ЭкзВопр(МиАПР)
.docxЭКЗАМЕНАЦИОННЫЕ ВОПРОСЫ (Методы и алгоритмы принятия решений)
-
Общие составляющие теории распознавания образов и принятия решений.
-
Определение интеллекта.
-
Узловые интегральные операции построения выводов.
-
Основные понятия теории распознавания образов.
-
Функции системы распознавания.
-
Основные принципы простейших методов классификации.
-
Процесс обучения.
-
Базовые принципы построения решающих правил.
-
Простейшие методы построения решающих правил.
-
Метод построения эталонов.
-
Метод дробящихся эталонов.
-
Метод ближайших соседей.
-
Используемые простейшие метрики.
-
Элементарный алгоритм выявления кластеров.
-
Влияние пороговой величины на результат работы алгоритма [из вопроса 14].
-
Недостатки и достоинства простейшего алгоритма кластеризации [из вопроса 14].
-
Шаги по оптимизации алгоритма [из вопроса 14].
-
Алгоритм К-групповых средних. Диаграмма Вороного.
-
Описание алгоритма [из вопроса 18], оценка его эффективности, пример.
-
Алгоритм максимина: описание, оценка его эффективности, пример.
-
Метод потенциальных функций: специфика метода и его электростатическая составляющая, смысл потенциальной функции.
-
Описание процедуры распознавания в методе потенциалов.
-
Примеры потенциальных функций.
-
Многочлены Эрмита.
-
Выбор корректирующего множителя и построение разделяющей функции при использовании метода потенциалов. Пример реализации метода.
-
Проблемы таксономии (кластеризации). Влияние метрики на результат.
-
Идея метода иерархического группирования.
-
Типы процедур иерархической классификации.
-
Дендрограмма.
-
Простейшая агломеративная процедура.
-
Расстояние между классами.
-
Общая формула вычисления расстояния между классами. Частные случаи.
-
Различия в алгоритмах иерархической кластеризации.
-
Общий вид алгоритма иерархической группировки.
-
Методы включения нового объекта в существующий кластер.
-
Методы объединения двух кластеров.
-
Математические характеристики кластеров.
-
Основные допущения кластерного анализа.
-
Стандартизация переменных.
-
Пример реализации алгоритма иерархической группировки.
-
Понятие решающей функции.
-
Линейные решающие функции (ЛРФ).
-
Условия линейной разделимости классов.
-
Общий подход к нахождению ЛРФ.
-
Метод градиентного спуска.
-
Алгоритм наименьшей среднеквадратичной ошибки (НСКО-алгоритм).
-
Критерии ошибки неправильной классификации.
-
Обобщенные решающие функции.
-
Построение спрямляющего отображения.
-
Мономиальные функции.
-
Условие существования мономиального решения.
-
Биологический нейрон и его свойства.
-
Типы соединений нейронов.
-
Биологические нейронные сети и их свойства.
-
Основные положения теории деятельности головного мозга (У. Мак-Каллок, У. Питтс).
-
Математическая модель нейрона (У. Мак-Каллок, У. Питтс).
-
Моделирование элементарных логических функций.
-
Модель нейрона со смещением.
-
Функции активации, их аналитическая формула, свойства и график.
-
Персептрон Розенблатта.
-
Схема персептрона.
-
Принцип функционирования.
-
Алгоритм обучения персептрона.
-
Упрощенный алгоритм обучения персептрона. Пример.
-
Теорема о сходимости алгоритма обучения персептрона.
-
Ограниченность персептрона.
-
Нейросеть, моделирующая функцию «Исключающее ИЛИ».
-
Основные схемы нейронных сетей.
-
Математические возможности нейронных сетей.
-
Базовые математические задачи, решаемые нейросетями.
-
Общий принцип обучения нейросетей.
-
Алгоритм обучения Хебба. Пример.
-
Адаптивное обучение одного нейрона.
-
Обучение многослойной сети методом обратного распространения ошибки.
-
Алгоритм и сеть Кохонена.
-
Сеть Кохонена для биполярных векторов.
-
Сети ассоциативной памяти.
-
Алгоритм и сеть Хопфилда. Пример.
-
Алгоритм и сеть Хэмминга. Пример.
-
Элементы теории статистических решений.
-
Правило принятие решений в теории статистических решений.
-
Нормальный закон распределения.
-
Средний риск при многократном распознавании объектов (на примере двух классов).
-
Минимизация среднего риска.
-
Отношение правдоподобия.
-
Некоторые вероятностные стратегии принятия решений: критерий Байеса, минимаксный, Неймана-Пирсона. Геометрические иллюстрации значений среднего риска и потерь от условной вероятности принадлежности объекта первому классу.
-
Геометрическая интерпретация байесовского критерия.
-
Пример нахождения порогового значения с использованием вероятностных методов.
Калугина М. А.