- •1. Знания как основа принятия решений
- •2. Понятие «система»
- •4. Формализованные знания. Сущность и сферы использования. Примеры.
- •5. Неформализованные знания и задачи
- •6. Слабоструктурированные задачи. Источники неопределенности при принятии решений.
- •7. Основные виды неопределенности и способы ее уменьшения
- •8. Понятие «искусственный интеллект». Задачи ии. Основные этапы развития ии
- •9. Особенности человеческого мышления. Принципы построения систем ии
- •11. Двойственная природа знаний, используемых в интеллектуальных системах
- •10. Особенности и признаки интеллектуальных информационных систем.
- •12. Понятие «экспертная система». Основные модели представления знаний в экспертных системах.
- •13. Логические модели представления знаний. Модель, основанная на логике высказываний
- •14. Логические модели представления знаний. Модель, использующая исчисление предикатов (э-существует y-любой!!!!!!)
- •15. Продукционная модель представления знаний. Структура экспертных систем продукционного типа.
- •16) Механизм логического вывода в продукционных системах. Примеры логического вывода
- •17 Управляющий компонент продукционной экспертной системы
- •27. Способы дефазификации результатов нечеткого вывода.
- •18. Общая хар-ка матем-го аппарата теории нечетких множеств.
- •19. Основные идеи теории нечетких множеств. Сравнение обычных и нечетких множеств.
- •21. Алгебраические операции над нечеткими множествами.
- •20. Операции над нечеткими множествами (кроме алгебраических).
- •22. Нечеткая и лингвистическая переменные.
- •23. Нечеткие отношения.
- •24. Операции композиции нечетких отношений и нечеткой импликации, их значение для нечеткого логического вывода.
- •26. Особенности нечеткого логического вывода по Мамдани и Ларсену
- •28. Нечеткие аппроксиматоры.
- •29. Основные проблемы, решаемые при помощи искусственных нейронных сетей.
- •30. Биологический нейрон.
- •Биологический нейрон 2
- •31. Понятие коннекционизма
- •32 Схема формального нейрона
- •33. Функции активации формального нейрона, их смысл и основные виды
- •34. Сравнение ветвей компьютерной эволюции.
- •35 Архитектуры нейронных сетей
- •36. Обучение нейросетей.
- •Цель обучения
- •37. Обучение нейронных сетей как задача оптимизации
- •38. Сравнение ветвей компьютерной эволюции.
- •39. Генетические алгоритмы. Основные понятия, принципы и особенности построения.
- •40. Обучение нейронных сетей методом статистических испытаний.
- •Знания как основа принятия решений
- •Понятие «система»
8. Понятие «искусственный интеллект». Задачи ии. Основные этапы развития ии
ИИ (как составная часть информатики) – охватывает программные системы, с помощью которых комп. приобретает возможность решать слабо структурированные проблемы (к. 60-х гг. 20 в.). ИИ рассматривается как научное направление, в рамках которого ставятся задачи аппаратного и/или программного моделирования тех сфер человеческой деятельности, которые считаются интеллектуальными. Фундаментальной чертой ИИ считают способность к обучению, адаптации в изменяющейся среде, способность вести себя целенаправленно в среде, появление знаний о среде.
Информационно-аналитическим системам придают особое значение, они осуществляют интеллектуальный анализ больших объемов сырых, первичных данных на обнаружение в них ранее не известных закономерностей. Эти системы называются Data Mining System. Традиционная сфера применения ИИ – это создание адаптивных систем, которые осуществляют свою задачу, приспосабливаясь к изменяющейся среде.
Основные этапы развития ИИ:
Существуют 2 направления ИИ:
Нейробионическое направление – изучение механизмов естественного мышления и анализ способов разумного поведения человека может стать основой для построения системы ИИ. Такие системы должны моделировать естественные процессы в человеческом мозге. Первой попыткой разработки такой системы явилась система Perceptron: существовала возможность обучения на примерах, формирование алгоритма внутри себя. Но не было поддержки этого направления. В нейрокомпах, способных решать задачи узких областей, задача разбивается на несколько подзадач, параллельно выполняемых, как у человека.
Информационное направление – не пытаются моделировать работу человеческого мозга, а считают важным хороший конечный результат. Т.е. совпадения в поведении искусственной и естественной систем, при этом мыслительная способность человека не применяется.
Задачи ИИ: автоматическое решение вычислительной задачи по ее описанию, включая синтез алгоритма решения и построения вычислительной процедуры; распознавание образов, анализ сцен, слуховых образов, например, речевых команд; доказательство математических теорем; моделирование интеллектуальных игр, в т.ч. деловых имитационных игр; обучение и самообучение; системы, использующие естественный язык в диалоге, создание естественного языкового интерфейса и автоматического перевода с одного языка на др.; создание интеллектуальных роботов, реагирующих на нестандартные ситуации, возможность к адаптации; выявление и представление различных видов знаний и организация взаимодействия этих видов при решении различных задач (в частности, при разработке экспертных систем).
9. Особенности человеческого мышления. Принципы построения систем ии
Для человеческого мышления характерно следующее: 1) существует цель, т.е. конечный результат, ради достижения которого ведется практическая и мыслительная деятельность; 2) человеческий мозг хранит огромное число фактов и правил, которые используются для достижения конкретной цели;
принятие решения всегда связано с упрощением, которое позволяет отбросить малосущественные факты и правила и наоборот, выделить главные, наиболее значимые факты и правила, необходимые для достижения цели, т.е. человек пользуется моделью предметной области;
достигая цели, человек не только приобретает решение поставленной задачи, но и новые знания. Это происходит потому, что в процессе решения на основании фактов и правил, отобранных в результате упрощения, генерируются новые факты. Весь этот процесс можно представить следующим образом:
Этот процесс опирается на знания, содержащиеся в БЗ, она включает в себя всю необходимую имеющуюся инфу о проблемной области и состоит из трех частей: базы данных, базы целей и базы правил. БЦ содержит всю инфу о целях, для достижения которых предназначена система ИИ. Цели сформированы на основе опыта. БП включает в себя закономерности, присущие рассматриваемому классу задач: правила упрощения, вывода новых фактов, отсутствующих в БД, и правила приобретения новых знаний в процессе решения задач или в процессе обучения. БД содержит данные, необходимые для решения задач.
