领域是重要的。研究人员关注的是这些方法的统一，因此，这一基于计算机的建模领域的任何研究主题都是跨学科的。IT在开发决策模型时提供的功能的实现总是导致决策过程的系统方法，因此解决方案是解决功能的混合形式的技术，而不一定是决策[2]。
一般而言，在开发基于计算机理论的模型时，选择符合决策所需数据与知识平衡的表示技术是已经实现的。如果有更多的知识，那么推理规则就是解决方案。如果有更多的数据，则解决方案由数据挖掘技术表示。如果数据被标记，那么解就是有监督的学习算法。[3]如果数据没有标记，则解决方案由无监督学习算法表示。通常，数据和知识是不够的，需要使用数据来提取关系，以便发现知识或使用知识来改善数据结构之间的关系。
2 问题描述
决策建模是介于数学和计算技术之间的一个研究方向，它借助应用数学多个灵活的经济数学模型，以仿真技术为契机，致力于建立生产者在效率条件下的管理决策基础。
决策者通常需要一个界面来访问所有信息源。他们按照解决决策问题的逻辑顺序寻找信息。每一个决定有自己的逻辑顺序。决策者寻求信息，并对其进行评估：更多、更少、不太可能、可能。可视化也很重要。案例研究也很重要。相似的案例很重要。在查找信息时提供的信息提示或一些建议也是有价值的。
如果不详细讨论基于知识的系统，我们可以从一开始就说，第一个限制是由于仍然没有发现人工智能的商业用途（在业务流程辅助的意义上）而施加的。商业软件开发人员不是面向人工智能技术的。他们只知道一件事：好的人工智能意味着自动化，显然，人工智能必须应用于制造业和智能机器人。专业知识和领域问题很小，并且取决于上下文。显然，他们从数据结构分类问题出发来处理语义问题，他们为每个相关的系统建立元模型。KBS通常没有学习的可能性，因为它们不在大数据集上工作。不学习，谁也谈不上真正的智能系统。知识库不能适应，这是系统智能化的另一个重要特征。
3 问题求解
通过建模来分析决策，一方面是从接受信息处理的人的局限性的假设出发，另一方面是从考虑将判断和直觉结合起来的必要性，以及决策因素的想象力和创造性的结果。
需要记住的重要事实是，对于不能通过数学、分析或优化方法解决的问题，模拟尤其有价值。虽然模拟和优化是基于数学模型的定量方法，但这两种方法的根本區别在于决策变量的作用[4]。
在使用智能技术建模的情况下，决策变量的值是模型的输入数据。通过在知识库中融入专家知识和决策因素推理，对最佳行动方式进行评价。通过使用智能技术，可以保证业务流程的智能化。智力是某物（一个系统、仪器或存在）评估达到目标的可能性并将这种评估用于实现目标的能力（皮尔斯对智力的符号学定义）。
只有在决策因素所期望的结果可以货币化并达到最优化的情况下，才能应用决策的经济数学模型。通过智能技术对决策进行建模是在决策因素缺乏关于最佳决策实施的行为方式和推理的情况下应用的，并通过开发的信息模型融合了来自领域的知识。利用信息技术进行决策建模具有较大的覆盖面。因此，可以利用信息技术来开发基于经济的信息化解决方案。为了发展应用数学的最新研究，中提出了一种智能信息解决方案，该解决方案结合了来自特定行动领域的知识。
选择过程考虑了固定资产的效率、企业数据库中存在的会计价值、固定资产最终折旧的估算（从经验中获取的知识）、固定资产维修和现代化的最终费用程度。为了开发专家系统原型，使用了Exsys公司最新一代的专家系统生成器（Exsys Developer）。为了实现规则，系统使用决策树。生成器提供了从公司的数据库中提取必要数据的可能性。原型仍在随后的详细说明中。
固定资产的经济决策是以确定折旧维度的会计决策为基础的。在做出此决策时（在EXSYS Developer中映射到不同的决策树上），有必要在某个时间点确定是否估计在不久的将来资产的可回收价值将以小于会计价值的方式减少（定性因素记为Q5）。
关于建立资产效率趋势的知识是基于数量因素的推断，并构成概念层面的控制知识，以时间关系的方式表示。同样，在确定市场利率的实际趋势的情况下，我们谈论的是概念层面的控制知识。在这些因素中有一项出现下降趋势的情况下，触发固定资产折旧建立的知识是必要的。
为了建立预测模型，我们用神经网络实现了估计-在matlab中实现-为了建立预测模型，从统计中提取了月度数据。结果如图1所示。
4 结果分析
在触发所呈现的规则之后，存储在JESS中的事实是相同的，但是如果规则中指定的条件为真，则它们有一个名为“impairment”的附加槽。存在一个在OWL本体中定义为vocab0：mijlocfix_nrinvar（Fixed_Asset）属性的名为“deviere”（减损）的槽，具有接受的值“da”（是）和“nu”（否）。槽不属于关系数据库模式提供的本体，它是我们自己定义的，只有当规则被证明为真时，它的值才会附加到个人身上。一旦OWL本体得到改进，就可以使用SPARQL在Web浏览器中可视化它（图2）。 5 結论
本文不需要数据的通用表示标准。终端用户可以像处理照片一样为数据添加标签，他们通过创建链接来组织信息。因此，不再需要更多的标准化。OWL足以管理本体。规则与数据级别的分离提供了适应系统的可能性，并允许可伸缩性和异构性。基于规则的管理系统具有约束数据的规范。必须根据结构层次和上下文依赖关系实现数值因素与定性因素的整合。如果可以确定数字因素，那么就可以应用经济模型。如果因素是定性的，它们的评价依赖于上下文，并且是由决策者实现的，那么决策模型必须由决策者具体说明。
组织从功能方法、过程方法或领域方法开始开发物理逻辑模型或信息系统。无论是开发和实施信息系统的方法选择，困难都来自于信息组织和集成的限制。开发过程中的每个参与者都对系统模型有不同的看法，这取决于每个参与者的专业知识。最终用户想要一个以其需求为导向的系统，开发人员想要一个以其开发方法为导向的系统，而实现团队想要一个适合可用的心理架构的系统。
参考文献
[1] Mihalache，S.C，Accounting Decisions' Modelling with Intelligent Technologies，Proceedings of the 8th WSEAS International Conference，on Mathematics and Computers Business and Economics（MCBE'07），WSEAS Press，Vancouver，Canada，2007，：162-170
[2] Mihalache，S.C，The Accounting Decisions and their Modelling Using Specialized Computer-Based Tools，The International Journal of Digital Accounting Research，7（13）：25-51，2007
[3] Mihalache，S.C，Thinking in Decision Rules：Specifying a Metamodel to Organize Information，Lecture Notes in Electrical Engineering，vol. 28（2），Springer Science + Business media LLC，New York，USA，2009