■吳 俊 ■貴陽合為工程股份有限公司,貴州 貴陽 550081
當今社會,信息化和電子化已經(jīng)成為了知識經(jīng)濟發(fā)展的主流,而傳統(tǒng)經(jīng)濟管理過程中所適用的數(shù)據(jù)處理方法已經(jīng)很難完成對現(xiàn)代經(jīng)濟管理過程中龐大而又復雜的信息的處理,因此,在新的信息化經(jīng)濟時代,對于經(jīng)濟管理,必須要以電子化為其基礎(chǔ),積極探索一些新技術(shù)的使用,以有效降低經(jīng)濟管理成本,提高經(jīng)濟管理效率。
在經(jīng)濟管理過程中,往往要求對工作過程中產(chǎn)生的龐大信息做處理,這些信息數(shù)據(jù)均是事業(yè)單位或企業(yè)的重要資源信息,從這些信息數(shù)據(jù)中挖掘出一些有用的信息對于決策者來說意義重大。但是由于這些信息量極為龐大,對信息管理工作人員來講,怎樣從許多龐大的信息中挖掘有用信息并加以分析處理,使得企業(yè)決策者能夠更好的做出決策,是當前經(jīng)濟管理工作人員要求重點關(guān)注一個問題[1]。另外,雖然當前很多的經(jīng)濟管理工作人員已經(jīng)找出了一些方法來對這些龐大信息數(shù)據(jù)進行處理,但是這些方法在具體應(yīng)用過程中,總是差強人意,這使得企業(yè)決策者在進行決策時很多仍然憑主觀意愿去進行,這樣的決策使得企業(yè)面臨的風險極多,但是隨著計算機科學與技術(shù)的高速發(fā)展,使得經(jīng)濟管理工作人員對這些數(shù)據(jù)信息處理時有了極大的便利。
人工神經(jīng)網(wǎng)絡(luò)技術(shù)的研發(fā)其主要受到生物解剖學與神經(jīng)生理學的啟發(fā),一個單個神經(jīng)細胞通常叫做神經(jīng)元,而整個神經(jīng)元主要由胞體、樹突、軸突等組成,通常情況下胞體與樹突接收從其他神經(jīng)元傳輸來的信息,然后在軸突的突觸區(qū)域?qū)⑿畔鬟f至其他神經(jīng)細胞,這樣就完成了信息的傳遞。而科學家們受到這一原理的啟發(fā)之后,就發(fā)明了映射算法,其有著自組織特征,這樣信息的有效傳遞得到了保證。而人工神經(jīng)網(wǎng)絡(luò)技術(shù)就是基于神經(jīng)元結(jié)構(gòu)并使用映射算法來進行設(shè)計的。另外隨著計算機技術(shù)的高速發(fā)展,對于外部世界人們均是利用數(shù)字向量進行表示的,并且這一表示使得人們在很多的自然科學研究中均獲得了極大的成功。而經(jīng)濟管理中神經(jīng)網(wǎng)絡(luò)也可通過向量來對外部事件進行標記,但是該技術(shù)的具體運算卻和通常使用的數(shù)字計算機方式有很大差異。
當前經(jīng)濟管理過程中所用到的人工神經(jīng)網(wǎng)絡(luò)技術(shù)其是受到生物神經(jīng)學等學科的啟發(fā)而研發(fā)的一種新型的相對智能的信息加工系統(tǒng),因為其主要結(jié)構(gòu)是對生物神經(jīng)系統(tǒng)的一種仿造,因此其也具備了一些相對的智能功能。
人工神經(jīng)網(wǎng)絡(luò)技術(shù)其在設(shè)計之初就使用了并行計算與分布存儲功能,因此其具備對系統(tǒng)輸入的數(shù)據(jù)信息與系統(tǒng)嵌入模式間的聯(lián)想記憶功能,該功能在具體的信息處理時,能夠及時的將一些相互關(guān)聯(lián)的信息做合并處理,使得海量數(shù)據(jù)處理更加便捷、高效。
當前很多的信息處理軟件,信息輸入與輸出時的線性映射關(guān)系均很難建立,這樣的處理軟件很難完成一些已知模型的建立,而人工神經(jīng)網(wǎng)絡(luò)技術(shù),其采用映射算法,并且其和大多數(shù)的數(shù)學計算機運算方式不同,因此其能夠很好的完成非線性映射,而在經(jīng)濟管理工作中,通過該技術(shù)這一功能,常??梢詫⑹占降男畔⒔⑵鸲嗑S非線性函數(shù)數(shù)學模型,這樣數(shù)據(jù)信息反應(yīng)的實際情況將更加清晰直觀,決策者就能夠做出更加準確的決策。
人工神經(jīng)網(wǎng)絡(luò)技術(shù)能夠完成對輸入信息樣本的自動分類和識別,該能力極為精準和強大,而過去經(jīng)濟管理過程中僅能夠完成信息的同類歸納,異類相互分離的識別和分類,該技術(shù)更進一步的完成了對于非線性曲面中逼近類問題的識別和分類,并且其對該類問題還具有較好的處理功能。
