Контрольные вопросы и ответы по дисциплине ИИС
.docКонтрольные вопросы и ответы по дисциплине «Интеллектуальные информационные системы»
Часть 1
1. Искусственный интеллект ‑ это
a) раздел информатики, изучающий методы, способы и приемы моделирования и воспроизведения с помощью ЭВМ разумной деятельности человека;
b) процесс сбора, обработки и передачи данных;
c) задача коммивояжера;
d) задача о назначениях;
e) установление степени соответствия объекта определенным признакам.
2. Период прихода искусственного интеллекта в промышленность:
a) 1943-1956 гг.;
b) 1952-1963 гг.;
c) 1966-1974 гг.;
d)1969-1979 гг.;
e) 1980-1988 гг.
3. Начало развития искусственного интеллекта на основе биотехнологий с:
a) 1943-1956 гг.;
b) 1952-1963 гг.;
c) 1966-1974 гг.;
d)1969-1979 гг.;
e) с 1987 г..
4.Общая цель интеллектуального управления:
a) управлять в творческой манере;
b) управлять ресурсным обеспечением;
c) в лингвистическом подходе;
d) в образном мышлении;
e) в действиях по аналогии.
5. Система интеллектуального управления должна иметь способность:
a) воспринимать информацию о процессах, возмущениях и условиях функционирования;
b) выводить заключения и обучаться;
c) организации итерационного процесса;
d) организации реккурентного процесса;
e) формирования дерева решений.
6.Интеллектуализация информационно-вычислительных систем имеет в виду:
a) использование нового поколения инструментальных средств;
b) использование нового поколения математического, информационного и программного обеспечений;
c) организацию ресурсного обеспечения;
d) классификацию возможных оценок;
e) определение действительного и желаемого состояний объекта.
7.Информационно-вычислительные системы с интеллектуальной поддержкой применяются:
a) для решения сложных задач, где смысловая обработка информации превалирует над вычислительной;
b) для формирования дерева решений;
c) для случайного стационарного процесса;
d) для формирования стратегии;
e) для разработки схемы решений.
8.Система с интеллектуальной поддержкой – это система:
a) способная самостоятельно принимать решения;
b) для формулировки задачи;
c) для постановки задачи;
d) для решения задачи идентификации;
e) для разрешения задачи.
9.Предметная область ‑ это:
a) объектно-ориетированным образом выделенная и формально описанная область человеческой деятельности;
b) единая программно-аппаратная платформа и единая база данных;
c) процесс обработки данных;
d) процедура замены случайных параметров их неслучайными характеристиками;
e) процедура имитации случайного процесса.
10.Проблемная область ‑ это:
a) предметная область плюс совокупность решаемых в ней задач;
b) обеспечение выполнения заказов и предотвращения перегрузки производства;
c) решение задач синтеза сложных структур;
d) процедура формирования структуры;
e) процедура метода мозгового штурма.
11. Неформализованные задачи – это задачи, для которых справедливо:
a) невозможность задания в числовой форме;
b) отсутствие точно определенной целевой функции и алгоритмического решения;
c) отыскание стратегии действий;
d) вычисление значений целевой функции;
e) обучение коллективному принятию решений игроков.
12. Экспертная система (система, основанная на знаниях) ‑ это:
a) сложный программный комплекс, аккумулирующий в формальном виде знания специалистов в конкретных предметных областях;
b) система формирования глобального плана заказов поставщикам;
c) система для расчета минимальных потерь;
d) система для формирования алгоритмов анализа;
e) система для представления результатов вычислений в виде таблицы.
13. Инженер по знаниям (когнитолог, инженер-интерпретатор) ‑ это:
a) специалист, выступающий в роли промежуточного буфера между экспертом и базой знаний;
b) специалист по динамической корректировке плана закупок;
c) специалист по иммитационному моделированию;
d) специалист в области принятия компромиссных решений;
e) специалист в области идентификации.
