- •Понятие, история развития теории нейронных сетей.
- •2. Основные свойства мозга, которые моделируются.
- •3. Основные области применения нейронных сетей.
- •4. Составляющие модели нейронной сети.
- •5. Понятие нейрона
- •6. Виды искусственных нейронов
- •7. Виды и назначение функции активации
- •8. Виды архитектуры нейронной сети.
- •9. Основные модели динамических нейронных сетей.
- •10. Парадигмы обучения нейронных сетей.
- •11. Параметры оптимизации системы, обучаемой по примерам.
- •12. Правила обучения.
- •13. Алгоритм обучения персептрона Розенблата.
- •14. Оценки качества нейронной сети.
- •15. Алгоритм обратного распространения ошибки
- •16. Способы обеспечения и ускорения сходимости
- •17. Сеть встречного распространения
- •18. Модель зрительного восприятия.
- •19. Виды сегментации изображения.
- •20. Виды преобразований изображения между классами
- •21. Особенности зрительного восприятия человека.
- •22. Методы пороговой обработки изображений.
- •23. Методы выделения контуров на изображении.
- •24. Метод уточнения контура
- •25. Методы распознавания изображений.
- •26. Основные проблемы теории искусственного интеллекта
- •27. Направления исследований в области систем искусственного интеллекта.
- •28. Данные и знания. Способ определения понятий.
- •29. Особенности знаний
- •30. Семантические сети.
- •31. Типы объектов и виды отношений в семантической сети.
- •32. Фреймовая модель.
- •33. Сравнительная харак-ка систем предста-ия знаний на основе сетевых моделей.
- •34. Продукционная система.
- •35. Логическая модель представления знаний.
- •36. Сравнительная характеристика систем представления знаний на основе продукций и логической модели.
- •37. Метод резолюций.
- •38. Виды неопределенности в задачах принятия решений
- •39. Понятие лингвистической переменной и основные операции теории нечетких множеств.
- •40. Характеристики речевых сигналов
- •41. Методы обработки речевого сигнала
- •42. Распознавание речевых сигналов.
- •Вопросы
- •Понятие, история развития теории нейронных сетей.
- •Основные области применения нейронных сетей.
26. Основные проблемы теории искусственного интеллекта
Центральной проблемой является проблема представления знаний. Следующая проблема – компьютерная логика – это моделирование человеческих рассуждений. И последняя – компьютерная лингвистика – это проблема общения с компьютером на естественном языке.
27. Направления исследований в области систем искусственного интеллекта.
В 1956 г. США была проведена конференция- по решению задач логики, там поя-я понятие Искусственного интеллекта
Направления ИИ:
1) Нейрокибернетика (исп-ся психологические нейрофизиологические исследования для моделирования функций мозга)
2)Кибернетика черного ящика (главное – получение реакций на входное изображение)
Основные модели кибернетики:
1. 50-е гг. –моделирование творческих процессов (шашки, шахматы, стихи…)
2. 60-е – эвристическое программирование (перцептрон – первая нейронная сеть, которая должна работать, как мозг)
3. до 70 г. – работы по математической логике (доказ-ва теорем, метод резолюций, т.е. доказ-во от обратного). ▪На основе метода резолюций в 173 г. был разработан язык ИИ Prolog. ▪Lisp – язык, ориентированный на символьное вычисление. ▪Минский разработал фреймовую модель представления знаний (нечеткая логика)
4. 1973 – доклад о рез-х ИИ
5. В США ведутся работы по созданию экспертных систем для ▪медицины (диагностика заболеваний), ▪нефтеразведки, ▪химии (синтез новых соединений).
6. к. 80-х гг – получение коммерческих продуктов с исп-ем ИИ.
7. В Японии программа разработки компов V поколения: ▪Lisp, ▪Prolog, ▪БД и БЗ
Для настоящего этапа характерно:
1. Фундаментальные исследования: ▪представление знаний, компьютерная лингвистика
2. Внешняя интеллектуализация компа (обеспечение компов существующей архитектуры программно-аппаратными интеллектуальными внешними средствами, кот. позволяют человеку общаться с ПК)
3. Внутренняя интеллектуализация компов на принципах ИИ.
28. Данные и знания. Способ определения понятий.
Данные – отдельные файлы, характеризующие объекты, процессы и явления предметной области. Схема получения данных: 1)Измерение и наблюдение → 2)Занесение в таблицу → 3)Графики и диаграммы для наглядного представления данных →4)БД и СУБД. Пункты 1-3 – методы представления данных(МПЗ).
Знания основаны на данных, полученных эмпирическим путем и представляют собой результат мыслительной деятельности на основе обобщения опыта, позволяющий выявить закономерности предметной области. Путь знаний: 1)Рез-т мышления и получения выводов → 2)Регистрация в виде текстов → 3)Модели представления знаний (формализация МПЗ)→ 4)БД+СУБЗ.
Знания – это хорошо структурированные данные или метаданные (данные о данных). В основе знаний лежат понятия.
Способы определения понятий:
Интенсионал понятия – соотношение его с понятием более высокого уровня абстракции с указанием специфических свойств (определения через знания). Интенсионалы формируют знания об объектах.
Другой способ экстенсионал, т.е. через соотнесение с понятиями более низкого уровня абстракции или через перечисление фактов, относящихся к данному объекту.
Различают знания:
- декларативные (аналог данных) и процедурные (изменяют декларативные знания).
- поверхностные (знания о видимых взаимосвязях между отдельными событиями и фактами предметной области) и глубинные (абстракции, схемы, отображающие природу и внутренние механизмы процессов, протекающих в предметной области).