人工神經(jīng)網(wǎng)絡(luò)技術(shù)與傳統(tǒng)的經(jīng)濟管理中所用的軟件最大的不同就是其能夠通過對輸入、輸出信息的處理與分析而找出其中的規(guī)律,然后得出一定的結(jié)論,并且這一結(jié)論并不是最終結(jié)論,其擺脫了過去單純的一次加工,實現(xiàn)了對結(jié)論存儲及再加工[2],也就是說,其能夠在無先驗知識的情況下,自動對輸入、輸出的數(shù)據(jù)中特征做抽取,并找出規(guī)律,最終構(gòu)建能夠表達的模型,這樣決策者將能夠?qū)κ占降男畔?nèi)容做更深層次的掌握。
隨著計算機技術(shù)向智能化的不斷過渡,其智能化能力和特征使其應(yīng)用范圍更廣,并且其應(yīng)用潛力更加明顯,過去經(jīng)濟管理過程中很多難以解決的信息問題被解決,并且均取得較好的應(yīng)用效果,而就計算機科學中的人工神經(jīng)網(wǎng)絡(luò)技術(shù)來說,其主要在信息加工處理、自動化、工程力學、醫(yī)療、經(jīng)濟管理等領(lǐng)域內(nèi)得到了廣泛的應(yīng)用,而經(jīng)濟管理中該技術(shù)的應(yīng)用主要表現(xiàn)在信貸分析與對市場的預測方面:(1)計算機科學在信貸分析方面的應(yīng)用。對于經(jīng)濟管理中的信貸分析來說,通常情況下,信用評估機構(gòu)具備較大的特異性,因為不同的企業(yè)具有不同的特點,因此判斷其信用的條件也是極為復雜的,面對這樣復雜的情況,出現(xiàn)判斷失誤的幾率就更加大了,而判斷失誤的結(jié)果必然會使得信貸機構(gòu)在信譽和經(jīng)濟上遭受很大損失[3]。而通過計算機科學中人工神經(jīng)網(wǎng)絡(luò)技術(shù)中的評價系統(tǒng),因為該技術(shù)的所使用的原理是,將要求貸款的公司所填寫的申請表的一些關(guān)鍵信息編碼作為向量然后輸入系統(tǒng)內(nèi),而輸出的信息則為對該公司的實際的信用情況一些客觀評價,并且系統(tǒng)還能夠從以前輸入的大量歷史數(shù)據(jù)中對當前信息作對比校正,以使得準確率進一步提高,因此,該系統(tǒng)能夠有效的避免信貸分析工作人員的一些主觀方面的錯誤造成的損失,正是因為神經(jīng)網(wǎng)絡(luò)技術(shù)評價系統(tǒng)其在信用評價方面具備這種優(yōu)勢,所以其在當前金融分險分析方面使用極為普遍。(2)計算機科學在市場預測方面的應(yīng)用。對于經(jīng)濟管理過程中的市場預測,其是指通過一定的方式方法,對可能造成市場供求出現(xiàn)變化的一些因素進行分析研究,并且找出其變化規(guī)律,然后通過收集市場上的一些信息,進而對市場未來供求狀況做預測。而預測的目的就是為企業(yè)決策而服務(wù)的,是為了減少盲目決策,提高決策準確性的重要手段。而通過計算機技術(shù)中的人工神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用,如神經(jīng)網(wǎng)絡(luò)在期貨市場的預測,其首先根據(jù)所收集到的某支期貨每月的平均價格、市場心理指標量、價格不定性等影響期貨變化的數(shù)據(jù)因素,然后建構(gòu)其對應(yīng)的較為準確的市場模型,而模型的建立使得其能夠通過相關(guān)信息的輸入,較為準確的預測出下一階段該期貨的價格走向,并且其能夠通過該走向,反推出下一階段可能出現(xiàn)的一些市場信息,這樣決策者將更加容易做出對應(yīng)決策[4]。除此以外,計算機技術(shù)在經(jīng)濟管理中的應(yīng)用還有很多,其在股票、數(shù)據(jù)挖掘等方面均有極為廣泛的應(yīng)用。
總而言之,在企業(yè)經(jīng)濟管理過程中,尤其是一些大型企業(yè),其龐大的信息處理工作使得傳統(tǒng)的方式很難做到解決,而隨著計算機科學及其相關(guān)應(yīng)用技術(shù)不斷發(fā)展,在經(jīng)濟管理過程中,原本較為復雜繁瑣的數(shù)據(jù)信息處理工作,均得到了很好的解決,但是仍然有一些數(shù)據(jù)信息的處理很難完成,這就需要我們的相關(guān)工作者不斷研究,以找出一些具體的解決辦法。
[1]李苗苗.論我國企業(yè)的經(jīng)濟管理[J].現(xiàn)代經(jīng)濟信息,2009(07):95-96.
[2]張信賓.高校計算機基礎(chǔ)教育的教學思路與方法研究[J].沿海企業(yè)與科技,2005(12):134-135.
[3]潘莉,袁冰.試論信息服務(wù)管理之經(jīng)濟管理[J].情報雜志,2002(04):53-54.
[4]傅璧,丁爽,張愷.信息系統(tǒng)的安全風險評估及風險管理[J].企業(yè)導報.2011(13):194 -196.