245. Соответствие между понятиями интеллектуальных систем и технологий:
L1: Нейросистемы
L2: Системы поддержки и принятия решений
L3: Экспертные системы
Ответы соответственно
R1: компьютерные системы, ориентированные на обработку образов, основанную на обучении
R2: человеко-машинные системы, использующие аппарат нечетких множеств для решения слабоструктурированных, плохо формализованных проблем
R3: программные комплексы, моделирующие рассуждения специалиста в некоторой предметной области с использованием базы знаний, содержащей факты и правила об этой области, а так же процедуры логического вывода
246. Соответствие между понятиями интеллектуальных систем и технологий:
L1: Самоорганизующиеся карты Кохонена
L2: Интеллектуальный анализ данных (Data Mining)
L3: Хранилище данных (Data Warehouse)
Ответы соответственно
R1: набор аналитических процедур и алгоритмов, позволяющих преобразовать традиционное описание множества объектов, заданных в многомерном пространстве признаков, в плоскую двумерную карту
R2: процесс извлечения из исходных данных ранее неизвестных, нетривиальных и практически ценных зависимостей (знаний)
R3: логически интегрированная база данных, обеспечивающая максимально быстрый и удобный доступ к информации, необходимой для анализа и поддержки принятия решений
247. Соответствие между понятиями интеллектуальных информационных систем и технологий:
L1: Искусственный интеллект
L2: Информационная технология
L3: Интеллектуальная информационная система
Ответы соответственно
R1: отрасль научного знания, связанная с созданием интеллектуальных информационных систем
R2: система методов и способов сбора, накопления, хранения, поиска и обработки информации на основе применения средств вычислительной техники
R3: класс информационных систем, нацеленных на решение интеллектуальных задач
248. Соответствие между понятиями, касающимися обучения нейронной сети:
L1: Обучение «с учителем»
L2: Обучение «без учителя»
L3: Обучение «смешанное»
Ответы соответственно
R1: кроме входных сигналов известны выходные сигналы
R2: известны входные сигналы, но неизвестны выходные
R3: часть весов определяется обучением посредством обучения «с учителем», другая часть получается с помощью «самообучения»
249. Соответствия между понятиями, касающимися нейронной сети:
L1: Слой
L2: Эпоха
L3: Активационная функция
L4: Взвешенный вход
Ответы соответственно
R1: совокупность нейронов, имеющих один и тот же набор входов и не соединенных между собой
R2: одно предъявление всех образцов сети
R3: функция, на основе которой формируется входной сигнал
R4: произведение входного сигнала на весовой коэффициент
250. Последовательность стадий принятия решений в СППР:
1. Распознавание и осмысление проблемы
2. Определение возможных вариантов решения проблемы
3. Выбор варианта решения среди альтернатив
4. Реализация решения
251. Последовательность открытий и предложений ученых в области нейромоделирования:
1. Модель формального нейрона
2. Техническая модель процесса восприятия – модель искусственного нейрона (персептрона)
3. Доказательство ограниченных возможностей одиночного персептрона
4. Модель многослойной нейронной сети
252. Способность информационных систем брать на себя некоторые функции человеческого разума – это ### (искусственный интеллект)
253. Комплекс технологий, основанный на применении искусственных нейронных сетей – это ### (нейросетевые технологии)
254. В функциональной схеме формального нейрона Wi – это ### (весовой коэффициент)
http://cs316519.userapi.com/v316519583/51a7/UsHZ-_oNEEY.jpg
255. Математическая модель ### представлена формулой: (искусственный нейрон)
S=
Y= F(s)
256. На рисунке представлена ### сеть (многослойная нейронная сеть)
http://cs316519.userapi.com/v316519583/5193/O2b3VryVKzM.jpg
257. OLAP-отчет состоит из
области фильтров
области активных измерений
области данных
области строк
258. Хранилища данных (Data Warehouse), используемые в современных аналитических системах, НЕ предполагают
знание пользователями структуры хранения данных
259. Хранилища данных (Data Warehouse), используемые в современных аналитических системах, НЕ предполагают
знания пользователями языка запросов
260. Аналитическая платформа Contour BI (Контур Стандарт)
предназначена для анализа финансовой, статистической и другой бизнес-информации
использует OLAP-технологию оперативной аналитической обработки бизнес-данных
позволяет получать произвольные экранные отчеты для интерактивного анализа и распечатки
261. Аналитическая платформа Contour BI
поддерживает ROLAP-модель доступа к данным
поддерживает MOLAP-модель доступа к данным
поддерживает HOLAP-модель доступа к данным
262. Этапы создания OLAP-приложений в системе Contour BI
Описание источников данных
Построение запросов к источникам данных
Разработка отчетов
263. Система «Контур Стандарт» обеспечивает построение отчетов
OLAP-отчета (из БД или микрокуба)
таблицы
тренда
кластерного анализа
264. Отметьте правильные утверждения, касающиеся отчетов системы Contour BI (Контур Стандарт)
