- •1. Процесс принятия решений. Три условия принятия решений.
- •2. Принятие решений в условиях определенности. Структура с одним иерархическим уровнем.
- •3. Принятие решений в условиях определенности. Структура с двумя иерархическими уровнями.
- •4. Принятие решений в условиях определенности. Понятие веса и комбинированного веса.
- •5. Принятие решений в условиях определенности. Понятие матрицы парных сравнений.
- •6. Принятие решений в условиях определенности. Понятие нормализованной матрицы.
- •7. Принятие решений в условиях определенности. Пример согласованной матрицы.
- •8. Принятие решений в условиях определенности. Условие согласованности.
- •9. Принятие решений в условиях определенности. Коэффициент согласованности.
- •10. Принятие решений в условиях риска. Сравнение альтернативных решений.
- •11. Принятие решений в условиях риска. Понятие дерева решений.
- •12. Принятие решений в условиях риска. Связь между «состоянием природы» и ожидаемым платежом.
- •13. Принятие решений в условиях риска. Альтернатива на примере ремонта автомобилей.
- •14. Принятие решений в условиях риска. Критерий выбора периодичности ремонта автомобилей.
- •15. Принятие решений в условиях риска. Зависимость вероятности поломки автомобиля от срока эксплуатации.
- •16. Принятие решений в условиях риска. Априорные вероятности.
- •17. Принятие решений в условиях риска. Апостериорные вероятности.
- •18. Принятие решений в условиях риска. Вероятностные соотношения, отражающие мнение специалиста при принятии решения на основе эксперимента над исследуемой системой.
- •19. Принятие решений в условиях риска. Дерево решений при использовании апостериорных вероятностей.
- •20. Принятие решений в условиях риска. Вероятность совместного появления событий m и .
- •21. Принятие решений в условиях риска. Абсолютная вероятность.
- •22. Принятие решений в условиях риска. Выражение для апостериорной вероятности.
- •23. Принятие решений в условиях риска. Понятие функции полезности.
- •24. Принятие решений в условиях риска. Графическое изображение функции полезности.
- •25. Принятие решений в условиях риска. Процедура построения функции полезности.
- •26. Принятие решений в условиях риска. Понятие критерия ожидаемого значения.
- •27. Принятие решений в условиях риска. Составляющие критерия ожидаемого значения – дисперсия.
- •28. Принятие решений в условиях риска. Понятие критерия предельного уровня.
- •29. Принятие решений в условиях риска. Использование критерия предельного уровня в сфере массового обслуживания.
- •30. Принятие решений в условиях риска. Критерий наиболее вероятного исхода.
- •31. Принятие решений в условиях неопределенности. Критерий Лапласа.
- •32. Принятие решений в условиях неопределенности. Минимаксный критерий.
- •33. Принятие решений в условиях неопределенности. Критерий Сэвиджа.
- •34. Принятие решений в условиях неопределенности. Критерий Гурвица.
- •35. Марковские процессы. Понятие матрицы переходных вероятностей и матрицы доходов.
- •36. Марковские процессы. Стационарная стратегия.
- •37. Марковские процессы. Основной смысл решений, принимаемых садовником.
- •38. Марковские процессы. Представление задачи садовника как задачи динамического программирования с конечным числом этапов (основные элементы).
- •39. Марковские процессы. Ожидаемый доход, обусловленный одним переходом.
- •40. Марковские процессы. Понятие обратной прогонки в задаче динамического программирования.
- •41. Марковские процессы. Рекуррентное уравнение динамического программирования при условии изменения переходных вероятностей и функции дохода во времени.
- •42. Марковские процессы. Коэффициент дисконтирования. Его учет в рекуррентном уравнении динамического программирования при конечном числе этапов.
- •43. Марковские процессы. Общая характеристика методов решения задачи с бесконечным числом этапов.
- •44. Марковские процессы. Алгоритм метода полного перебора. Общая характеристика.
- •45. Марковские процессы. Пример вычисления долгосрочных стационарных вероятностей в методе полного перебора в модели с бесконечным числом этапов.
- •46. Марковские процессы. Характеристика результирующей таблицы в методе полного перебора в методе с бесконечным числом этапов.
- •47. Марковские процессы. Недостаток метода полного перебора в модели с бесконечным числом этапов.
- •48. Марковские процессы. Модификация рекуррентного уравнения в методе итераций по стратегиям при бесконечном числе этапов.
- •49. Марковские процессы. Необходимость применения итеративной процедуры в методе итераций по стратегиям при бесконечном числе этапов.
- •50. Марковские процессы. Алгоритм метода итераций по стратегиям при бесконечном числе этапов. Общая характеристика.
- •1.Шаг оценивания параметров:
- •2.Шаг улучшения стратегии:
- •51. Марковские процессы. Критерий выбора оптимального решения в методе итераций по стратегиям при бесконечном числе этапов.
- •52. Марковские процессы. Пример шага оценивания параметров в методе итераций по стратегиям при бесконечном числе этапов.
- •53. Марковские процессы. Пример шага улучшения стратегии в методе итераций по стратегиям при бесконечном числе этапов.
