- •Технологии обработки информации. Вопросы к экзамену 2025 - 2026 уч. Год
- •Часть 1
- •2. Передача данных в прологе внутри одного предложения, из одного предложения в другое. Передача данных через логическое «или». Условия передачи данных. Примеры. Обобщение.
- •3. Процедуры пролога. Главная процедура. Сопоставление. Понятие возврата при переборе. Условия возникновения возврата при переборе. Примеры. Обобщение
- •Особенности:
- •5. Алгоритм разработки нерекурсивных правил (действие и результат каждого шага). Пример на основе индивидуального задания лр 1.
- •Формирование и тестирование исходных данных
- •6. Рекурсия списков. Виды различных действий над списками при однократном рекурсивном обращении из правой части правила в левую. Примеры.
- •8. Пошаговое выполнение программы объединения двух списков в третий. Схематичное изображение. Пример.
- •9 . Передача данных при рекурсии в прямом и обратном направлении. Условия передачи данных. Схематичное изображение. Пример. Обобщение.
- •11. Виды отсечений, их назначения и свойства. Как определить цвет отсечения в программе с разными видами отсечений? Примеры.
- •15. Поиск путей в графе: как завершается формирование пути (при списке ветвей, при списке узлов)? Фрагменты примеров.
- •16. Стратегии поиска. Классификация. Параметры. Сравнение стратегий.
- •20. Поиск в ширину. Какие исходные и промежуточные данные требуются дополнительно для организации алгоритма по сравнению с поиском в глубину? Графический пример.
- •Начальная вершина
- •Целевая вершина
- •23. Поиск по критерию близости к цели. Какие исходные и промежуточные данные требуются дополнительно для организации алгоритма по сравнению с поиском в глубину? Графический пример.
- •24. Поиск по критерию цены пути. Какие исходные и промежуточные данные требуются дополнительно для организации алгоритма по сравнению с поиском близости к цели? Графический пример.
- •Часть 2
- •26. Нейронные сети (нс). Область эффективного применения. Классификации нс по виду решаем6ых задач, по виду структур, по методам обучения.
- •27. Структура искусственного нейрона. Виды структур нс. Параметры, характеризующие структуру нс.
- •28. Какие параметры структуры нс в многослойном персептроне и как определяются по виду исходных данных для обучения? На основе чего происходит уточнение остальных параметров структуры? Пример.
- •29. Режимы функционирования нс (многослойного персептрона). Назначение и задачи каждого из режимов. Переход из одного режима в другой на примере пакета нс Wizard.
- •30. Обучения нс на основе дельта-правила: назначение, область применения, алгоритм, расчетные соотношения, пример однократного расчета данных по алгоритму.
- •35. Прогнозирование на основе нс в многослойном персептроне. Примеры решаемых задач. Алгоритм подготовки исходных данных для обучения и применения. Пример фрагмента исходных данных.
- •37. Данные и знания. Основные понятия. Примеры. Как осуществляется выбор модели знаний для описания ситуации.
- •38. Семантические сети. Структура. Технология разработки. Пример формирования семантической сети и получения от нее знаний.
- •39. Фреймы. Структура. Технология разработки. Пример формирования модели на основе фреймов и получения от неё знаний.
- •42. Этапы разработки эс. Наименование и основной результат каждого этапа. Исполнители каждого этапа.
- •44. Автономные агенты. Обобщенная структура. Классификация агентов и внешней среды.
- •45. Комбинационный агент. Последовательностный агент. Отличия. Примеры.
- •46. Целенаправленный агент. Целевыбирающий агент. Отличия. Примеры.
- •47. Хранилище данных. Назначение. Дополнительные возможности хд по сравнению с субд. Структура данных в хд. Место хранения данных в хд. Формирование и заполнение хранилища.
- •48. Семантический слой. Назначение. Состав. Кто и в какой последовательности их формирует? Примеры.
- •49. Куб, "звезда" и "снежинка". Назначение. Связь с семантическим слоем. Примеры.
42. Этапы разработки эс. Наименование и основной результат каждого этапа. Исполнители каждого этапа.
Этапы разработки экспертной системы (ЭС) включают:
1.Выбор проблемы: определяется предметная область и решаемые задачи. Должна быть востребована. Осуществляется экономическая оценка проекта.
Участники: Инженер по знаниям (аналитик), эксперты из предметной области.
Результат: Инженер по знаниям (аналитик) составляет отчёт, в котором отражены шаги процесса разработки и необходимые затраты, а также ожидаемые результаты.
