
- •1. Дайте визначення таким поняттям як рішення, управлінське рішення, прийняття рішення. Перелічіть засади, на яких ґрунтується прийняття управлінських рішень.
- •2. Складові прийняття управлінських рішень.
- •3. Етапи розгорнутого процесу прийняття рішень. Охарактеризуйте коротко кожен з них.
- •5. Алгоритм та його місце в теорії інтелектуальних систем прийняття рішень.
- •6. Структура інтелектуальної системи прийняття рішень.
- •7. Сутність поняття «Інтелектуальна система прийняття рішень».
- •Суть понять «дані» та «знання». Покажіть між ними відмінність.
- •Представлення знань в іспр за допомогою логічної моделі. Навести приклад.
- •Представлення знань в іспр за допомогою семантичних мереж. Навести приклад.
- •Представлення знань в іспр за допомогою фреймової моделі. Навести приклад.
- •Представлення знань в іспр за допомогою продукційної моделі. Навести приклад.
- •Раціональний вибір та аксіоми раціонального поводження в економіці.
- •22. Функції вибору та операції над ними.
- •23. Дерево рішень. Прийняття рішень за його допомогою.
- •26. Види невизначеності та причини її виникнення.
- •27. Сутність ризику. Його суб’єктивність та об’єктивність.
- •28. Система постулатів стосовно ризику як економічної категорії.
- •29. Узагальнений алгоритм вимірювання певного виду економічного ризику
- •30. Сутність якісного аналізу ризику
- •31. Кількісні показники оцінки ступеня ризику в абсолютному вираженні.
- •32. Кількісні показники оцінки ступеня ризику у відносному вираженні
- •33. Визначення нечіткої множини та її властивості.
- •34. Операції над нечіткими множинами. Задати універсальну множину та дві нечіткі множини на ній та здійснити всі можливі операції над ними.
- •35. Суть дефазифікації. Методи дефазифікації. Наведіть приклад.
- •43. Основі кроки класичного генетичного алгоритму. Опишіть їх.
- •36. Функція належності та методи її побудови.
- •37. Нечітке відношення та його властивості.
- •40, Що таке задачі оптимізації? у яких випадках застосування інструментарію генетичного алгоритму є ефективнішим за традиційні методи оптимізації.
- •41. Способи кодування параметрів задачі для використання у прийнятті рішення інструментарію генетичного алгоритму. Детально пояснять двійкове кодування.
- •42. Основна термінологія, що використовується в генетичному алгоритмі.
- •43. Основі кроки класичного генетичного алгоритму. Опишіть їх.
- •45. Оператори генетичного алгоритму.
- •46. Експертна система оцінювання та принципи, на яких вона ґрунтується.
- •47. Схема експертного оцінювання з урахуванням послідовності залучення і функцій основних груп суб'єктів.
- •48. Етапи процесу експертного оцінювання
- •49. Методи колективної роботи експертної групи
- •50. Методи отримання індивідуальної думки членів експертної групи.
- •51. Задачі експертного оцінювання.
- •52. Статистичні методи обробки експертної інформації.
- •58. Назвіть типові багатокритеріальні задачі та стисло опишіть одну з них.
- •63. Класифікація інформаційних ситуацій.
- •64. Інгредієнт функціонала оцінювання
- •65. Прийняття рішень у полі першої інформаційної ситуації.
- •66. Прийняття рішень у полі другої інформаційної ситуації.
- •67. Прийняття рішень у полі третьої інформаційної ситуації.
- •68. Прийняття рішень у полі четвертої інформаційної
- •69. Прийняття рішень у полі п'ятої інформаційної ситуації.
- •70. Прийняття рішень у полі шостої інформаційної ситуації.
- •71. Суть теоретико-ігрового підходу в прийнятті рішень з урахуванням
- •72. Ігровий розпливчастий метод аналізу ієрархій (ірмаі).
- •75. Одношарові та багатошарові штучні нейронні мережі. Їх архітектурні особливості. Розрахунок вихідного вектору.
