
- •Искусственный интеллект. Определения искусственного интеллекта. История развития искусственного интеллекта
- •Предпосылки развития науки искусственного интеллекта
- •Парадигмы искусственного интеллекта. Тест Тьюринга
- •Подходы к созданию интеллектуальных систем.
- •Направления развития искусственного интеллекта
- •Области применения искусственного интеллекта
- •Интеллектуальные системы. Основные понятия и определения. Структура интеллектуальной системы.
- •Модели и методы знаний. Структуры памяти эвм. Информационные структуры для хранения данных.
- •Модели представления данных.
- •Концепция знаний.
- •Модели представления знаний. Логические и сетевые модели.
- •Модели представления знаний. Продукционные и фреймовые модели.
- •Графы сетей Петри Скучная и непонятная теория из лекций
- •Наглядный пример Пример 1
- •Пример 2
- •Сети Петри: дерево достижимых разметок.
- •Оценка свойств сетей Петри на основе матричных уравнений.
- •Алгебра сетей Петри: операции над сетями Петри.
- •Расширения сетей Петри: ингибиторные, приоритетные, временные.
- •Способы описания сетей Петри.
- •Методы анализа сетей Петри. Задачи анализа.
- •Методы анализа сетей Петри. Дерево достижимых разметок.
- •Методы анализа сетей Петри. Анализ на основе матричных методов.
- •Проектирование сложных вычислительных структур. Структурный подход.
- •Матричные структуры. Преимущества матричных структур.
- •Примеры проектирование структур матричных процессоров на основе проекций процессорных элементов.
- •Построение параллельных матричных систем на примере умножения двух матриц.
- •Глубокое обучение. Принцип действия глубокого обучения. Геометрическая интерпретация глубокого обучения.
- •История машинного обучения. Вероятностное моделирование. Метод опорных векторов. Деревья решений.
- •Математические основы нейронных сетей.
- •Нейронные сети. Представление данных.
- •Нейронные сети. Представление данных. Примеры.
- •Нейронные сети. Операции с тензорами. Примеры.
- •Сверточные нейронные сети. Эффект границ. Шаг свертки.
- •Основные задачи в сфере компьютерного зрения.
- •Сверточные нейронные сети. Модульность, иерархия, многократное использование
- •Рекурентные нейронные сети. Класс задач, решаемых рекурентными нейронными сетями.
- •Рекурентные нейронные сети. Обработка естественных языков.
- •Генеративное глубокое обучение. Художественная обработка изображений.
- •Генетические алгоритмы. Основные понятия.
Модели представления знаний. Продукционные и фреймовые модели.
Продукционная форма используется для представления знаний в виде импликативных отношений и связок («и») и («или») между фактами. Продукционная форма широко используется в системах продукций, которые являются основой экспертных систем для консультаций, диагностики, поддержки принятия решений и управления.
Фреймовая форма соответствует фреймовой сети и является мощным средством построения больших иерархических систем для представления и обработки изображений, речевых образов, процессов управления, диагностирования и пр. Для поддержки разработки фреймовых систем используются специализированные программные средства. Фреймовые сети в настоящее время развиваются в сторону универсализации, т. е. фреймы трансформируются в более универсальные объекты с полным набором свойств объектно-ориентированного программирования. Такой подход часто используется в разработках мощных распределенных сетевых систем знаний для моделирования, управления, проектирования и пр. Универсальный вариант объектной модели знаний поддерживается средствами объектно-ориентированного проектирования баз знаний.
Методы работы со знаниями. Механизм вывода решений
Экспертные системы. Структура экспертных систем.
Экспертные системы. Классификация экспертных систем.
Экспертные системы. Этапы разработки экспертных систем.
Инструментальные средства создания интеллектуальных систем. Решающие деревья.
Сетевые модели. Сети Петри. Основные понятия и определения.
Сети Петри: формы представления сетей Петри, графы сетей Петри, правила функционирования сетей Петри.
Формы представления сетей Петри:
графический (отображаются позиции, переходы и их связи в виде ориентированного графа):
матричный (позиции, переходы и их связи отображаются в виде матриц I (связь позиций с переходами - в какие переходы можно попасть из конкретной позиции), O (связь переходов с позициями - в какие позиции можно попасть из конкретного перехода) и μ0 (начальное состояние системы - показывает, в каких позициях присутствуют метки))
Графы сетей Петри Скучная и непонятная теория из лекций
Сеть Петри (СП) - это двудольный ориентированный мультиграф N = (P, T, I, O, µ0), где:
P - конечное непустое множество элементов, называемых позициями; T - конечное непустое множество элементов, называемых переходами; I: PT{0,1,2...} и O: PT{0,1,2...} - функции инцидентности;
µ0 : P{0,1,2...} - начальная разметка.
n =P- мощность множества P,
m =T - мощность множества T.
СП обычно представляют в виде геометрического объекта. При этом позиции изображают кружками, переходы - черточками или прямоугольниками.
Дуга проводится от позиции pi к переходу tj, если I(pi, tj) > 0, и от перехода tj к позиции pi, если O( pi, tj) > 0.
Правила функционирования сетей Петри
При функционировании СП переходит от одной разметки к другой. Каждая разметка представляет собой функцию : P{0,1,2...}. Переход может сработать при разметке , если он активен.
Переход tj является активным, если pi pre(tj): (pi ) >= I( pi, tj) .
В результате срабатывания перехода tj разметка меняется в соответствии со следующим правилом:
pi (pre( tj) post(tj)) : ‘(pi ) = (pi ) - I(pi, tj) + O( pi, tj) .
В этом случае говорят, что разметка ‘ достижима от разметки в результате срабатывания перехода tj, а разметка предшествует ‘.
СП останавливается, если при некоторой разметке не может сработать ни один из ее переходов. Такая разметка называется тупиковой.