14. Технология синтеза экспертной системы – это технология:
a) создания на основе знаний экспертов систем, решающих неформализованные задачи;
b) управления всем производством;
c) формирования стратегии решения задачи синтеза;
d) постановки плана проведения эксперимента;
e) идентификации, постановки и решения задачи исследования.
15. Абстрагирование понятий ‑ это:
a) выделение существенных признаков и связей и игнорирование несущественных;
b) интеграция всех подразделений и функций корпорации;
c) формирование квадратичного критерия качества;
d) решение задачи о коммивояжере;
e) способ управления.
16. Под интеллектуальной системой понимается:
a) совокупность технических средств и программного обеспечения, работающая во взаимодействии с человеком, способная синтезировать цель;
b) принимать решение о действии и находить рациональные способы достижения цели;
c) детерминированный процесс ресурсораспределения;
d) стохастическая задача распределения ресурсов;
e) задача о назначениях.
17. Интерпретация данных – это:
a) процесс определения смысла данных;
b) процесс технологии «бумажного» производства;
c) процесс технологии «бумажной» связи;
d) процесс технологии со случайными параметрами;
e) процесс технологии с изменяющимися параметрами.
18. Слежение (мониторинг) за данными – это:
a) непрерывная интерпретация данных;
b) выделение и структурирование данных;
c) эволюционная процедура решения оптимизационной задачи;
d) эволюционные вычисления решений правила обучения;
e) формализация качественных переменных.
19. Процесс прогнозирования – это:
a) предсказание будущих событий;
b) действия центра ответственности за доходами или расходами предприятия;
c) датчик случайных чисел;
d) мультиагентная парадигма вычислений;
e) подсистема представления знаний.
20. База знаний содержит:
a) математические модели и вычислительные процедуры;
b) структурированные данные;
d) фразы и предложения;
e) структурные схемы приборов;
с) числа, фракталы и образы.
21. Экспертная система состоит из следующих основных компонентов:
a) решателя, базы данных, базы знаний, компонентов приобретения знаний, объяснительного
и диалогового;
b) таблицы или группы связанных таблиц с систематизированной информацией;
c) договоренности и соглашения корпоративной информационной системы;
d) результатов решения оптимизационных задач;
e) набора методов решения системы стохастических дифференциальных уравнений.
22. Компонента приобретения знаний автоматизирует:
a) процесс наполнения экспертной системы знаниями;
b) свод информации определенного характера, хранящейся в базе данных
c) учет ограничений
d)принятие определенных соглашений
e) правило выбора компромисса
23. Решатель формирует:
a) последовательность правил, приводящих к решению задачи;
b) систему, по которой проводится классификация исходной информации;
c) постановку задачи со случайными переменными;
d) постановку задачи с неопределенными параметрами;
e) постановку задачи с нечеткими параметрами.
24. Объяснительная компонента объясняет, как:
a) система получила решение поставленной задачи и какие знания при этом были использованы;
b) создана система внешних классификаторов;
c) создана система надстройки Excel;
d) создана система отыскания стратегии действий;
e) создана система выбора компромиссных решений.
25. Предметная область называется статической, если:
a) исходные данные не изменяются во времени;
b) позволяет получить доступ к функциям контроля и администрирования системы;
c) позволяет получить выигрыш при решении конкурсной задачи;
d) позволяет сформировать стратегию игры;
e) позволяет сформировать стратегию соглашения.
26. Предметная область называется динамической, если:
a) исходные данные изменяются за время решения задачи;
b) позволяет получить доступ к функциям контроля и администрирования системы;
c) позволяет получить выигрыш при решении конкурсной задачи;
d) позволяет сформировать стратегию игры с противоречивыми интересами;
e) позволяет сформировать стратегию соглашения.
27. Проблемная область искусственного интеллекта имеет:
a) направления развития: представление знаний, манипулирование знаниями;
b) направления развития: общение, восприятие, обучение, поведение;
c) блоки исследования свойств динамических объектов;
d) блоки формирования переменных (индикаторов);
e) блоки оптимального распределения ограниченных ресурсов.
