ДИСЦИПЛИНА «НЕЧЕТКАЯ ЛОГИКА И НЕЙРОННЫЕ СЕТИ»
Зачет
а) типовые вопросы (сообщения)
Необходимость использования нечеткой логики в практике управления. Понятие нечеткого множества.
Основные характеристики нечетких множеств. Операции над нечеткими множествами.
Гетерогенное нечеткое множество. Логические операции над нечеткими множествами.
Свойства логических операций над нечеткими множествами. Нечеткие операторы.
Основные виды функций принадлежности нечетких множеств. Определение нечеткого отношения.
Операции над нечеткими отношениями. Свойства нечетких отношений.
Принцип декомпозиции нечетких отношений. Транзитивное замыкание нечетких отношений.
Понятие проекции нечетких отношений. Место нечеткой логики в управлении сложными системами.
Понятие нечеткой переменной и лингвистической переменной.
Лингвистические переменные истинности.
Логические связки в нечеткой лингвистической логике. Значения истинности «Неизвестно» и «Не определено».
Типы шкал. Методы измерений и проведения групповой экспертизы».
Классификация методов построения функции принадлежности. Прямые методы построения функции принадлежности для одного эксперта.
Классификация методов построения функции принадлежности. Косвенные методы построения функции принадлежности для одного эксперта.
Классификация методов построения функции принадлежности. Прямые методы построения функции принадлежности для группы экспертов.
Классификация методов построения функции принадлежности. Косвенные методы построения функции принадлежности для группы экспертов.
Классификация методов построения функции принадлежности. Методы построения функции принадлежности терм-множеств.
Композиционное правило. Правило modus ponens как частный случай композиционного правила вывода.
Понятие и принципы работы нечетких экспертных систем. Рассмотреть пример реализации нечеткого логического вывода.
Предпосылки создания искусственных нейронных сетей. Структура биологического нейрона.
Структура и свойства искусственных нейронных сетей. Классификация нейронных сетей.
Общие принципы обучения нейронных сетей. Этапы зарождения нейронных сетей.
Понятие персептронной представимости и проблема функции исключающего ИЛИ. Понятие линейной разделимости.
Способы преодоления линейной разделимости. Эффективность запоминания.
Термин обучение персептрона. Алгоритм обучения однослойного персептрона.
Понятие целочисленности весов персептрона. Двуслойность персептрона.
Трудности алгоритма обучения персептрона.
Основные понятия процедуры обратного распространения.
Обучающий алгоритм обратного распространения. Дальнейшие алгоритмическими разработками.
Понятие переобучение и обобщение. Принципы отбора данных.
Тематика задач на зачет
Задача 1. Построить нечеткую модель прогнозирования заработка водителя такси в зависимости от количества автомобильных поездок – разработав систему нечеткого вывода в интерактивном режиме с помощью графических средств математического пакета. Зависимость числа заявок на автомобильные поездки в регионы связана со следующими демографическими показателями местности: количество жителей, количество домов, количество автомобилей, уровень доходов, уровень занятости населения.
Задача 2. Построить нечеткую модель прогнозирования количества обслуживаемых клиентов продуктового магазина – разработав систему нечеткого вывода в интерактивном режиме с помощью графических средств математического пакета. Зависимость числа клиентов связана со следующими демографическими показателями местности: количество жителей, количество домов, качество продукции магазина, качество обслуживания, уровень доходов, уровень занятости населения.
Нечеткое моделирование оценки финансовой задолженности контрагентов на предприятии.
Анализ и прогнозирование цен продукции внешнем рынке с помощью теории нечетких множеств.
Оценка обученности студента на основе теории нечеткого моделирования.
Нечеткое моделирование риска выбора оптимального ПО на предприятии.
Спроектировать нейронную сеть, реализующую оценку стоимости услуг рекламного агентства.
Спроектировать нейронную сеть, реализующую оценку стоимости туристического предложения.
Спроектировать нейронную сеть, реализующую оценку себестоимости продукции.
Типовые вопросы тестов
1. Кем были предложены основные идеи теории нечетких множеств?
Лотфи Заде
Ричард Кенигсберг
Джарратано Эдварс
Николай Бруно
2. Как называется направление научно-прикладных исследований, применяющее теорию нечетких множеств?
Дискретная математика
Нечеткая логика
Теория тензоров
Интегральное исчисление
3. В каком году вышла первая статья Лотфи Заде по теории нечетких множеств?
2012 г.
1981 г.
1965 г.
1963 г.
4. Дайте определение понятию «нечеткая модель».
информационная модель объекта, построенная на основе теории графов
логическая модель, построенная на основе интегрального исчисления
информационная модель, построенная на основе алгебры
информационно-логическая модель, построенная на основе теории нечетких множеств и нечеткой логики
5. Какая из перечисленных моделей нейронных сетей описывается полносвязным неориентированным графом?
Многослойный перцептрон
Модель ART Гроссберга-Карпентера
Модель Хопфилда
Сеть Кохонена
6. Что такое «энергетическая функция» нейронной сети?
Целевая функция, оценивающая состояние нейронной сети
Функция оценки энергии, аккумулированной в сети и необходимой для решения задачи
Функция, для вычисления которой предназначена нейронная сеть
7. Где хранится информация в нейронной сети при рассмотрении ее с позиций коннекционизма?
В порогах нейронов
В весах связей между нейронами
В памяти нейроподобных элементов
В памяти компьютера, связанного с нейронной сетью
8. Чем принципиально отличается функционирование нейронной сети как механизма хранения знаний от других методов представления (хранения) знаний, рассматриваемых в инженерии знаний?
Наличием параллелизма обработки знаний
Тем, что знания не надо формализовать (описывать) при их запоминании
Тем, что хранимые знания трудно визуализировать
Тем, что знания представляются на входе сети в виде чисел
9. Какую из ниже перечисленных моделей нейронных сетей можно назвать самообучаемой сетью (обучаемой без учителя)?