по дисциплине «Системы искусственного интеллекта и принятие решений»

Вопросы к экзамену

Проблемы проектирования систем обработки информации. Постановка задачи проектирования систем обработки информации. Задача синтеза структуры иерархической системы обработки информации. Алгоритм последовательного анализа и отсева вариантовбез пошагового конструирования решения.

Понятия о прикладных системах искусственного интеллекта

Прикладные системы ИИ - системы, основанные на знаниях. Понятие инженерии знаний. Экспертные системы. Их области применения и решаемые ими задач. Обобщенная структура экспертных систем. Интеллектуальные роботы. Их обобщенная структура. Системы общения на естественном языке и речевой ввод-вывод. Применение ИИ в системах управления производством.

Подходы к построению интеллектуальных решателей

Методы поиска решений в интеллектуальных системах: а) в одном пространстве либо в иерархии пространств; б) на неполных и неточных данных; в) базирующихся на эволюционных рассуждениях; г) комбинированных.

Представление задачи в пространство состояний. Графовое представление задачи в пространстве состояний, его преимущества и недостатки.

Поиск решений и модели вывода. Механизм прямого и обратного вывода в экспертной системе логического и продукционного типа.

Модели представления знаний в интеллектуальных информационных системах.

Логическая модель. Продукционные модели и фреймовые. Семантические сетевые модели.

Сети на основе теоремы Байеса. Вывод суждений на основе условных вероятностей.

Нечеткие модели. Теория нечетких множеств и нечеткая логика – как основа интеллектуальных информационных систем и промышленных средств автоматизации.

Методы представления и обработки нечеткой информации в продукционных системах. Нечеткая и лингвистическая переменная.

Реализация вывода на основе нечетких множеств и нечетких отношений. Методы построения функции принадлежности. Операции и нечеткие отношения на нечетких множествах.

Структура модели нечетких вычислений при решении задач управления.

Нечеткие выводы. Алгоритм нечеткого вывода (общий случай).

Сети Петри. Основные понятия. Классические сети Петри. Условия возбуждения и срабатывания перехода.

Нечеткие сети Петри. Условия возбуждения и срабатывания перехода.

Методы принятия решений. Общая постановка задачи принятия решений.

Анализ вариантов принятия решений на основе нескольких критериев. Подходы к решению задач многокритериальной оптимизации.

Экспертные системы принятия решения.

Основные характеристики и особенности архитектуры ЭС. Методология проектирования ЭС принятия решений. Структура экспертной системы.

Основные классы экспертных систем, как систем основанных на знаниях.

Технология проектирования и разработки экспертной системы. Условия применимости экспертных систем. Схема работы экспертной системы. Типы экспертных систем в зависимости от степени завершенности особенностей использования: демонстрационные, исследовательские, промышленные и коммерческие.

Основные технологические этапы разработки ЭС: идентификация, концептуализация, формализация, выполнение, тестирование, опытную эксплуатацию.

Основные требования, предъявляемые к ЭС.

Постановка задачи экспертной классификации с явно заданными признаками при построении баз знаний для экспертных систем диагностики.

Инструментальные средства разработки и проектирования ЭС.

Экспертные системы принятия реше ния. Обобщенная структура экспертной системы и ее основные компоненты. Структура базы знаний и алгоритм логического вывода. Стадии разработки ЭС.

Нейросетевые модели.

Основные понятия о естественных и искусственных нейронных сетях и нейронах. Математическая модель нейрона (формальный нейрон МакКаллока-Питтса). Нейронная сеть как механизм, обучаемый распознаванию образов или адекватной реакции на входные сигналы (входную информацию). Классификация нейронных сетей и их свойства. Проблемы обучения нейронных сетей.

Топология и анализ нейронных сетей. Однослойные нейронные сети. Функции активации нейронных сетей. Многослойные нейронные сети.

Персептрон. Алгоритм обучения обратным распространением ошибки.

Применение нейронных сетей. Нейронная сеть как ассоциативная память. Использование нейронных сетей для прогнозирования. Особенности обработки символьной и численной информации в нейронных сетях.

Системы поддержки принятия решений. OLAP- системы. Управляющие информационные системы. Многомерные OLAP- инструменты. Реляционные OLAP- инструменты. Модели и стандарты Data Mining.

Список литературы

1. Гаврилова Т.А., Хорошевский В.М. Базы знаний интеллектуальных систем. – СПб.: Питер, 2000.

2. Гаскаров Д.В. Интеллектуальные информационные системы: Учебное пособие. – М.: Высш. шк., 2000.

3. Адаменко А., Кучуков А. Логическое программирование в Visual Prolog. – СПб.: БХВ, 2003.

4. Джексон Питер. Введение в экспертные системы. М. – СПб. – Киев: Изд. Дом «Вильямс», 2001.

5. Хейес – Рот Ф., Уотерман Д., Ленат Д. Построение экспертных систем. Пер. с англ. – М.: Мир, 1987.