28. Представление знаний в экспертных системах формализуется следующим образом:
a) определение состава знаний и представление знаний в выбранном формализме;
b) определение связанных данных, так как многие данные являются для них общими;
c) совсем не связаны
d) осуществление связи через параметр «минимальная заработная плата»;
e) связь осуществляется через параметры «тарифные ставки».
29. Состав знаний экспертной системы определяется следующими факторами:
a) проблемной средой, архитектурой, потребностями и целями пользователей, языком общения;
b) материальными потоками внутри предприятия и при взаимодействии с поставщиками;
c) классификацией возможных оценок;
d) получением оценки значений выбранного критерия качества;
e) упорядочиванием объектов по важности.
30. Для функционирования статической экспертной системы требуются следующие знания:
a) управляющие знания, знания о языке общения и способах организации диалога;
b) знания о способах представления и модификации знаний, поддерживающие структурные и управляющие знания;
с) знания о сложном хозяйственном субъекте с иерархической структурой;
d) знания о предприятии с централизованной структурой;
е) знания о предприятии с децентрализованной структурой.
31. Для функционирования динамической экспертной системы необходимы знания:
a) знания о методах взаимодействия с внешним окружением, знания о модели внешнего мира;
b) знания об отдельных функциях управления (бухгалтерский учет, логистика и т.д.);
c) знания о сокращении времени решения оптимизационной задачи;
d) знания о способах формирования критериев качества;
e) знания о формализации и определении ограничений.
32. Системы, основанные на правилах, содержат правила вида:
a) нечетких правил с семантикой: «условие ‑ действие»;
b) продукционных правил (типа «если выполняются условия …., то делай ….»);
c) единой программно-аппаратной платформы и общей базы данных;
d) правила для решения задачи о назначениях;
e) правила распределения ограниченных ресурсов.
33. Индуктивным обучением называется обучение на основе:
a) некоторого множества пар (аргумент, значение);
b) полнофункциональных средств поддержки корпоративного управления;
c) структурной схемы локальной системы управления;
d) структурной схемы централизованной системы управления;
e) структурной схемы системы с распределенными параметрами.
34. Гипотезой называется:
a) ответное конкретное предположение о виде неизвестной функции;
b) реакция исполнителей бизнес-процессов;
c) реакция экспертов по качественной оценке эффективности работы предприятия;
d) реакция системного администратора на вторжение в компьютерную сеть;
e) реакция аудиторов и топ-менеджеров на систему безопасности.
35. Принципы повышения уровня интеллектуальности – это принципы:
a) информационного обмена, открытости или развиваемости;
b) прогнозирования, возрастания точности с уменьшением интеллектуальности, частичной деградации;
b) коннекционализма;
c) распределенной ассоциативной памяти;
d) обработки изображений;
e) сжатия данных.
36. Базовым элементом искусственной нейронной сети является:
a) формальный нейрон;
b) вычислительный алгоритм;
c) фрактал;
d) агент;
e) формальный протеин.
37. Базовым элементом искусственной иммунной сети является:
a) формальный протеин;
b) нейрон;
c) фрактал;
d) хромосома;
e) волна Элиота.
38. Генетические алгоритмы возникли в результате:
a) наблюдения и попыток копирования естественных процессов в популяции
живых существ;
b) анализа реакции исполнителей бизнес-процессов;
c) анализа реакции экспертов по качественной оценке принимаемых решений;
d) изменения парадигмы вычислений;
e) анализа реакции менеджеров и аудиторов на реструктуризацию производства.
39. Популяция – это:
a) множество особей, которые представляются хромосомами; с закодированными в них множествами параметров задачи;
b) множество вычислительных алгоритмов для решения NP-трудных задач;
c) множество итеративных процедур построения фракталов;
d) множество структур формального нейрона;
e) дерево решений с закодированными в них множествами параметров задачи.
40. Хромосомы – это:
a) упорядоченные последовательности генов;
b) упорядоченные последовательности задач расчета потерь;
c) упорядоченные последовательности автоматизации задач определения угрозы;
d) упорядоченные последовательности автоматизации задач моделирования;
e) упорядоченные последовательности построения дерева решений.
