Контрольные вопросы и ответы по дисциплине ИИС

Контрольные 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.;