Entscheidungsunterstützungssystem - DSS DEFINITION des Entscheidungsunterstützungssystems - DSS Ein Entscheidungsunterstützungssystem (DSS) ist ein computergestütztes Informationssystem zur Unterstützung der Entscheidungsfindung in einer Organisation oder einem Unternehmen. Ein DSS ermöglicht es Benutzern, massive Datenströme durchzusuchen und zu analysieren und Informationen zu kompilieren, die verwendet werden können, um Probleme zu lösen und bessere Entscheidungen zu treffen. Die Vorteile von Entscheidungsunterstützungssystemen beinhalten eine fundiertere Entscheidungsfindung, eine zeitnahe Problemlösung und eine verbesserte Effizienz für den Umgang mit Problemen mit sich schnell verändernden Variablen. BREAKING DOWN Entscheidungsunterstützungssystem - DSS Operations Management und Planungsebenen in einer Organisation können eine DSS verwenden, um Informationen und Daten zu kompilieren und sie in umsetzbare Intelligenz zu synthetisieren. Dies ermöglicht es dem Endbenutzer, mehr fundierte Entscheidungen schneller zu treffen. Was kann ein DSS Analysieren Die DSS ist eine Informationsanwendung, die umfangreiche Informationen liefert. Dies unterscheidet sich von einer Operationsanwendung, die zur Erfassung der Daten an erster Stelle verwendet würde. Ein DSS wird vor allem von der mittleren bis oberen Ebene verwaltet, und es ist der Schlüssel zum Verständnis großer Datenmengen. Zum Beispiel könnte ein DSS verwendet werden, um einen Unternehmensumsatz über die kommenden sechs Monate auf der Grundlage neuer Annahmen über Produktverkäufe zu projizieren. Aufgrund der großen Menge an Variablen, die die projizierten Umsatzzahlen umgeben, ist dies keine einfache Berechnung, die von Hand durchgeführt werden kann. Ein DSS kann mehrere Variablen integrieren und generieren ein Ergebnis und alternative Ergebnisse, alle auf der Grundlage der Unternehmen Vergangenheit Produkt Verkaufsdaten und aktuelle Variablen. Wie kann ein DSS die Informationen präsentieren Der primäre Zweck der Verwendung eines DSS ist es, Informationen an den Kunden in einer Weise, die leicht zu verstehen ist, zu präsentieren. Der Vorteil für ein DSS-System ist, dass es programmiert werden kann, um viele Arten von Berichten zu generieren, die alle auf Benutzerspezifikationen basieren. Ein DSS kann Informationen generieren und grafisch ausgeben, z. B. ein Balkendiagramm, das die projizierten Einnahmen repräsentiert, oder als schriftlicher Bericht. Wo kann ein DSS verwendet werden Da die Technologie weiter voranschreitet, ist die Datenanalyse nicht mehr auf große sperrige Großrechner beschränkt. Da ein DSS im Wesentlichen eine Anwendung ist, kann es auf die meisten Computer-Systeme, einschließlich Laptops geladen werden. Bestimmte DSS-Anwendungen sind auch über mobile Geräte verfügbar. Die Flexibilität der DSS ist äußerst vorteilhaft für Kunden, die häufig reisen. Dies gibt ihnen die Möglichkeit, jederzeit gut informiert zu sein, was wiederum die Möglichkeit bietet, die besten Entscheidungen für ihr Unternehmen und ihre Kunden zu jeder Zeit zu treffen. Entwicklungsentscheidungsunterstützungssystem für den Börsenhandel Brabazon, A. ONeill, M. Biologisch inspirierte Algorithmen für die Finanzmodellierung. Springer, Heidelberg (2006) MATH Korczak, J. Lipinski, P. Roger, P. Evolutionsstrategie bei Portfoliooptimierung. In: Collet, P. Fonlupt, C. Hao, J.