- •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.
45. Комбинационный агент. Последовательностный агент. Отличия. Примеры.
Данные АА работают на тактическом уровне (как действовать в текущей ситуации).
Комбинационный агент (нет памяти) анализирует комбинации(входные воздействия), реагирует на входящие данные, используя фиксированный набор знаний, не создавая новых.
Например, поступила такая-то информация - такое-то решение, другая инфа - другое решение.
Последовательностный агент (есть память) реагирует не только на основе поступившей последовательности сигналов, а ещё и на основе последовательности сигналов, которые поступали ранее. Принимает решения на основе опыта.
Отличие: если не поступил какой-то сигнал, то комбинационный принять решение не сможет, а последовательностный - да.
Пример, в архиве на вход ежечасно поступает температура, влажность, давление. Если данные не поступили, то комбинированный пропустит действие в этот час. Последовательностный может заметить тенденцию к увеличению значений и открыть окно и включить вентиляцию.
Пример охранной системы: проверяет когда пришёл школьник. Если данные не поступили, то комбинированный пропустит действие. Последовательностный может заметить что его постоянно нет в это время, ушёл курить, уведомляет учителей проверить двор.
Определить агентов можно путём изолирования датчиков от БЗ АА и если АА примет решение, то Последовательностный, иначе Комбинационный.
Отличие Комбинационный агента и последовательностный в моменте действия, оба сразу начнут действовать, а Целенаправленный и Целевыбирающий дольше тк будет анализировать оптимальный путь, например маршрут в лабиринте.
46. Целенаправленный агент. Целевыбирающий агент. Отличия. Примеры.
Данные АА работают на стратегическом уровне (что делать).
Целенаправленный агент (постоянство заданной цели) т.е направлен на цель, действует с учетом заранее определенной цели и использует стратегии, направленные на ее достижение. Например, хотим купить булку, идем в пекарню, нет такой булки, идем в другую пекарню искать именно эту булку.
Целевыбирающий агент (нет постоянства заданной цели) более гибок в своих действиях. Он не просто следует заранее установленной цели, а может адаптироваться к изменениям в среде и выбирать среди нескольких возможных целей. Например, хотим купить булку, идем в пекарню, нет такой булки, то выбираем другую в этой же пекарне.
Отличие: 1й направлен только на одну цель, 2й способен выбирать новую при изменении чего-либо.
Пример. Целенаправленный агент имеет цель доставить груз в конкретный пункт назначения и, при возникновении препятствий, изменяет маршрут, но не конечную точку доставки. Целевыбирающий агент оценивает ситуацию и при перегрузке или блокировке пункта назначения может выбрать другой склад для доставки груза.