- •58. Марковские процессы. Выражение (основа) для формулировки марковской задачи в виде задачи линейного программирования.
- •59. Марковские процессы. Формулировка Марковской задачи в виде задачи линейного программирования. Постановка задачи.
- •60. Марковские процессы. Пример формулировки задачи садовника без дисконтирования при бесконечном числе этапов в виде задачи линейного программирования.
- •76. Понятие регрессионного анализа.
- •77. Метод наименьших квадратов.
- •78. Понятие доверительный интервал для среднего значения оценки.
- •79. Понятие интервала предсказаний
- •80. Понятие коэффициента корреляции
- •81. Понятие тренда во временном ряду.
- •82. Модель аддитивных компонентов.
- •83. Модель мультипликативных компонентов.
- •1. Понятие эс
- •2. Назначение и области применения экспертных систем
- •3 . Структура экспертной системы
- •4. Основные классы и виды экспертных систем
- •5. Продукционные экспертные системы. Основные компоненты продукционной экспертной системы
- •6. Продукционные экспертные системы. Прямая и обратная цепочки вывода
- •7. Продукционные экспертные системы. Простая диагностирующая экспертная система
- •8. Продукционные экспертные системы. Формальное представление продукционной экспертной системы
- •9. Нейлоровские диагностирующие системы. Общие понятия
- •10. Нейлоровские диагностирующие системы. Байесовский подход
- •11. Нейлоровские диагностирующие системы. Элементы механизма логического вывода
- •12. Нейлоровские диагностирующие системы. Цены свидетельств — косвенная цепочка рассуждений
- •13. Нейлоровские диагностирующие системы. Правила остановки
- •14. Нейлоровские диагностирующие системы. Структура базы знаний
- •15. Нейлоровские диагностирующие системы. Алгоритм логического вывода
13. Нейлоровские диагностирующие системы. Правила остановки
Мы переходим к важному вопросу определения момента окончания работы ЭС. Ясно, что для этого, вообще говоря, достаточно перебрать все свидетельства и все гипотезы. Однако окончание процесса экспертизы обычно наступает значительно раньше.
В рассматриваемой диагностирующей ЭС с каждой гипотезой Н связываются следующие пять чисел:
Р(Н) — текущая вероятность истинности гипотезы H; Рmax(H) — текущая максимальая достижимая вероятность для гипотезы H в предположении, что все оставшиеся свидетельства будут свидетельствовать в пользу H; Pmin(H) — текущая минимальная вероятность гипотезы H (все оставшиеся свидетельства говорят о том, что скорее , чем H); M1(H), М2(H) — верхний и нижний пороги, как величины, пропорциональные РМАХ(Н). Как уже указывалось, РМАХ{Н) означает максимальную достижимую в данной ЭС вероятность истинности H.
С учетом указанных пяти величин возможны следующие условия остановки работы ЭС.
1. Определение наиболее вероятной гипотезы. Если в некоторый момент обработки списка свидетельств в процессе работы ЭС оказывается, что для какой-то гипотезы Hk выполняются условия:
Рmin(Hk) > Pmах(Hi), то, очевидно, гипотеза Hk, оказывается наиболее вероятной и продолжать процесс экспертизы бессмысленно. Ответ пользователю — Hk.
2. Определение правдоподобной гипотезы. Иначе говоря, такой гипотезы Н, для которой в данный текущий момент времени выполнилось условие Рmin(H)>М1(H), где М1(Н) — критерий верхнего порога. Данный критерий остановки является в определенном смысле основным и реализуется чаще других.
Обычно пользователя интересуют все такие гипотезы и поэтому необходимо дополнительно проверить условие Рmax(H)<М1(H) для всех остальных гипотез. Если это условие не выполнено, то процесс работы ЭС может быть продолжен для пополнения списка правдоподобных заключений.
3. Отсутствие заключения — констатация факта, что ЭС не может принять решение. Данная ситуация возникает, если мы имеем в какой-то момент времени Рmax(H) < М2(Н) для всех Н. Кроме этого, мы вынуждены констатировать отсутствие заключения, если при остановке согласно условиям 1 мы имеем для наиболее вероятной гипотезы Hk Р(Нk) < М1(Нk).
14. Нейлоровские диагностирующие системы. Структура базы знаний
База знаний рассматриваемой диагностирующей ЭС содержит записи, касающиеся знаний о конкретных диагнозах (гипотезах) и знаний о соответствующих симптомах (свидетельствах). Формат записи для описания конкретной гипотезы Н (формат 1) может иметь следующий вид:
НАЗВ. ГИП.; P; S; (j1; . Здесь НАЗВ. ГИП. — название гипотезы Н; Р = Р(Н) — априорная (исходная) вероятность данной гипотезы; S — число свидетельств, относящихся к данной гипотезе; jk, — номер свидетельства; рk+ = Р{Ejk|Н) — вероятность выполнения свидетельства для данной гипотезы; р- = Р{Ejk| ) — вероятность выполнения свидетельства Еjk при неверности данной гипотезы Н.
Знания о свидетельствах могут быть представлены в следующем формате (формат 2):
№_свидетельства | Название_свидетельства | Задаваемый_вопрос.