Добавил:
Studfiles2
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Ответы по СИИ за 2008.doc
X
- •1. Определение ии. Определение слабоформализуемых задач и их примеры. Определение сложных систем.[1/1]
- •2. История развития исследований в области ии.[1/1]
- •3. Основные свойства естественного интеллекта (еи).[1/1]
- •4. Основные направления исследований в области ии. Две точки зрения на развитие сии. [1/1]
- •5. Нечеткая логика. Краткие исторические сведения. Аспекты неполноты информации [1/1]
- •6. Определения четких и нечетких множеств. Определение нечеткого множества. Функция принадлежности. Примеры нечетких дискретных и непрерывных множеств. [1/2]
- •7. Основные свойства нечетких множеств. Нечеткое число и нечеткий интервал.[1/3]
- •*7. Основные свойства нечетких множеств. Нечеткое число и нечеткий интервал.[2/3]
- •*7. Основные свойства нечетких множеств. Нечеткое число и нечеткий интервал.[3/3]
- •8. Понятия фаззификации, дефаззификации, лингвистической переменной. Пример. [1/1]
- •9. Операции с нечеткими множествами (эквивалентность, включение, нечеткая операция «и», «или», «не»). [1/2]
- •10.Обобщение операций пересечения и объединения в классе т-норм и s-конорм[1/2].
- •11. Нечеткие отношения. Композиционные правила (max-min) и (max-prod). Примеры. [1/1]
- •12. Нечеткие алгоритмы. Обобщенная схема процедуры нечеткого логического вывода. [1/2]
- •13. Нечеткие алгоритмы. Метод максимума-минимума (метод Мамдани) как метод нечеткого логического вывода (изложение необходимо сопроводить примером). [1/2]
- •14. Нечеткие алгоритмы. Метод максимума-произведения (метод Ларсена) как метод нечеткого логического вывода (изложение необходимо сопроводить примером)[1/1].
- •15.Методы дефаззификации[1/1].
- •16.Процедура (схема) нечеткого логического вывода. Пример нечеткого логического вывода для выполнения нескольких правил. Достоинства и недостатки систем, основанных на нечеткой логике[1/2].
- •17.Искусственные нейронные сети. Особенности биологического нейрона. Модель искусственного нейрона [1/2].
- •18.Определение искусственной нейронной сети (инс). Однослойный и многослойный персептроны [1/1].
- •19. Классификация инс. Задачи, решаемые с помощью нейронных сетей [1/2].
- •20.Основные этапы нейросетевого анализа. Классификация известных нейросетевых структур по типу связей и типу обучения и их применение [1/1].
- •21. Алгоритм обучения с учителем для многослойного персептрона [1/1]
- •22. Алгоритмы обучения нейронных сетей. Алгоритм обратного распространения ошибки [1/1]
- •23. Проблемы обучения нс[1/1].
- •24. Сети Кохонена. Постановка задачи кластеризации. Алгоритм кластеризации[1/1].
- •25. Преобразование алгоритма кластеризации с целью реализации в нейросетевом базисе. Структура сети Кохонена [1/1]
- •26. Алгоритм обучения без учителя для сетей Кохонена. Обобщенная процедура [1/1]
- •27. Алгоритм обучения без учителя для сетей Кохонена. Метод выпуклой комбинации. Графическая интерпретация [1/1]
- •28. Самоорганизующиеся карты (сок) Кохонена. Особенности обучения сок. Построение карт [1/1]
- •29. Проблемы обучения инс [1/1]
- •30. Генетические алгоритмы. Определение. Назначение. Сущность естественного отбора в природе [1/1]
- •31. Основные понятия генетических алгоритмов [1/1]
- •32. Блок-схема классического генетического алгоритма. Особенности инициализации. Пример. [1/1]
- •33. Блок-схема классического генетического алгоритма. Селекция хромосом. Метод рулетки. Пример.[1/2]
- •33. Блок-схема классического генетического алгоритма. Селекция хромосом. Метод рулетки. Пример.[2/2]
- •34. Блок-схема классического генетического алгоритма. Применение генетических операторов. Пример.[1/1]
- •35. Блок-схема классического генетического алгоритма. Проверка условия остановки га.[1/1]
- •36. Достоинства генетических алгоритмов.[1/1]
- •37. Гибридные сии и их виды.[1/2]
- •38. Структура мягкой экспертной системы.[1/1]
- •39.Методология разработки интеллектуальных систем. Виды прототипов экспертных систем.[1/1]
- •40.Обобщенная структура основных этапов разработки экспертных систем.[1/2]
- •1. Идентификация.
- •2. Концептуализация.
- •3. Формализация
- •4. Программирование.
- •5. Тестирование на полноту и целостность
3. Формализация
3.1.Осуществляется выбор модели представления знаний. Выбор формализма для представления знаний и разработка в рамках выбранного формализма конкретной модели представления знаний для решения задачи.
3.2 Разработка конкретной модели представления знаний.
*40.Обобщенная структура основных этапов разработки экспертных систем.[2/2]
3.3 В ряде случаев представление дерева решений.
3.4 Решается проблема определения соотношения между декларативным и процедурным представлением. Решается при непосредственном программировании.
4. Программирование.
4.1 Выбор инструментарного средства (либо язык, либо готовые оболочки).
4.2 Написание ЭС (адаптация оболочки).
5. Тестирование на полноту и целостность
Соседние файлы в предмете Системы искусственного интеллекта