- •Оглавление
- •I. Примеры теста
- •Тест №2 по теме «Направления и подходы к исследованиям в области искусственного интеллекта»
- •Тест №3 по теме «Классификация интеллектуальных информационных систем»
- •Тест №4 по теме «Представление знаний»
- •Тест №5 по теме «Нейронные сети»
- •Тест №6 по теме «Эволюционное моделирование»
- •Тест №7 по теме «Нечеткие множества и нечеткая логика»
- •4. Какая формула определяет объединение нечетких множеств а и в?
- •5. В случае ограниченных операций не будут выполняться:
- •Тест № 8 по теме «Экспертные системы»
- •Тест №9 по теме «Системы поддержки принятия решений»
- •II. Глоссарий Основные определения по теме «История развития искусственного интеллекта»
- •Основные определения по теме «Направления исследований в области искусственного интеллекта»
- •Основные определения по теме «Представление знаний»
- •Основные определения по теме «Нейронные сети»
- •Основные определения по теме «Эволюционное моделирование»
- •Основные определения по теме «Нечеткие множества и нечеткая логика»
- •Основные определения по теме «Экспертные системы»
- •Основные определения по теме «Системы поддержки принятия решений»
- •III. Рекомендованная литература.
- •IV. Вопросы к экзамену по дисциплине «Интеллектуальные информационные системы»
- •V. Темы лабораторных работ
- •VI. Задание контрольной работы
- •VII. Билеты к экзаменам
IV. Вопросы к экзамену по дисциплине «Интеллектуальные информационные системы»
Основные понятия искусственного интеллекта.
Философские аспекты проблемы систем искусственного интеллекта (возможность существования, безопасность, полезность).
История развития систем искусственного интеллекта.
Основные подходы к построению систем искусственного интеллекта.
Архитектура и основные составные части систем искусственного интеллекта.
Структура и функции интеллектуальных информационных систем.
Разновидности интеллектуальных информационных систем.
Понятие образа. Проблема обучения распознаванию образов.
Геометрический и структурный подходы к распознаванию образов.
Гипотеза компактности представления образов.
Обучение и самообучение. Адаптация и обучение (основные понятия и проблемы).
Персептроны. Назначение, обобщенная схема, виды персептронов, принципы работы.
Основные теоремы о персептронах. Достоинства и недостатки персептонных систем.
Нейронные сети, основные понятия. История исследований в области нейронных сетей.
Модель нейронной сети с обратным распространением ошибки (back propagation).
Самообучаемые нейронные сети.
Нейронная сеть Хопфилда. Назначение, архитектура, принципы работы, достоинства и недостатки.
Нейронная сеть Хемминга. Назначение, архитектура, принципы работы, достоинства и недостатки.
Метод потенциальных функций при расчете параметров нейронных сетей.
Метод наименьших квадратов при расчете параметров нейронных сетей.
Общая схема построения алгоритмов метода группового учета аргументов (МГУА).
Метод ковариационно-квадратичного моделирования нейронных сетей.
Метод предельных упрощений.
Выбор коллективов решающих правил при расчете коэффициентов нейронных сетей.
Кластерный анализ структуры многомерных образов.
Классификационные процедуры иерархического типа.
Общая характеристика алгоритмических моделей реализации неформальных процедур, недостатки алгоритмического подхода.
Продукционные модели реализации неформальных процедур. Назначение, преимущества и недостатки классических продукционных моделей.
Режим возвратов при использовании продукционных моделей.
Продукционные системы с логическим выводом, назначение, преимущества и недостатки.
Продукционные системы с исключениями, их преимущества.
История возникновения и развития языка логического программирования "Пролог". Области применения Пролога. Преимущества и недостатки языка Пролог.
Хорновские дизъюнкты. Принцип резолюций. Алгоритм унификации.
Процедура доказательства теорем методом резолюций для хорновских дизъюнктов.
Основные понятия Пролога. Предложения: факты и правила. Цели внутренние и внешние. Отношения (предикаты). Переменные свободные и связанные. Анонимная переменная.
Процедура отсечения. "Зеленые" и "красные" отсечения.
Семантические модели Пролога: декларативная и процедурная.
Рекурсия. Достоинства и недостатки рекурсии. Хвостовая рекурсия. Организация циклов на основе рекурсии. Вычисление факториала.
Структура программы на Прологе.
Домены: стандартные, списковые, составные. Альтернативные домены.
Управление выполнением программ на Прологе.
Метод поиска в глубину. Откат после неудачи. Отсечение и откат. Метод поиска, определяемый пользователем.
Списки. Рекурсивное определение списка. Операции над списками.
Сортировка списков. Нахождение суммы элементов списка, среднего и минимального значений; алгоритмы сортировки списков: пузырьковый, выбором, вставкой, слиянием, быстрая сортировка.
Реализация множеств в Прологе. Операции над множествами: превращение списка во множество, принадлежность элемента множеству, объединение, пересечение, разность, включение, дополнение.
Применение Пролога в области искусственного интеллекта.
Основные направления развития интеллектуальных информационных систем.