- •Основные методы представления знаний в экспертных системах. Этапы (прототипы) разработки экспертной системы. Коллектив разработчиков экспертной системы.
- •Математический нейрон. Его графическое изображение, формулы по которым он работает, виды активационных функций. Моделирование основных логических функций с помощью математического нейрона
- •Персептрон Розенблатта, его принцип действия на примере распознавания букв.
- •Сравнительный анализ процедурной, функциональной, объектно-ориентированной и логической парадигм программирования.
- •Этапы и методологии проектирования баз данных.
- •Программное обеспечение для проектирования, реализации проектов информационных систем. (case-технологии, субд и пр.)
- •Представление числовых величин в эвм: позиционные системы счисления; форматы чисел с фиксированной и плавающей точкой; представление в прямом, обратном и дополнительном кодах.
- •Принципы организации машины фон Неймана.
- •6) Представительский уровень
- •7) Прикладной уровень
- •Основы теории моделирования информационных систем и протекающих в них процессов.
- •Аналитические методы моделирования (ам)
- •Имитационные методы моделирования (им)
- •Функциональные методы моделирования (фм)
- •Статическое моделирование (см)
- •Криптография как наука. Основные понятия и определения
- •Электронная цифровая подпись. Гост р 34.10-2001
- •Управление оперативной памятью в современных операционных системах: управление физической и виртуальной памятью, способы организация виртуальной памяти, организация подкачки.
- •Управление хранением данных: система накопителей информации, система драйверов накопителей информации, современные файловые системы.
- •Обходы графов, эйлеровы и гамильтоновы графы, алгоритм Флери. Укладки графов, изоморфизм, гомеоморфизм, планарность, критерий планарности, формула Эйлера.
- •Двудольные графы, критерий двудольности, деревья, остовные деревья
- •Экстремальные задачи теории графов, «жадные» алгоритмы, алгоритм Дейкстры
- •Раскраски графов, «жадный» алгоритм. Хроматическое число, хроматический многочлен, его нахождение и свойства.
- •Элементарные булевы функции и способы их задания, существенные и фиктивные переменные. Разложение булевых функций по переменным, сднф, скнф, полиномы Жегалкина.
- •Повторные выборки, сочетания и размещения (с возвращением и без возвращения элементов). Комбинаторные принципы.
- •Биномиальные и полиномиальные коэффициенты, бином Ньютона, треугольник Паскаля. Полиномиальная формула.
- •Алфавитное кодирование: необходимое и достаточные условия однозначности декодирования, теорема Маркова, алгоритм Маркова.
- •Коды с минимальной избыточностью (коды Хаффмана), метод построения. Самокорректирующиеся коды (коды Хэмминга), метод построения.
- •Недетерминированные двухполюсные источники, замкнутые множества состояний. Задача синтеза автоматов-распознавателей.
- •Эквивалентные состояния, эквивалентные автоматы, минимизация автоматов, алгоритм Мили.
- •Особенности организации операционной системы Unix. Цели создания и структура операционной системы.
- •Понятие сложности алгоритма и сложности (объема) входных данных. Основные правила вычисления сложности алгоритма (сложность линейного алгоритма, ветвления, цикла).
6) Представительский уровень
Отвечает за управление кодировкой данных. Осуществляет перекодировку информации, может использоваться для смены представления вещественных чисел, кроме того, на этом уровне происходит шифровка/дешифровка данных.
Протоколы: SSL
7) Прикладной уровень
Несмотря на название, не включает в себя пользовательские приложения, а лишь обеспечивает для них интерфейс для взаимодействия с сетью. Протоколы: SMTP, POP3, FTP
Основные проблемы этой модели:
• распределение функций между уровнями произвольно и не всегда очевидно
• она была спроектирована без готовой реализации
• сложность и неэффективность. Некоторые функции выполняются сразу на нескольких уровнях (например, обнаружение и исправление ошибок)
• выбор именно семи уровней продиктован, скорее, политическими, а не техническими причинами. В действительности сеансовый уровень и уровень представления редко встречаются в реально работающих сетях.
-
Основы теории моделирования информационных систем и протекающих в них процессов.
Моделирование (с точки зрения философии) – один из методов познания мира.
Под моделью принято понимать любое, мысленное, формальное, физическое или какое-либо другое, представление объекта окружающего мира, обеспечивающее изучение некоторых свойств данного объекта.
Моделирование - это процесс создания модели
Подходы к моделированию:
В настоящее время при анализе и синтезе больших систем получил развитие системный подход
Системный подход предполагает последовательный переход от общего к частному, когда в основе рассмотрения лежит цель, причем исследуемый объект выделяется из окружающей среды.
Важным для системного подхода является определение структуры системы - совокупности связей между элементами системы, отражающих их взаимодействие.
Различают:
1) структурные подходы к исследованию – выявляются состав выделенных элементов системы и связи между ними.
2) функциональные подходы к исследованию – рассматриваются алгоритмы поведения системы (функции - свойства, приводящие к достижению цели).
-
Аналитические методы моделирования (ам)
Класс методов моделирования на основе математического аппарата.
АМ представляет собой систему уравнений, при решении которой получают параметры, необходимые для оценки системы (время ответа, пропускную способность и т.д.)
АМ позволяют получить характеристики системы как некоторые функции параметров ее функционирования
Основным недостатком аналитических методов является то, что при выводе формул, на которых они основываются и которые используются для расчета интересующих параметров, необходимо принять определенные допущения.
-
Имитационные методы моделирования (им)
«Имитационное моделирование есть процесс конструирования модели реальной системы и постановки экспериментов на этой модели с целью либо понять поведение системы, либо оценить (в рамках ограничений, накладываемых некоторым критерием или совокупностью критериев) различные стратегии, обеспечивающие функционирование данной системы.»
ИМ используют для анализа систем, преобладающими в которых являются стохастические воздействия.
Все имитационные модели используют принцип черного ящика.
ИМ не формируют свое собственное решение в том виде, в каком это имеет место в аналитических моделях, а могут лишь служить в качестве средства для анализа поведения системы в условиях, которые определяются экспериментатором
Проблемы в процессе ИМ:
-
нахождении "золотой середины" между упрощением и сложностью системы;
-
искусственное воспроизводство случайных воздействий окружающей среды;
-
оценка качества модели и полученных с ее помощью результатов (этап проблема актуальна и для аналитических методов).