OLAP-отчет – динамическая OLAP-таблица, автоматически суммирующая данные (факты) в различных разрезах (измерениях) и позволяющая интерактивно управлять вычислениями и формой отчета
Таблица - «списочный» отчет с графическим изображением данных
Тренд – отчет, отражающий динамику различных показателей во времени
Кластерный анализ (разбиение на группы) – отчет для выполнения сравнительного анализа групп показателей, выявления среди них наиболее и наименее влиятельных
265. Модели хранения данных в OLAP-системах
Relational OLAP
Multidimensional OLAP
Hybrid OLAP
266. Элементы архитектуры классической BPM-системы
Хранилище данных
Инструментарий поддержки технологий управления предприятием
Средства OLAP-технологии (On-Line Analytical Processing)
267. Основные этапы управления эффективностью бизнеса в BPM-системах
Разработка стратегии
Планирование
Мониторинг и контроль
Анализ и регулирование
268. Исходные данные MRP-систем (Material Requirements Planning)
план производства
номенклатура и спецификации состава производимых изделий
данные о состоянии запасов
269. НЕ правильные утверждения применительно к стандарту MRP (Material Requirements Planning)
позволяет моделировать бизнес-процессы с постановкой вопроса типа «Что будет, если…»
270. Стандарт MRPII (Manufacturing Resource Planning)
позволяет координировать деятельность большего количества отделений предприятия
позволяет моделировать бизнес-процессы с постановкой вопроса типа «Что будет, если…»
предполагает планирование потребностей в материалах и мощностях
предполагает планирование продаж
271. Задачи, решаемые ERP-системами (Enterprise Resource Planning)
планирование финансовых, людских, материальных и иных ресурсов
оперативное управление выполнением планов (включая снабжение, сбыт, ведение договоров)
ведение различных видов учета
анализ результатов хозяйственной деятельности
272. Стандарт ERP (Enterprise Resource Planning)
предоставляет возможность управления сложным многопрофильным предприятием или холдингом
включает в себя весь функционал и логику MRPII-систем с добавлением новых возможностей и функций
предполагает тесное взаимодействие производства, поставщиков, партнеров и потребителей
273. Стандарт ERP (Enterprise Resource Planning)
поддерживает планирование различных типов ресурсов
использует единое хранилище данных
позволяет анализировать результаты хозяйственной деятельности
274. Стандарт ERP (Enterprise Resource Planning)
поддерживает ведение различных видов учета
направлен на оперативное управление выполнением планов (включая снабжение, сбыт, ведение договоров)
обеспечивает управление географически распределенным бизнесом
поддерживает планирование финансовых, людских, материальных и иных ресурсов
275. Правильные утверждения, касающиеся CRM-систем
это системы управления взаимоотношениями с заказчиками
направлены на организацию взаимовыгодных, устойчивых отношений компании с клиентами
предоставляют различные каналы взаимодействия клиентов с сотрудниками компании
включают в себя функционал SFA-систем (Sales Force Automation)
276. Правильные утверждения
CRM-системы – это системы управления взаимоотношениями с заказчиками
SCM-системы – это системы управления цепочками поставок
277. Правильные утверждения, касающиеся BPM-систем
Поддерживают комплексное решение задач планирования, контроля и регулирования бизнес-деятельности
Являются на текущий момент вершиной пирамиды развития программного обеспечения автоматизации бизнес-процессов
Предназначены для поддержки тактического (оперативного) управления бизнес-процессами на разных уровнях
278. Факторы способствующие появлению стандарта ERPII (Enterprise Resource and Relationship Processing)
Бурное развитие Интернет-технологий, появление электронного бизнеса
Автоматизация внутренних и внешних бизнес-процессов
Поддержка единого хранилища данных и сетевого обмена информацией
Возможность совместного использования знаний – как сотрудниками предприятия, так и клиентами
279. Техническую модель искусственного нейрона – персептрон разработал
Ф.Розенблат
280. OLAP-отчет в Контур Стандарт может быть создан на основе
многомерного микрокуба
SQL-запроса к реляционной базе данных
281. Аналитическая платформа Deductor позволяет решать задачи
парциальной обработки данных
нейросетевого анализа и прогнозирования
кластерного анализа
факторного анализа
282. Знания по способу приобретения подразделяются на
фактические
эвристические
283. Знания по характеру информации подразделяются на
декларативные
процедурные
284. нет, но он, скорее всего, очень похож на 285
285. Соответствие между понятиями:
L1: ROLAP (Relational OLAP)
L2: MOLAP (Multidimensional OLAP)
L3: HOLAP (Hybrid OLAP)
R1: модель данных, обеспечивающая прямой доступ к реляционным БД в режиме online, преобразующая плоские выборки в многомерное представление
R2: модель данных, обеспечивающая в режиме offline обработку многомерных БД - микрокуба
R3: модель данных, обеспечивающая обработку как реляционных в режиме online, так и многомерных микрокубов в режиме offline