-K. Lutton, E. Schoenauer, M. (Hrsg.) EA 2001. LNCS, vol. 2310, S. 156167. Springer, Heidelberg (2002) CrossRef Lipinski, P. Dependency Mining in großen Sets von Börsenhandel Regeln. In: Pejas, J. Piegat, A. (Hrsg.) Verbesserte Methoden der Computersicherheit, biometrische und intelligente Systeme, S. 329336. Kluwer Academic Publishers, Dordrecht (2005) CrossRef Lipinski, P. ECGA vs. BOA in Discovering Stock Market Trading-Experten. In: Proceedings of Genetic and Evolutionary Computation Conference, GECCO 2007, S. 531538. ACM, New York (2007) CrossRef Lipinski, P. Korczak, J. Performance-Maßnahmen in einem Evolutionary Stock Trading Expert System. In: Bubak, M. van Albada, G. D. Sloot, P. M.A. Dongarra, J. (Hrsg.) ICCS 2004. LNCS, Bd. 3039, S. 835842. Springer, Heidelberg (2004) Murphy, J. Technische Analyse der Finanzmärkte, NUIF (1998) Schwefel, H.-P. Evolution und optimale Suche. John Wiley und Söhne, Chichester (1995) Ein intelligentes Aktienhandels-Entscheidungsunterstützungssystem durch Integration von genetischem Algorithmus basiertes Fuzzy-Neuronales Netzwerk und künstliches neuronales Netzwerk R. J. Kuo Autor Links öffnen den Autor Arbeitsbereich. Öffnet den Autor-Arbeitsbereich Öffnet den Autor-Arbeitsbereich a. Zahlen und Buchstaben entsprechen der Zugehörigkeitsliste. Klicken Sie hier, um diese in den Autorenarbeitsbereich C. H. Chen Autor Links öffnen den Autor Arbeitsbereich. B. Zahlen und Buchstaben entsprechen der Zugehörigkeitsliste. Klicken Sie hier, um diese im Autor-Arbeitsbereich auszusetzen. Y. C. Hwang Autor Links öffnen den Autor Arbeitsbereich. C. Zahlen und Buchstaben entsprechen der Zugehörigkeitsliste. Klicken Sie hier, um diese in Autor Arbeitsbereich eine Abteilung für Industrial Engineering, National Taipei University of Technology, Taipei 106, Taiwan b Department of Finance, I-Shou Universität, Kaohsiung County, Taiwan 840, Taiwan c Department of Systems Engineering, Chin-Wei Computer Unternehmen, Taipei, Taiwan Die Börse, die von verschiedenen Forschern untersucht wurde, ist eine ziemlich komplizierte Umgebung. Die meisten Forschungen betrafen nur die technischen Indizes (quantitative Faktoren) anstelle von qualitativen Faktoren, z. B. Politische Wirkung. Allerdings spielt diese eine entscheidende Rolle im Börsenumfeld. So entwickelt diese Studie ein genetisches algorithmbasiertes Fuzzy-Neuronales Netzwerk (GFNN), um die Wissensbasis von Fuzzy-Inferenzregeln zu formulieren, die die qualitative Wirkung auf den Aktienmarkt messen können. Als nächstes wird der Effekt durch das künstliche neuronale Netzwerk (ANN) weiter mit den technischen Indizes integriert. Ein Beispiel, das auf dem taiwanesischen Aktienmarkt basiert, wird verwendet, um das vorgeschlagene intelligente System zu bewerten. Auswertungsergebnisse zeigen, dass das neuronale Netz, das sowohl die quantitativen als auch die qualitativen Faktoren berücksichtigt, das neuronale Netzwerk unter Berücksichtigung der quantitativen Faktoren sowohl in der Klarheit von Kaufverkaufsstellen als auch bei der Kaufverkäufe auszeichnet. Börsenvorhersage Entscheidungsunterstützung Künstliche neuronale Netze Fuzzy neuronale Netze Genetische Algorithmen Wählen Sie eine Option, um diesen Artikel zu lokalisieren: Überprüfen Sie, ob Sie über Ihre Anmeldeinformationen oder Ihre Institution Zugriff haben.
No comments:
Post a Comment