Научно-образовательный кластер CLAIM

CLAIM – научно-образовательный кластер

Вопросы к экзамену по курсу "Интеллектуальные системы"

Введение в область ИИ.

Понятие интеллекта. Область ИИ. Подходы к определению ИИ. Информационный, бионический и эволюционный подходы. Интеллектуальные системы. Цели, задачи и возможность создания ИИ. Этапы развития и основные направления ИИ. Возражения против ИИ.

Формализация и модели представления знаний в ИС.

1. Основные понятия и определения. Предметная область. Данные и знания. Свойства, характеристики знаний. Процедурные и декларативные знания. Классификация знаний по глубине, по жесткости. Формализация знаний. Формальные языки. Языки (модели) представления знаний. Классификация моделей знаний и данных. Формально-логические, продукционные, сетевые ЯПЗ.

2. Формально-логические модели. Логика высказываний. Алфавит, аксиомы, теоремы, логические переменные, логический вывод. Основные законы и правила вывода логики высказываний. Логика предикатов. Элементы языка логики предикатов. Термы, кванторы всеобщности и общезначимости. Модальные логики, псевдофизические логики и онтологии.

3. Многозначные логики. Нечеткая логика. Нечеткое множество. Степень вхождения (уровень принадлежности). Основные операции в нечеткой логике. Нечеткий вывод. Фазификация, дефазификация, нечеткий вывод. Сравнение выводов Mamdani и TVFI. Методы дефазификации. Отличие нечеткости и вероятности.

4. Продукционные модели. Продукция, системы правил. Консеквенты и антецеденты. Вероятностные продукции. Гипотеза, факт, свидетельство. Формулы Байеса. Метод цен свидетельств, коэффициенты уверенности Шортлифа.

5. Сетевые модели. Фреймы Минского, слоты. Виды фреймов. Семантические сети. Ассоциативные сети Квилиана. Механизм ассоциации нейронных клеток. Основные отношения в семантических сетях. Сценарии Шенка. Каузальные отношения.

Экспертные системы.

1. Экспертиза и экспертная информация. Определения экспертной системы. Отличия ЭС от других программ и систем ИИ. Назначение и функции ЭС. Роль ЭС в области ИИ.

2. Структура ЭС. База знаний, машина вывода, интерфейс пользователя, компонента объяснения, компонента обучения. Отличия статической и динамической ЭС.

3. Классификации ЭС по решаемой задаче, по связи с реальным временем, по степени интеграции, по степени сложности, по стадии реализации, по типу программных и технических средств.

4. Коллектив разработчиков ЭС. Пользователь, эксперт, программист, программист-интегратор, инженер по знаниям. Требования к навыкам, квалификации и психологическим особенностям разработчиков ЭС.

5. Подходы к созданию ЭС. Классическая и промышленная методики проектирования ЭС. Этапы проектирования: идентификация, концептуализация, формализация, реализация, тестирование. Особенности проектирования ЭС как информационно-программного изделия.

6. База знаний. Извлечение знаний. Стратегии и трудности извлечения знаний. Психологический, лингвистический и гносеологический аспекты. Методы извлечения знаний.

7. Машина вывода. Правила вывода. Виды правил. Стратегии вывода. Прямой, обратный и смешанный вывод. Поиск в глубину, ширину. Стратегии разнообразия, новизны, первичности, простоты, сложности, LEX, MEA, сканирования, фокусирования. Использование метаправил. Немонотонный вывод.

8. Представление неопределенности знаний и данных в ЭС. Источники неопределенности. Вероятностный подход. Аргументы о неадекватности теории вероятности. Нечеткая логика Заде. Представление нечетких данных. Коэффициенты уверенности. Степень доверия.

9. Компонента объяснения ЭС. Функции и назначение. Основные режимы. Трассировка процесса принятия решений. Системы объяснения ЭС MYCIN, EMYCIN. Структурирование видов правил, элементов базы знаний. Формирование пояснений на основе фреймов ЭС CENTAUR. Визуализация объяснений. Автоматическое программирование пояснений (XPLAN, EES).

10. Гибридные ЭС. Интеграция ЭС и систем имитационного моделирования (СИМ). Взаимодополняющая и взаимозаменяющая интеграция. Критерии выбора систем. Варианты взаимодействия ЭС и СИМ. Алгоритмы взаимодействия. Методы передачи основных видов данных из СИМ в ЭС.

Основы искусственных нейронных сетей.

1. Нейронные сети и их применение в ИС. Биологический прототип и искусственный нейрон. Математические модели нейронов. Однослойные искусственные нейронные сети. Многослойные искусственные нейронные сети. Терминология, обозначения и схематическое изображение искусственных нейронных сетей.

2. Персептроны и зарождение искусственных нейронных сетей. Персептронная представляемость. Обучение персептрона. Алгоритм обучения персептрона.

3. Процедура обратного распространения. Обучающий алгоритм обратного распространения. Пример обучения. Область применения алгоритма и ограничения по использованию.

Введение в эволюционное направление в ИИ.

1. Понятие эволюции. Возникновение жизни, психики, рефлексов. Инстинктивное, индивидуально-изменчивое, интеллектуальное, сознательное поведение. Формирование и отделение человека от природы, от животного мира. Отличие животного от человека. Интеллект как исключительный атрибут человека.

2. Теория эволюции Дарвина и ее применение в СИИ. Эволюционные исчисления. Генетические алгоритмы. Сравнение ЭИ и ГА. Примеры решения задач. Хромосомы, популяция, поколение, элитизм, гены, наследование, качество хромосомы, критерий отбора. Операторы мутации, скрещивания, размножения, редукции.