Тема 1.4. Теория принятия решений

1. нормы и конормы.

2. Параметрические классы норм иконорм.

3. Обобщенные операции конъюнкции и дизъюнкции.

4. Примеры параметрических классов обобщенных конъюнкций.

5. Пример нечеткого моделирования с обобщенными параметрическими операциями.

6. Среда CLIPS и представление знаний и решений

Тема 1.5. Анализ решений

1. Системы и средства представления онтологических знаний

Тема 1.6. Теория чувствительности и оценивания полезности решений

1. Среда CLIPS и представление знаний (продолжение)

2. Представление знаний фреймами (на примерах).

Тема 1.7. Байесовское оценивание в принятии решений

1.Байесовский нейронный классификатор

2.Создание, ведение и использование баз данных и баз знаний при создании индивидуальных проектов.

Вопросы и задания для самостоятельной работы:

1. Подготовить ответы на контрольные вопросы по темам: 1.4., 1.5., 1.6. и 1.7.

1. Какие основные операции над нечеткими множествами?

2. Какие основные операции над нечеткими числами?

3. Какой вид эволюционных вычислений называют генетическими алгоритмами?

4. Как выполняется оператор мутации? Какую роль он играет в генетической оптимизации?

1.5. Что называют эволюционной стратегией?

1.6. Как работает оператор пропорционального отбора?

1.7. Как определяются нормы иконормы?

1.8. Для чего введены понятия нормы иконормы?

1.9. Какова функциональность среды CLIPS?

1.10. В чем суть байесовской теории решений?

2. Тестовые задания для самостоятельного контроля уровня подготовки студентами вопросов темы:

1. Эвристики - это

• хорошо известные обстоятельства

• знания, основанные на опыте экспертов

• множество утверждений, не зависимо от того, где применяются

• алгоритмы в виде процедур обработки фактов

1. Формальные логические модели представления знаний используют

• логику предикатов для управления анализом декларативных предложений

• полный перебор возможных решений задач

• статистическую обработку фактов и правил

• доказательство истинности цели на основе доказательства истинности всех входящих в него предикатов

1. В формальных логических моделях представления знаний

• антецеденты это предикаты, входящие в состав правила, истинность которых можно проверить

• консеквент - это цель, которую нужно доказать

• консеквенты это предикаты, входящие в состав правила, истинность которых можно проверить

1. антецедент - это цель, которую нужно доказать

1. На этапе концептуализации при создании экспертной системы определяются

• определяются понятия, отношения и механизмы управления необходимые для описания решения задач

• формируется иерархия понятий предметной области, изучаются их взаимосвязи

• определяются цели и задачи создания экспертной системы

1. Выбор модели представления знаний в базе знаний экспертной системы определяется на этапе

• концептуализации

• формализации

• идентификации

• реализации

1. Создание прототипа экспертной системы осуществляется на этапе

• формализации знаний

• реализации экспертной системы

• извлечения знаний

• концептуализации знаний

1. Процесс обучения нейронной сети сводится

• к определению весов связей нейронов

• к разработке правил продукций

• к определению связей между слоями нейронов

• к формализации знаний, извлеченных их эксперта

1. Последовательность проектирования экспертной системы

• концептуализация, формализация, идентификация, реализация, тестирование

• идентификация, концептуализация, формализация, реализация, тестирование

• идентификация, формализация, концептуализация, реализация, тестирование

• формализация, идентификация, концептуализация, реализация, тестирование

1. Представление знаний в виде правил ЕСЛИ А, ТО В - это

• предикатная модель знаний

• фреймовая модель знаний

• продукционная модель знаний

1. Понятия "антецедент" и "консеквент" правила используются в

• предикатной модели знаний

• фреймовой модели знаний

• продукционной модели знаний