- •1. Знания как основа принятия решений
- •2. Понятие «система»
- •4. Формализованные знания. Сущность и сферы использования. Примеры.
- •5. Неформализованные знания и задачи
- •6. Слабоструктурированные задачи. Источники неопределенности при принятии решений.
- •7. Основные виды неопределенности и способы ее уменьшения
- •8. Понятие «искусственный интеллект». Задачи ии. Основные этапы развития ии
- •9. Особенности человеческого мышления. Принципы построения систем ии
- •10. Особенности и признаки интеллектуальных информационных систем.
- •11. Двойственная природа знаний, используемых в интеллектуальных системах
- •12. Понятие «экспертная система». Основные модели представления знаний в экспертных системах.
- •13. Логические модели представления знаний. Модель, основанная на логике высказываний
- •14. Логические модели представления знаний. Модель, использующая исчисление предикатов (э-существует y-любой!!!!!!)
- •15. Продукционная модель представления знаний. Структура экспертных систем продукционного типа.
- •16) Механизм логического вывода в продукционных системах. Примеры логического вывода
- •17 Управляющий компонент продукционной экспертной системы
- •27. Способы дефазификации результатов нечеткого вывода.
- •18. Общая хар-ка матем-го аппарата теории нечетких множеств.
- •19. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •21. Алгебраические операции над нечеткими множествами.
- •20. Операции над нечеткими множествами (кроме алгебраических).
- •22. Нечеткая и лингвистическая переменные.
- •23. Нечеткие отношения.
- •24. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •26. Особенности нечеткого логического вывода по Мамдани и Ларсену
- •28. Нечеткие аппроксиматоры.
- •29. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •30. Биологический нейрон.
- •Биологический нейрон 2
- •31. Понятие коннекционизма
- •32 Схема формального нейрона
- •33. Функции активации формального нейрона, их смысл и основные виды
- •34. Сравнение ветвей компьютерной эволюции.
- •35 Архитектуры нейронных сетей
- •36. Обучение нейросетей.
- •Цель обучения
- •37. Обучение нейронных сетей как задача оптимизации
- •38. Сравнение ветвей компьютерной эволюции.
- •39. Генетические алгоритмы. Основные понятия, принципы и особенности построения.
- •40. Обучение нейронных сетей методом статистических испытаний.
- •Знания как основа принятия решений
- •Понятие «система»
Знания как основа принятия решений
Понятие «система»
Понятия «данные», «информация», «знания» и связь между ними
Формализованные знания. Сущность и сферы использования. Примеры
Неформализованные знания и задачи
Слабоструктурир задачи. Источники неопределенности при принятии решений
Основные виды неопределенности и способы ее уменьшения
Понятие «искус интеллект». Задачи ИИ. Основные этапы развития ИИ.
Особенности человеческого мышления. Принципы построения систем ИИ.
Особенности и признаки интеллектуальных информационных систем
Двойственная природа знаний, используемых в интеллектуальных системах
Понятие «экспертная система». Основные модели представления знаний в ЭС.
Логические модели представ знаний. Модель, основан на логике высказ
Логические модели представ знаний. Модель, использ исчисление предикатов
Продукционная модель представленя знаний. Стр-ра ЭС продукционного типа.
Механизм логического вывода (ЛВ) в продукционных системах. Примеры ЛВ.
Управляющий компонент продукционной экспертной системы
Общая характеристика математического аппарата теории нечетких множеств
Осн идеи теории и нечетких множ-в. Сравнение обычных и нечетких множеств
Операции над нечеткими множествами (кроме алгебраических)
Алгебраические операции над нечеткими множествами
Нечеткая и лингвистическая переменные
Нечеткие отношения
Операции композиции нчтк отн-ний и нчтк импликации, их знач-е для нчтк ЛВ
Нечеткий логический вывод
Особенности нечеткого логического вывода по Мамдани и Ларсену
Способы дефазификации результатов нечеткого вывода.
Нечеткие аппроксиматоры
Основные проблемы, решаемые при помощи искусственных нейронных сетей
Биологический прототип искусственных нейронных сетей
Понятие и основные идеи коннекционизма
Схема формального нейрона. Роль его составных частей
Функции активации формального нейрона, их смысл и основные виды
Сравнение ветвей компьютерной эволюции
Архитектура нейронных сетей. Понятие, основные виды. Примеры
Обучение нейронных сетей, сущность и основные алгоритмы обучения
Обучение нейронных сетей как задача оптимизации. *
Сравнение ветвей компьютерной эволюции.
Генетические алгоритмы. Осн понятия, принципы и особенности построения
Обучение нейронных сетей методом статистических испытаний.*