- •Постановка задачи.
- •Моделирование.
- •Построение алгоритма.
- •Программирование.
- •Отладка и тестирование программы.
- •Анализ результатов. Уточнение модели.
- •1_4. Анализ алгоритмов
- •§2. Размещения с повторениями
- •§3. Размещения без повторений
- •§4. Сочетания
- •Оценка алгоритма сортировки
- •Грамматика языков программирования
- •1_7. Из лекций.
- •1_11. Разработка объектно-ориентированного по
- •Поколения эвм
- •Архитектура процессора
- •Команды
- •Форматы команд
- •Понятие ассемблера
- •Система прерываний
- •Порты ввода/вывода
- •Устройства памяти эвм
- •Реляционная алгебра
- •Этапы разработки базы данных
- •Критерии оценки качества логической модели данных
- •Адекватность базы данных предметной области
- •Легкость разработки и сопровождения базы данных
- •Скорость операций обновления данных (вставка, обновление, удаление)
- •Скорость операций выборки данных
- •Функциональные зависимости отношений и математическое понятие функциональной зависимости
- •1Нф (Первая Нормальная Форма)
- •3Нф (Третья Нормальная Форма)
- •Типы параллелизма Параллелизм на уровне битов
- •Параллелизм на уровне инструкций
- •Стандарты mpi
- •Ключевые элементы
- •1.1 Основные понятия искусственного интеллекта.
- •1.2 История развития искусственного интеллекта
- •1.3 Задачи искусственного интеллекта
- •Направления исследований Символьное моделирование мыслительных процессов
- •Работа с естественными языками
- •Накопление и использование знаний
- •Биологическое моделирование
- •Робототехника
- •Машинное творчество
- •Другие области исследований
- •1.4 Экспертные системы - направление исследований по искусственному интеллекту
- •2.1 Типовая структура экспертных систем
- •2.2 Интерфейс пользователя.
- •2.6 Механизм логического вывода
- •2.7 Объяснение решений
- •3.2 Модели представления знаний.
- •23. Нейронные сети. Виды нейронных сетей. Алгоритмы обучения нейронных сетей. Применение нейронных сетей для задач распознавания образов.
- •24. Администрирование операционных систем Windows и Unix. Установка и настройка. Типовые задачи администрирования. Язык командного интерпретатора. Сетевые возможности Windows и Unix.
- •Установка и начальная настройка системы
- •Выбор режима установки
- •Выбор носителя дистрибутива системы
- •Командные языки и командные интерпретаторы
- •Базовые возможности семейства командных интерпретаторов
- •11. Протоколы прикладного уровня http, ftp, почтовые протоколы (smtp, pop3, imap-4), telnet .
- •Гипертекстовый документ
Направления исследований Символьное моделирование мыслительных процессов
Анализируя историю ИИ, можно выделить такое обширное направление как моделирование рассуждений. Долгие годы развитие этой науки двигалось именно по этому пути, и теперь это одна из самых развитых областей в современном ИИ. Моделирование рассуждений подразумевает созданиесимвольных систем, на входе которых поставлена некая задача, а на выходе требуется её решение. Как правило, предлагаемая задача ужеформализована, то есть переведена в математическую форму, но либо не имеет алгоритма решения, либо он слишком сложен, трудоёмок и т. п. В это направление входят:доказательство теорем,принятие решенийитеория игр,планирование и диспетчеризация,прогнозирование.
Работа с естественными языками
Немаловажным направлением является обработка естественного языка, в рамках которого проводится анализ возможностей понимания, обработки и генерации текстов на «человеческом» языке. В частности, здесь ещё не решена проблемамашинного переводатекстов с одного языка на другой. В современном мире большую роль играет разработка методовинформационного поиска. По своей природе, оригинальныйтест Тьюрингасвязан с этим направлением.
Накопление и использование знаний
Согласно мнению многих учёных, важным свойством интеллекта является способность к обучению. Таким образом, на первый план выходит инженерия знаний, объединяющая задачи получениязнанийиз простойинформации, их систематизации и использования. Достижения в этой области затрагивают почти все остальные направления исследований ИИ. Здесь также нельзя не отметить две важные подобласти. Первая из них —машинное обучение— касается процессасамостоятельногополучения знаний интеллектуальной системой в процессе её работы. Второе связано с созданиемэкспертных систем— программ, использующих специализированныебазы знанийдля получения достоверных заключений по какой-либо проблеме.
К области машинного обучения относится большой класс задач на распознавание образов. Например, этораспознавание символов,рукописного текста,речи,анализ текстов. Многие задачи успешно решаются с помощью биологического моделирования (см. след. пункт). Особо стоит упомянутькомпьютерное зрение, которое связано ещё и с робототехникой.
Биологическое моделирование
Большие и интересные достижения имеются в области моделирования биологических систем. Строго говоря, сюда можно отнести несколько независимых направлений.Нейронные сетииспользуются для решения нечётких и сложных проблем, таких как распознавание геометрических фигур или кластеризация объектов.Генетический подходоснован на идее, что некийалгоритмможет стать более эффективным, если позаимствует лучшие характеристики у других алгоритмов («родителей»). Относительно новый подход, где ставится задача создания автономной программы —агента, взаимодействующего с внешней средой, называетсяагентным подходом.
Робототехника
Вообще, робототехникаи искусственный интеллект часто ассоциируется друг с другом. Интегрирование этих двух наук, созданиеинтеллектуальных роботов, можно считать ещё одним направлением ИИ.
Машинное творчество
Особняком держится машинное творчество, в связи с тем, что природа человеческого творчества ещё менее изучена, чем природа интеллекта. Тем не менее, эта область существует, и здесь поставлены проблемы написания компьютероммузыки,литературных произведений(часто — стихов или сказок),художественное творчество.