30. Математические основы нечетких систем. Степень принадлежности. Лингвистическая переменная. Операции на нечетких множествах. Меры нечеткости нечетких множеств. Нечеткость и вероятность. Содержание вопроса. Понятие нечеткого множества, лингвистической переменной, терма, степени принадлежности, кардинального числа, сечения. Операции на нечетких множествах: логическая сумма, логическое произведение, отрицание, концентрация, растяжение, ограниченная сумма и разность. Нормализация множества. Меры нечеткости Егера и Коско. Нечеткость и вероятность.

31. Нечеткие правила вывода. Системы нечеткого вывода Мамдани-Заде. Фаззификатор. Дефаззификатор. Содержание вопроса. Схема процесса нечеткого вывода. Понятие фаззификации, дефаззификации. Графическая иллюстрация нечеткого вывода с использованием графиков функций принадлежности. Методы дефаззификации: относительно центра, среднего центра, среднего максимума, минимального из максимальных значений и максимального из максимальных значений. Структурная схема организации вывода Мамдани-Заде с использованием агрегатора. Графическая иллюстрация работы при наличии нескольких правил вывода.

32. Нейронные сети для нечеткого вывода. Архитектура нечеткой сети, основанной на нейронных сетях. Содержание вопроса. Структурная схема системы. Назначение и способ реализации блока кластеризации и блока формирования заключения. Мультипликация выходов блоков кластеризации и заключений. Обучение нечеткой нейронной сети.

33. Интеллектуальный анализ данных. Основные понятия и области применения

Содержание вопроса. Актуальность проблемы. Основные понятия. Задачи решаемые Data Mining. Примеры использования методов интеллектуального анализа данных. Краткая характеристика средств компании Cognos.

34. Основы теории классических генетических алгоритмов.

Содержание вопроса. Преимущества генетических алгоритмов. Структура алгоритма. Основные генетические операторы и принципы их реализации. Применение кода Грея. Пример решения задачи с использованием генетических алгоритмов.

35. Принципы построения естественно-языковых систем. Содержание вопроса. Классификация естественно-языковых систем. Общая схема построения естественно-языковых систем. Компоненты диалоговый, анализа запроса и синтеза ответа. Принципы построения данных компонент. Пример реализации естественно-языковой системы ПОЭТ.

36. Элементная база для аппаратной реализации нейрокомпьютеров. Содержание вопроса. Понятие нейрокомпьютера. Направления реализации базового нейрона. Понятия нейроэмулятора, нейроимитатора, нейроускорителя. Структура нейронной сети на базе ПЛИС. Показатели оценки производительности нейровычислений (CUPS, CPS,CPS/Nw, CPPS, MMAC). Перспективы аппаратной реализации нейрокомпьютеров.

37. Принципы разработки экспертных систем на базе прецедентов

Содержание вопроса. Понятие рассуждения по прецедентам, прецедент, библиотека прецедентов. Достоинства и недостатки использования прецедентов. Описание CBR-цикла. Поиск прецедента и его адаптация. Вывод на основе прецедентов.

Типовые задачи для экзамена по дисциплине сии Задача 1

Провести на интервале от 0 до 20 поиск максимума одномерной функции f(x)=(x+2)² с помощью генетических алгоритмов. Описать 2 популяции. Генотип алгоритма представляет собой строку из 5 бит. Например, строка 01010 соответствует числу х=10, а f(x)=144. Вероятность размножения особей Р=0,8. Размер поколения –5. Использовать одноточечный кроссовер. Мутация заключается в инверсии одного из битов строки, выбираемого случайно. Элитизм использовать.

Требования к решаемой задачи. Случайным образом сформировать 5 особей из 5 бит в указанном диапазоне. Вычислить значение целевой функции и вероятность участия в размножении. Описать выбранный метод отбора родителей. Провести скрещивание пар родителей, выбранных случайным образом. Сформировать расширенную популяцию с учетом элитизма. Провести редукцию с обоснованием оставленных особей и сформировать первое поколение. Затем аналогично сформировать второе поколение. В одном из них выполнить мутацию. Сравнить особи второго поколения с исходным и сформировать ответ.

Задача 2

С помощью генетических алгоритмов решить задачу коммивояжера, описав 2 популяции с процедурой изощренного кроссовера и мутации. Генотип алгоритма представляет собой перестановку чисел от 1 до 5, отображающей последовательность посещения городов. Например, перестановка 51432 обозначает номера посещаемых городов, начиная из 5 города, посетив последним 2 город и вернувшись снова в 5 город . Вероятность размножения особей Р=0,8. Размер поколения –5. Использовать изощренную процедуру скрещивания. Мутация представляет случайную перестановку двух чисел в особи. Элитизм не использовать. Стоимость переезда задана матрицей.

	Г1	Г2	Г3	Г4	Г5
Г1	0	3	4	2	6
Г2	3	0	3	2	6
Г3	4	3	0	5	6
Г4	2	2	5	0	8
Г5	6	6	6	8	0

Требования к решаемой задачи. Случайным образом сформировать 5 особей из 5 чисел в указанном диапазоне, указывающих последовательность посещения городов (например, 54123). Вычислить значение целевой функции и вероятность участия в размножении. Описать выбранный метод отбора родителей. Провести скрещивание пар родителей, выбранных случайным образом. Для одного из потомков выполнить мутацию. Сформировать расширенную популяцию. Провести редукцию с обоснованием оставленных особей и сформировать первое поколение. Сравнить особи первого поколения с исходным и сформировать ответ.