Ис/маг- ивт, атпп-2013 весна интеллектуальные системы Вопросы к экзамену
для групп магистерской подготовки по направлениям
231101- Информатика и вычислительная техника (ивт),
221101- Автоматизация технологических процессов и производств (атпп)
Разделы:
- ИИ КАК НАУЧНОЕ НАПРАВЛЕНИЕ (общие понятия)
- ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ, ЭКСПЕРТНЫЕ СИСТЕМЫ,
ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
- ФОРМАЛЬНЫЕ ЛОГИЧЕСКИЕ СИСТЕМЫ и ТЕОРИЯ ЛОГИЧЕСКОГО ВЫВОДА - самостоятельно и на практ. занятиях
- ПРЕДСТАВЛЕНИЕ ЗНАНИЙ в ЭС
- МЕТОД ПОИСКА РЕШЕНИЙ - самостоятельно
и на практ. занятиях
- ОСНОВЫ МЕТОДОЛОГИИ РАЗРАБОТКИ ЭС
Пример ЭС - производственная система искусственного
интеллекта(ПСИИ). ………………………………………………………………………..
ИИ КАК НАУЧНОЕ НАПРАВЛЕНИЕ (общие понятия)
1. Интеллектуальные виды деятельности человека и интеллектуальные задачи (основные виды). Характерные особенности задач искусственного интеллекта. Цели исследований в области ИИ.
2. Два принципиально различных подхода к созданию искусственных интеллектуальных ("мыслящих") устройств. Основные направления исследований в области ИИ, их краткая характеристика. Основные области применения систем ИИ.
ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ, ЭКСПЕРТНЫЕ СИСТЕМЫ,
ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ
3. Что такое интеллектуальная система (ИС)? Два основных подхода к решению задач в интеллектуальных системах. Их принципиальное отличие от подхода к решению задач с помощью "обычных" компьютерных систем. Признаки интеллектуальности системы. Классы интеллектуальных систем (ИС), соответствующие этим признакам.
4. Понятие экспертной системы (ЭС). Общий класс задач, решаемых экспертными системами. Критерии отнесения задач к данному классу и особенности этих задач. Основные типы задач, решаемых ЭС (привести примеры).
5. Структура идеальной ЭС. Основные компоненты (блоки) ЭС.
Два режима функционирования ЭС. Понятия статической и динамической ЭС. Понятие оболочки ЭС. Для чего нужны оболочки ЭС
6. Основные свойства ЭС. Отличия ЭС от обычных прикладных программ и от других видов интеллектуальных систем. Примеры характерных задач, решаемых экспертными системами
.
7.Генетические алгоритмы (ГА): цели создания ГА, основные понятия и термины, простой ГА (блок-схема, основные генетические операторы, процесс выполнения ГА). Задачи какого типа целесообразно решать с помощью ГА (примеры задач) ?
8. Применение генетических алгоритмов для решения проблемы статического распределения задач в многопроцессорных вычислительных системах (интерпретация условия задачи в терминах ГА, блок-схема алгоритма, способы выполнения генетических операторов).
ФОРМАЛЬНЫЕ ЛОГИЧЕСКИЕ СИСТЕМЫ и ТЕОРИЯ ЛОГИЧЕСКОГО ВЫВОДА
- изучить самостоятельно, проработать на практических
занятиях
9. Понятие логического вывода и логического следования. Типы логических рассуждений. Критерий правильности дедуктивных рассуждений (привести примеры).
Понятие формальной логической системы(ФЛС): основные составляющие этой системы, понятие правила вывода. Что значит доказать теорему в формальной логической системе?
10. Исчисление высказываний (ИВ) как формальная логическая система; его составляющие. Основная система логических операций (связок) ИВ. Импликация. Правила вывода в исчислении высказываний: правило подстановки и правило заключения (Modus Ponens).
11. Понятие логического следствия и понятие доказательства теоремы в ИВ. Два подхода к доказательству теорем в ИВ. Доказательство теорем исчисления высказываний с помощью таблиц истинности. Привести пример такого доказательства.
12. Доказательство теорем исчисления высказываний методом резолюции: идея и ход доказательства, правило резолюции.
Привести пример доказательства теоремы в ИВ методом резолюции.
13. Понятие предиката. Атомарные формулы и термы.
Понятие квантора в исчислении предикатов. Квантор общности и квантор существования.
Привести примеры описания каких-либо утверждений с помощью предикатов (с использованием кванторов)
14. Исчисление предикатов как формальная логическая система; его составляющие. Правила вывода в исчислении предикатов.
Привести примеры описания каких-либо утверждений с помощью предикатов (с использованием кванторов)
15. Доказательство теорем в исчислении предикатов (ИП): понятие теоремы в ИП и ее доказательства. Два подхода к доказательству теорем в ИП.
Правила вывода "Modus ponens" и "Специализация", их использование при прямом доказательстве.
Привести пример прямого доказательства теоремы в ИП.