41. Фенотип – это:
a) декодированная структура или множество параметров задачи;
b) функционал для автоматизации основных бизнес-процессов компаний с высокой степенью «модульности»;
c) функциональная задача расчета потерь;
d) дерево решений задач определения угрозы;
e) множество задач моделирования динамических процессов.
42. Функция приспособленности (функция оценки) – это:
a) мера приспособленности данной особи в популяции;
b) функция автоматизации территориально распределенных структур (центральный офис плюс
удаленные филиалы);
c) функция платы для задач определения угрозы;
d) синоптическая весовая функция;
e) переходная функция динамического объекта.
43. Генетические алгоритмы:
a)обрабатывают не значения параметров самой задачи, а их закодированную форму;
b)осуществляют поиск решения исходя не из единственной точки, а из их некоторой популяции;
c) используют только целевую функцию, а не ее производные; применяют вероятностные, а не детерминированные правила выбора;
d) предоставляют возможность расширения функциональности (встроенные средства разработки);
e) предоставляют возможность учета ограничений.
44.Классический генетический алгоритм включает шаги:
a) инициализация исходной популяции хромосом и их оценка, селекция хромосом;
b) применение генетических операторов для формирования новой популяции, выбор «наилучшей» хромосомы;
с) по решению задачи параметрической идентификации;
e) по определению области согласованности принятых решений;
d) по определению области компромисса и возможных значений решения.
45. Эволюционные методы представляют собой:
a) модель биологического процесса эволюции в популяции за существование;
b) модель совершенствования и выживания сильнейших объектов;
c) интеграцию с внешними приложениями (поддержка открытых стандартов);
d) подбор и предобработку исходных данных;
e) имитацию случайных процессов.
46. Системы с интеллектуальным интерфейсом включают системы:
a) естественно-языкового интерфейса, когнитивной помощи и графики, гипертекстовой;
b) СУБД: Оracle, MS SQL Server, DB2;
c) нейронную сеть с двумя слоями;
d) персептрон с обратной связью;
e) карту Кохонена.
47. Экспертные системы подразделяются на:
a) классифицирующие, транформирующие, мультиагентные, доопределяющие;
b) однослойные нейронные сети с обратными связями;
c) многослойные адаптивные нейронные сети;
d) искусственные иммунные сети;
e) корпоративные информационные системы.
48. Самообучающиенся системы подразделяются на:
a) нейрокомпьютинг, иммунокомпьютинг, системы на прецендентах;
b) однослойные нейронные сети с обратными связями;
c) классифицирующие, транформирующие, мультиагентные, доопределяющие;
d) естественно-языковые, гипертекстовые, когнитивной графики и помощи;
e) корпоративные информационные системы.
49. Адаптивные информационные системы подразделяются на:
a) CASE и компонентные технологии;
b) эволюционные системы;
c) классифицирующие, транформирующие, мультиагентные, доопределяющие;
d) естественно-языковые, гипертекстовые, когнитивной графики и помощи;
e) корпоративные информационные системы.
50. Интеллектуальная информационная система (ИИС) основана на концепции:
a) использования базы знаний;
b) использования эволюционных систем;
c) использования классифицирующих и транформирующих систем;
d) конкретных информационных потребностей пользователя;
e) корпоративные информационные системы.
51. Для ИИС характерны следующие признаки:
a) развитые коммуникативные способности, умение решать сложные плохо формализуемые задачи;
b) способность к самообучению, адаптируемость;
c) стохастичности;
d) ассоциативной распределенной памяти;
e) связывания и узнаваемости.
52. Что такое инженерия знаний:
a) способность объяснить ход своих рассуждений понятным для пользователя образом;
b) способность к самообучению, адаптируемость;
c) построение стохастической системы управления ресурсами;
d) ассоциативная распределенная память;
e) механизмы связывания и узнаваемости.
