联接主义视角下的DSS结构研究

"这篇论文探讨了DSS（决策支持系统）结构的联接主义观点，主要基于人工神经网络（ANN）的应用。作者田大钢和费奇指出，通过联接主义方法，可以将ANN作为构建DSS各组件的基础框架，以此优化DSS的结构和功能。论文关注的是如何将复杂的决策过程，包括问题识别、问题形成等非结构化问题，通过连接主义的方法进行处理。" 正文: 在信息技术和人工智能领域，决策支持系统（DSS）是一个关键的工具，它帮助决策者处理复杂的、半结构化的决策问题。传统的DSS通常由多个组件构成，如数据管理、模型库、用户接口等。然而，实现这些组件的有效集成和高效运作一直是一项挑战。 论文“DSS结构的联接主义观点”深入研究了联接主义，一种模拟生物神经网络的学习和处理信息方式，特别是在人工神经网络(ANN)上的应用。ANN是一种强大的计算模型，能通过学习和调整权重来解决复杂问题，这使其成为处理非线性、模糊和非结构化数据的理想选择。 作者提出，可以利用ANN作为DSS的核心结构，将其作为构建决策模型的基本元素。这种观点强调了ANN的灵活性和适应性，它们能够学习和适应不同的决策环境，处理多变的输入和输出关系。通过这种方式，DSS的结构可以被简化，因为ANN能够自我调整以适应不同的决策任务，而不再需要为每种特定问题设计独立的模型。 此外，论文还讨论了DSS中的模型库问题。在传统DSS中，模型库往往只是存储预定义模型的文件集合，缺乏动态生成和适应新问题的能力。通过采用联接主义方法，尤其是ANN，模型库可以变得更具有智能，能够自动生成和修改模型以匹配决策者的具体需求。 论文进一步阐述，决策过程不仅仅是应用数学模型解决问题，还包括问题识别、问题定义等前期阶段。联接主义模型可以捕捉到决策过程中的非结构化信息，帮助决策者更有效地理解和解决问题。 这篇论文为DSS的设计和实施提供了新的视角，强调了联接主义，尤其是ANN在提升DSS功能和简化其结构方面的潜力。这种方法不仅有可能改善DSS的性能，还有可能开启新的研究方向，如如何将深度学习和其他先进的人工智能技术应用于决策支持系统的开发。