Вопросы к экзаменам
.docxВопросы к экзаменам «Интеллектуальные системы»
Искусственный интеллект. Определения искусственного интеллекта. История развития искусственного интеллекта
Предпосылки развития науки искусственного интеллекта
Парадигмы искусственного интеллекта. Тест Тьюринга
Подходы к созданию интеллектуальных систем.
Направления развития искусственного интеллект
Области применения искусственного интеллекта
Интеллектуальные системы. Основные понятия и определения. Структура интеллектуальной системы.
Модели и методы знаний. Структуры памяти ЭВМ. Информационные структуры для хранения данных.
Модели представления данных.
Концепция знаний.
Модели представления знаний. Логические и сетевые модели.
Модели представления знаний. Продукционные и фреймовые модели.
Методы работы со знаниями. Механизм вывода решений
Экспертные системы. Структура экспертных систем.
Экспертные системы. Классификация экспертных систем.
Экспертные системы. Этапы разработки экспертных систем.
Инструментальные средства создания интеллектуальных систем. Решающие деревья.
Сетевые модели. Сети Петри. Основные понятия и определения.
Сети Петри: формы представления сетей Петри, графы сетей Петри, правила функционирования сетей Петри.
Сети Петри: дерево достижимых разметок.
Оценка свойств сетей Петри на основе матричных уравнений.
Алгебра сетей Петри: операции над сетями Петри.
Расширения сетей Петри: ингибиторные, приоритетные, временные.
Способы описания сетей Петри.
Методы анализа сетей Петри. Задачи анализа.
Методы анализа сетей Петри. Дерево достижимых разметок.
Методы анализа сетей Петри. Анализ на основе матричных методов.
Проектирование сложных вычислительных структур. Структурный подход.
Матричные структуры. Преимущества матричных структур.
Примеры проектирование структур матричных процессоров на основе проекций процессорных элементов.
Построение параллельных матричных систем на примере умножения двух матриц.
Анализ и синтез СП-моделей сложных систем. Декомпозиция моделей.
Синтез СП-моделей сложных систем. Типы геометрий.
Построение тензорных уравнений.
Синтез СП-моделей. Программы синтеза.
Синтез СП-моделей. Редукция сетей Петри.
Сравнительная оценка синтезированных сетей Петри.
Машинное обучение. Основные понятия.
Глубокое обучение. Принцип действия глубокого обучения. Геометрическая интерпретация глубокого обучения.
История машинного обучения. Вероятностное моделирование. Метод опорных векторов. Деревья решений.
Математические основы нейронных сетей.
Нейронные сети. Представление данных.
Нейронные сети. Представление данных. Примеры.
Нейронные сети. Операции с тензорами. Примеры.
Математические основы нейронных сетей. Цикл обучения.
Математические основы нейронных сетей. Оптимизация на основе градиента.
Математические основы нейронных сетей. Стохастический градиентный спуск.
Математические основы нейронных сетей. Алгоритм обратного распространения ошибки.
Глубокое обучение в технологиях компьютерного зрения. Сверточные нейронные сети.
Сверточные нейронные сети. Эффект границ. Шаг свертки.
Основные задачи в сфере компьютерного зрения.
Сверточные нейронные сети. Модульность, иерархия, многократное использование
Рекурентные нейронные сети. Класс задач, решаемых рекурентными нейронными сетями.
Рекурентные нейронные сети. Обработка естественных языков.
Обработка естественных языков. Обучение «последовательность в последовательность».
Генеративное глубокое обучение. Класс задач, решаемых с помощью генерации данных.
Генеративное глубокое обучение. Языковая модель.
Генерация текста. Стратегии выбора.
Генеративное глубокое обучение. Художественная обработка изображений.
Генетические алгоритмы. Основные понятия.