53. Что такое инженерия знаний:
a) привнесение принципов и инструментария из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов;
b) способность объяснить ход своих рассуждений понятным для пользователя образом;
c) способность к самообучению, адаптируемость;
d) построение стохастической системы управления ресурсами;
e) механизмы связывания и узнаваемости.
54. Главное отличие ЭС от систем обработки данных состоит в том:
a) что в них используется символьный, а не числовой способ представления данных;
b) что в качестве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений;
c) что используется способность объяснить ход своих рассуждений понятным для пользователя образом;
d) что используются генетические алгоритмы;
e) что используются механизмы связывания и узнаваемости.
55. Экспертная система может выступать в роли:
a) консультанта для неопытных или непрофессиональных пользователей;
b) ассистента эксперта-человека в процессах анализа вариантов решений;
c) партнера эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.
d) системного программиста;
e) инженера-когнитолога.
56. Что определяется на этапе идентификации технологии разработки экспертной системы:
a) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
b) содержательный анализ проблемной области;
c) выявляются используемые понятия и их взаимосвязи;
d) определяются методы решения задач;
e) выбираются инструментальные средства.
56. Что определяется на этапе концептуализации технологии разработки экспертной системы:
a) проводится содержательный анализ проблемной области;
b) выявляются используемые понятия и их взаимосвязи, определяются методы решения задач;
c) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
d) проводится содержательный анализ проблемной области;
e) выбираются инструментальные средства.
57. Что определяется на этапе формализации технологии разработки экспертной системы:
a) выбираются инструментальные средства и способы представления всех видов знаний;
проводится содержательный анализ проблемной области;
b) формализуются основные понятия, моделируется работа системы, оценивается их адекватность;
c) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
d) проводится содержательный анализ проблемной области;
e) выбираются инструментальные средства.
58. Что определяется на этапе выполнения технологии разработки экспертной системы:
a) осуществляется заполнение базы знаний;
b) выбираются инструментальные средства и способы представления всех видов знаний;
c) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
d) проводится содержательный анализ проблемной области;
e) выбираются инструментальные средства.
59. Самообучающиеся интеллектуальные системы основаны на:
a) методах автоматической классификации ситуаций и обучения на примерах;
b) инструментальных средств и способах представления всех видов знаний;
c) анализе задач, подлежащие решению, целей разработки;
d) содержательном анализе проблемной области;
e) на выборе инструментальных средств.
60. Искусственные нейронные сети (ИНС) являются вычислительными системами:
a) параллельного действия;
b) представления всех видов знаний;
c) последовательного действия;
d) фрактального типа;
e) нечеткого типа.
61. Искусственная нейронная сеть – это модель:
a) реальной нервной системы, которая представляет собой совокупность большого числа базовых элементов нейронной системы – нейронов;
b) реальной иммунной системы, которая представляет собой совокупность большого числа базовых элементов иммунной системы – протеинов;
c) реальной генетической системы;
d) фрактальной системы;
e) нечеткой системы.
62. Главной особенностью ИНС является то, что они могут быть настроены на:
a) некоторое правило обработки информации без явного его задания, но путем обучения по эталонам типа «вход-выход», «ситуация-действие»;
b) правило проекционного типа;
c) правило многозначной логики;
d) механизм узнавания;
e) механизм апоптоза.
63. Какими основными свойствами обладает иммунная система:
a) памятью, способностью к обучению, распознаванию и принятию решений в условиях неопределенности;
b) организации последовательного вычисления;
c) организации нечеткого вычисления;
d) решения NP-трудных задач;
e) организации процедуры деффазификации.
64. На чем основан математический базис искусственной иммунной системы:
a) на биологическом прототипе иммунной сети и понятиях формального протеина и формальной иммунной сети;
b) на способности к обучению, распознаванию и принятию решений в условиях неопределенности;
c) на процедурах организации последовательного вычисления;
d) на процедурах организации нечеткого вычисления;
е) на механизмах мутации и инверсии.