2.Разработка прототипа ЭС: Создается первый рабочий вариант системы для проверки концепции и функциональности.
Р
еализуются
стадии:
Идентификация проблемы - знакомство и обучение членов коллектива разработчиков, а также создание неформальной формулировки проблемы. (П,Э,А)
Извлечение знаний - получение аналитиком наиболее полного из возможных представлений о предметной области и способах принятия решения в ней. (Э,А)
Структурирование знаний - разработка неформального описания знаний о предметной области (граф, диаграмма и т.д), которое отражает основные концепций и взаимосвязи между понятиями. Такое описание называется полем знания. (А)
Формализация - разработка БЗ на языке представления знаний (в виде фреймов, СС или продукций или их комбинаций). (А,Програм)
Реализация - разработка программного комплекса, демонстрирующего жизнеспособность подхода в целом. (Програм)
Тестирование - выявление ошибок в подходе и реализаций прототипа и выработка рекомендаций по доводке до промышленного варианта. (П,Э,А,Програм)
Участники: программисты, аналитики, эксперты, пользователи.
Результат: Прототипная система, которая отражает правильность кодирования фактов, связей и стратегий рассуждения эксперта
3.Доработка до промышленной ЭС: Улучшение прототипа с учетом тестирования и отзывов. Существенное расширение БЗ, т.е. увеличение глубины системы. Главное – подготовить систему к промышленному использованию. Участники: коллектив разработчиков, аналитик, эксперт
4.Оценка ЭС: Проводится анализ производительности и точности системы. Основная цель – выявление недостатков. Участники: другие эксперты, пользователи и разработчики.
5.Стыковка ЭС: Интеграция с другими системами и процессами. Стыковка модуля «БЗ – решатель – ПО» с внешним программным продуктом (например, с бд). На этом этапе осуществляется перевод (перекодирование) с языков высокого уровня на языки с высоким быстродействием. Участники: разработчики.
6.Поддержка ЭС: Обеспечение функционирования системы после внедрения. Основная задача – редактирование системы в процессе ее эксплуатации, обусловленное исправлением неточностей, ошибок и развитие системы. Участники: технические специалисты, администраторы систем.
43. Классификация ЭС. Примеры.
Классификация по решаемой задаче:
1. Интерпретация данных – классификация объектов/процессов по совокупности признаков.
Например, выбор товара
2. Диагностика - требует наличие понятия нормы.
Например, нормальная t или нет.
Диагностика отличается от интерпретации тем, что интерпретация – разделение на объекты, а диагностика – проверка на соответствие норме.
3. Мониторинг (принятие решений + диагностика). Осуществляет наблюдение в режиме реального времени и принимает решение на основании поступающих данных.
Например, контроль за работой электростанции.
Мониторинг от диагностики отличается тем, что мониторинг принимает решение => либо пропуск цели, либо ложное срабатывание.
4. Проектирование — на выходе получает техническую документацию + умение объяснять как и почему принимался каждый шаг. Не создает новые решения (инновационные).
Например, проектирование конфигураций ЭВМ, синтез электрических схем.
5. Прогнозирование — устанавливает связи между входными данными и ожидаемым результатом на основе математических модулей.
Примеры: предсказание погоды, оценка будущего урожая, прогнозы в экономике и др.
6. Планирование — нахождение планов действий, относящихся к объектам, способным выполнять некоторые функции.
Примеры: планирование поведения робота, планирование эксперимента и др.
7. Обучение — диагностируют ошибки, подсказывают правильные решения, аккумулируют знания, планируют процесс обучения с учетом ошибок.
Например, помощь ученику для ликвидации пробелов в знаниях. Система должна знать все о студенте и обучать его пока он не выучит.
По связи с реальным временем:
1. Статические – не меняются во времени. Пример: диагностика неисправностей в автомобиле, домашний доктор
2. Квазидинамические – данные обновляются через определенный промежуток времени.
Пример: диагностика оборудования цеха в конце смен. ЭС диагностики финансового портфеля.
3. Динамические – работают в реальном времени с непрерывной интерпретацией поступающих в систему данных. Пример: Экспертная система управления полётом летательного аппарата/умного транспорта.
По степени интеграции/ однородности системы:
1. Автономные/независимые. Состоят только из МЗ (решение – на основе вопросов/ответов).
Пример: Домашний доктор . ЭС по торговле на бирже. ЭС по выбору профессии
2. Гибридная/комплексная. Состоит из МЗ + автономные вычислительные системы.
Пример: ЭКГ, ЭС для выявления мошеннических операций.