16. Доказательство теорем в исчислении предикатов (ИП) методом резолюции: правило резолюции в ИП, идея и общий подход к доказательству, процедура доказательства.
Привести пример доказательства теоремы в ИП методом резолюции.
ПРЕДСТАВЛЕНИЕ ЗНАНИЙ в ЭС
17. Специфика знаний как особой формы представления информации, характерной для интеллектуальных систем. Классификация знаний ЭС по их содержимому и по форме представления. Проблема представления знаний в ЭС. Основные модели представления знаний (перечислить с краткой характеристикой).
18. Продукционная модель представления знаний: понятие продукции (правила продукции), различные виды ядер продукции (примеры); процесс логического вывода при использовании продукционной модели представления знаний, два вида процедур вывода (продемонстрировать на содержательном примере !)
19. Процесс получения решения в ЭС с помощью вывода на основе продукционных правил. Управление выводом в системе продукций – основные стратегии разрешения конфликтов(продемонстрировать на примере !).
20. Фреймовая модель представления знаний: понятие фрейма, общий вид фрейма, понятия протофрейма и фрейма-экземпляра.
Представление объектов и ситуаций с помощью системы фреймов.
Привести пример применения фреймового представления для описания конкретного объекта (НЕ из лекций!). )*1 см. Приложение
21. Представление знаний с помощью фреймов - основной принцип. Что можно представить с помощью фрейма? Понятия протофрейма, фрейма-экземпляра, наследования информации, поиска по образцу.
Привести пример описания конкретной ситуации с помощью фреймов или систем фреймов (НЕ из лекций!). )*2 см. Приложение
Принцип организации вывода в ЭС на основе фреймового представления знаний.
22.Проблема представления неопределенности знаний в ИС. Источники неопределенности. Представление неопределенности знаний на основе байесовского подхода: применение правила Байеса для оценки условной вероятности истинности ОДНОЙ гипотезы при истинности ОДНОГО свидетельства (Случай А). Привести пример.
23. Проблема представления неопределенности знаний в ИС. Источники неопределенности. Представление неопределенности знаний на основе байесовского подхода: принцип применения правила Байеса для оценки условной вероятности истинности ОДНОЙ гипотезы при истинности заданного НАБОРА свидетельств(Случай Б). Привести пример.)*3 см. Приложение
24. Представление неопределенности знаний в продукционных ЭС на основе нечеткой логики: понятия нечеткого множества, функции принадлежности, факторов уверенности, их использование при представлении знаний с помощью продукций (привести примеры).
25.Что такое фактор уверенности? Где применяется это понятие и для чего? Оценка фактора уверенности РЕЗУЛЬТАТА применения продукционного правила на основе факторов уверенности его посылки и заключения, основные применяемые формулы (привести пример).
МЕТОД ПОИСКА РЕШЕНИЙ - изучить самостоятельно,
проработать на практических занятиях
26. Принцип поиска решения – основные понятия и принцип поиска.
Основные требования к организации процесса поиска.
Поиск в пространстве состояний. Постановка задачи и ее интерпретация в терминах теории графов. Привести пример формулировки конкретной задачи как задачи поиска в пространстве состояний.
27. Поиск в пространстве, представленном в виде дерева («поиск по дереву»): построение дерева поиска для заданного графа (показать на примере); критерии эффективности процедур поиска по дереву; формулировка задачи поиска по дереву и общий подход к ее решению (на примере задачи поиска пути между городами)..
28. Основной подход к построению алгоритмов поиска на произвольном графе или дереве.
Методы "основного поиска" (т.е. поиска какого-либо (любого) пути на дереве), два их вида: "слепые методы" и «информированные» методы - показать их применение на примерах.
29. Методы оптимального поиска (поиска пути минимальной стоимости ) на дереве и произвольном графе: Алгоритмы АТ и АКТ (привести блок-схемы алгоритмов и показать применение этих алгоритмов на примерах - обязательно!).). В чем их различие ? Что такое Алгоритм А* ?
ОСНОВЫ МЕТОДОЛОГИИ РАЗРАБОТКИ ЭС, ПОЛУЧЕНИЕ ЗНАНИЙ
30. Основы методологии разработки ЭС - основной подход и этапы разработки ЭС, их цели и содержание. Виды инструментальных средств разработки ЭС.
31. Проблема получения знаний экспертной системой при ее разработке. Три основных стратегии получения знаний. Источники знаний, участники процесса получения знаний, трудности и проблемы.
32 . Фазы процесса получения знаний, их связь с этапами разработки ЭС, стратегии получения знаний, применяемые на разных фазах. Краткая характеристика фазы ИЗВЛЕЧЕНИЯ знаний (источники знаний, участники процесса извлечения знаний, их роль). Понятие поля знаний, его место в общем процессе получения знаний. Две основные группы методов ИЗВЛЕЧЕНИЯ знаний.
33. Общая характеристика процесса получения знаний экспертной системой при ее разработке. Основные стратегии получения знаний. Средства автоматизированного ПРИОБРЕТЕНИЯ знаний.
……………………………………………………………………………