ПЕРЕЛІК ДИСЦИПЛІН:
  • Адміністративне право
  • Арбітражний процес
  • Архітектура
  • Астрологія
  • Астрономія
  • Банківська справа
  • Безпека життєдіяльності
  • Біографії
  • Біологія
  • Біологія і хімія
  • Ботаніка та сільське гос-во
  • Бухгалтерський облік і аудит
  • Валютні відносини
  • Ветеринарія
  • Військова кафедра
  • Географія
  • Геодезія
  • Геологія
  • Етика
  • Держава і право
  • Цивільне право і процес
  • Діловодство
  • Гроші та кредит
  • Природничі науки
  • Журналістика
  • Екологія
  • Видавнича справа та поліграфія
  • Інвестиції
  • Іноземна мова
  • Інформатика
  • Інформатика, програмування
  • Історичні особистості
  • Історія
  • Історія техніки
  • Кибернетика
  • Комунікації і зв'язок
  • Комп'ютерні науки
  • Косметологія
  • Короткий зміст творів
  • Криміналістика
  • Кримінологія
  • Криптология
  • Кулінарія
  • Культура і мистецтво
  • Культурологія
  • Російська література
  • Література і російська мова
  • Логіка
  • Логістика
  • Маркетинг
  • Математика
  • Медицина, здоров'я
  • Медичні науки
  • Міжнародне публічне право
  • Міжнародне приватне право
  • Міжнародні відносини
  • Менеджмент
  • Металургія
  • Москвоведение
  • Мовознавство
  • Музика
  • Муніципальне право
  • Податки, оподаткування
  •  
    Бесплатные рефераты
     

     

     

     

     

     

         
     
    Обучающая система підтримки колективного рішення групи незалежних експертів
         

     

    Менеджмент

    Обучающая система підтримки колективного рішення групи незалежних експертів

    Леонід Соломонович Файнзільберг

    Запропоновано вирішальне правило, що дозволяє оцінювати стан об'єкта в умовах суперечливої інформації, отриманої від групи незалежних експертів (алгоритмів). Для використання правила достатньо мати інформацію про апріорних ймовірностях класів і умовних ймовірностях помилок експертів. Описана архітектура системи, в якій поряд з формуванням колективного рішення забезпечується уточнення імовірнісних характеристик, що фігурують у вирішальному правилі.

    Введення.

    У різних областях програми (техніка, економіка, медицина тощо) професійна діяльність людини пов'язана з прийняттям рішень, які зводяться до вибору оптимального варіанта з безлічі альтернатив [1,2]. Для підвищення ефективності прийнятих рішень часто використовується інформація, отримана від групи експертів [3-5]. У цьому випадку виникає необхідність формування колективного рішення на основі "Інтеграції" приватних рішень членів групи. Типовим прикладом подібного колективу є медичний консиліум, який приймає остаточне рішення на основі врахування приватних рішень окремих фахівців [6]. Ідея колективного рішення отримала також популярність не лише для групи людей, а й для сукупності формальних алгоритмів [7-19].

    Відомі різні підходи до інтеграції приватних рішень. В одних випадках пропонується використовувати метод голосування (majority vote method) [9,10] або ранжирування (label ranking method) [11, 12]. В інших - використовувати схеми, засновані на усередненні або лінійної комбінації апостеріорного ймовірностей, які оцінюються окремими класифікаторами [13,14], або використовувати алгоритми нечітких правил (fuzzy rules) [15]. Розвиваються також підходи, засновані на виділення в просторі спостережень локальних областей, у кожній з яких тільки один з приватних класифікаторів "компетентний" приймати рішення [16,17].

    Всі ці роботи мають безсумнівний теоретичний інтерес і дозволяють обгрунтувати вибір тієї чи іншої схеми інтеграції, якщо приватні рішення приймаються на основі формальних правил. У той же час досить часто на практиці експерти беруть свої рішення неформально, покладаючись на свій попередній досвід та інтуїцію.

    Зрозуміло, в цих практично важливих випадках також потрібно обгрунтований підхід до інтеграції приватних рішень експертів. Наприклад, яке остаточне рішення повинне бути прийняте, якщо в результаті незалежного обстеження частина спеціалістів (експертів) визнала пацієнта здоровим, а інша частина - хворим?

    Можна навести й інші не менш актуальні приклади необхідності прийняття колективних рішень в умовах обмеженої апріорної інформації про те, яким чином експерти беруть свої приватні рішення.

    В цій статті розвивається один з можливих підходів до вирішення таких завдань, запропонований в [18].

    Постановка завдання.

    Нехай деякий об'єкт Z може перебувати в одному з М можливих станів (класів) V1 ,..., VM з відомими апріорними ймовірностями P (V1), ..., P (VM),. Ясно, що якщо не мати у своєму розпорядженні будь-якої додатковою інформацією, той стан Z завжди слід відносити до класу, який має найбільшу апріорну ймовірність. У цьому випадку величина

    P0 = 1 - max (P (V1 ),..., P (VM)), (1)

    визначає мінімальну ймовірність помилкової класифікації.

    Припустимо тепер, що мається N експертів (алгоритмів) A1, ..., AN, які незалежно один від іншого приймають рішення

         
     
         
    Реферат Банк
     
    Рефераты
     
    Бесплатные рефераты
     

     

     

     

     

     

     

     
     
     
      Все права защищены. Reff.net.ua - українські реферати !