- •76. Суть навчання штучних нейронних мереж та його оцінювання.
- •77. Правила навчання штучних нейронних мереж.
- •78. Назвіть різні структури нейронних мереж та для однієї з них наведіть алгоритм її навчання.
- •79. Особливості сумісного використання генетичних алгоритмів та штучних нейронних мереж.
- •62. Гра та її складові.
- •80. Основні характеристики штучних нечітких нейронних мереж.
Суть понять «дані» та «знання». Покажіть між ними відмінність.
Знання — форма існування і систематизації результатів пізнавальної діяльності людини. Виділяють різні види знання: наукове, повсякденне (здоровий глузд), інтуїтивне, релігійне та інші. Повсякденне знання служить основою орієнтації людини в навколишньому світі, основою її повсякденної поведінки і передбачення, але звичайно містить помилки і протиріччя. Науковому знанню властиві логічна обґрунтованість, доведеність, відтворення результатів, прагнення до усунення помилок і подолання суперечок. Знання в теорії штучного інтелекту — сукупність даних (у індивідума, суспільства або у системи штучного інтелекту) про світ, що включають інформацію про властивості об'єктів, закономірності процесів і явищ, а також правила використання цієї інформації для ухвалення рішень. Правила використання включають систему причинно-наслідкових зв'язків. Головна відмінність знань від даних полягає в їхній активності, тобто поява в базі нових фактів або встановлення нових зв'язків може стати джерелом змін в ухваленні рішень.
Дані складаються з фактів і цифр, які можуть бути безглуздими для певного користувача
Представлення знань в іспр за допомогою логічної моделі. Навести приклад.
Логічні моделі подання знань засновані на понятті формальної системи. Їхніми прикладами можуть бути числення предикатів і будь-яка конкретна система продукцій. Ці моделі є дедуктивними системами; у них використовується модель виведення з заданої системи посилок за допомогою фіксованої системи правил. Подальший розвиток предикатних систем пов’язаний з переходом до індуктивних систем, у яких правила виведення породжуються на основі обробки кінцевого числа навчаючих прикладів. Перспективний напрямок – розвиток псевдофізичних логік, що, як і індуктивні моделі, поки не одержали широкого практичного застосування. Логічні моделі включають моделі на основі числення висловлювань та продукційні моделі. Наведемо приклад реалізації логічної моделі у вигляді продукційної. Продукційна модель – найпростіший засіб подання знань. Вони складаються з продукційних правил типу "Якщо А, то В". А називають посилкою (умовою, антецедентом), а В – дією (консеквентом). Це означає, що "якщо всі умови А є істинними, тоді В – також істинне" або "якщо всі умови А виконуються, тоді потрібно виконати дію В". Приміром, якщо дати Келлі Ладі команду та показати шматок м’яса, тоді вона дасть лапу. Якщо ж м’ясо не показувати, то лапу вона не дасть, навіть почувши команду.
Представлення знань в іспр за допомогою семантичних мереж. Навести приклад.
Семантична мережа — інформаційна модель предметної області, що має вигляд орієнтованого графа, вершини якого відповідають об'єктам предметної області, а ребра задають відносини між ними. Об'єктами можуть бути поняття, події, властивості, процеси. Таким чином, семантична мережа є одним із способів представлення знань. У назві сполучені терміни з двох наук: семантика у мовознавстві вивчає сенс одиниць мови, а мережа в математиці є різновидом графу — набору вершин, сполучених дугами (ребрами). У семантичній мережі роль вершин виконують поняття бази знань, а дуги (причому направлені) задають відношення між ними. Таким чином, семантична мережа відображає семантику предметної області у вигляді понять і відносин між ними. Основною формою представлення семантичної мережі є граф. Поняття семантичної мережі записуються в овалах або прямокутниках і з'єднуються стрілками з підписами — дугами. Це найзручніша форма яка сприймається людиною. Її недоліки виявляються, коли ми починаємо будувати складніші мережі або намагаємося врахувати особливості природної мови.