Часть 2
65. Что является базовым элементом иммунокомпьютинга:
a) формальный протеин;
b) формальный нейрон;
c) хромосомная модель;
d) ген;
е) персептрон.
66. Механизмы молекулярного узнавания реализуют связи:
a) между пространственной формой и функциями протеина;
b) между кодом и формой белка;
c) между персептронной моделью;
d) между фитнес-функциями (функциями пригодности);
е) между картами Кохонена.
67. Механизмы самосборки реализуют связи:
а) между кодом и формой белка;
b) между картами Кохонена;
c) между слоями нейронной сети;
d) между реккурентными нейронными сетями;
е) между интеллектуальным интерфейсом.
68. Что понимается под механизмом молекулярного узнавания:
а) выборочное взаимодействие между определенными участками
биомолекул;
b) синаптические взаимосвязи;
c) генетический оператор селекции;
d) селекция с помощью пропорциональной рулетки;
е) турнирная селекция.
69. Что понимается под механизмом самосборки:
а) способность цепочки молекул принимать единственную пространственную форму;
b) вариабельность биомолекул;
c) гипотеза «ключа и замка»;
d) правила многомерной логики;
е) дефазификация выходной координаты.
70. Задача классификации образов заключается:
а) в указании принадлежности входного образа, представленного вектором индикаторов, одному или нескольким предварительно определенным классам;
b) в построении принадлежности;
c) в построении фитнес-функции;
d) фазификации временных рядов;
е) формировании базы правил.
71. Алгоритм кластеризации (категоризации) основан на:
а) подобии образов и размещает близкие образы в один кластер;
b) реализации нечеткого правила;
c) логическом выводе в многозначной логике;
d) анализе синаптических связей нейронной сети;
е) идентификации входных индикаторов.
72. Задача аппроксимации функций заключается в:
а) нахождении оценки неизвестной функции;
b) построении отделяющей поверхности;
c) формировании индекса вторжений;
d) формировании тестовой и обучающей выборок;
е) анализе и преобразовании данных.
73. Матрицы левых и правых сингулярных векторов обладают свойством:
а) ортонормированности;
b) выпуклости;
c) вогнутости;
d) кососимметричности;
е) непрерывности.
74. Сингулярные числа являются:
а) ранжированными и неотрицательными;
b) комплексными и сопряженными;
c) плохо обусловленными;
d) итеративными и несимметричными;
е) вещественными и конечными.
75. Базовый алгоритм иммунокомпьютинга включает блоки:
а) обучения и распознавания;
b) нечетких правил и базы знаний;
c) скрещивания, мутации и селекции;
d) сумматора и активационной функции;
е) логистического отображения.
76. Наиболее употребительными расстояниями между классами объектов
являются:
а) расстояние, измеряемое по принципу «ближнего соседа»;
b) расстояние, измеряемое по принципу «центра тяжести»;
c) расстояние, измеряемое по принципу «ключа и замка»;
d) корреляционная размерность;
е) характеристика множества странного аттрактора.
77. Индексом сложной многомерной системы является:
а) общая величина, объединяющая набор индикаторов исследуемого объекта;
b) функция принадлежности;
c) норма вектора;
d) энергия связи в формальной иммунной сети;
е) характеристика множества странного аттрактора.
78.Базовый алгоритм вычисления индекса включает модули:
а) обучения, распознавания, оптимизации коэффициентов;
b) базы нечетких правил, логического вывода и фаззификации;
c) сумматора, активационной функции синаптических весовых коэффициентов;
d) формирования эталонных классов;
е) оценивания кредитоспособности заемщика.
79. Нейроинформатика – это:
а) современная теория о принципах и новых математических моделях информационных процессов, которые базируются на биологических прототипах и механизмах активности мозга человека;
b) современная теория о фракталах и хаотическом поведении;
c) современная теория о ДНК-компьютерах;
d) современная теория о роботике;
е) современная теория о путях хаотического поведения сложных систем.
80. Традиционные подходы теории искусственного интеллекта это:
а) система символьной технологии: символьные парадигмы, исчисление предикатов и т.д.;