- •Ис экз вопросы весна-2017 м16-581
- •«Черный ящик» - общая модель кибернетики. Теории и дисциплины, которые разработаны на ее основе.
- •Понятие интеллектуальной системы. Типичные задачи ис.
- •Примеры задач ис: предсказания ухода клиентов, задача классификации, предсказания ухода клиентов, ранжирования, кластеризации и т.П.
- •Работа с естественными языками
- •Представление и использование знаний
- •Примеры используемых библиотек для реализации на практике ис. Краткая характеристика этих библиотек.
- •Признаки и классификаторы
- •Некоторые методы распознавания графических образов
- •Задача классификации
- •Процесс классификации
- •Задача кластеризации
- •Способы определения классов объектов: перечисление, задание общих свойств. Примеры.
- •Непараметрические методы распознавания образов. Алгоритм распознавания по образцу. Проблема выбора метрики.
- •Статистический подход в задаче распознавания образов. Использование правила Байеса. Статистические методы распознавания.
- •Структурно-лингвистический подход к задаче распознавания графических образов. Пример.
- •Проблематика теории игр (ти). Определение игры. Немного истории развития ти.
- •11 Основные типы игр: антагонистические, бескоалиционные. Классификации игр: по очередности ходов, по числу стратегий, по информационной структуре, по количеству раундов, по типу поведения игроков.
- •12 Игры с полной информацией. Нормальная форма представления игры. Пример.
- •Формальное определение
- •Два игрока/две стратегии
- •Функция полезности
- •Игры с полной/неполной информацией
- •13 Платежная матрица. Пример.
- •14. Понятие стратегий в теории игр. Максиминная и минимаксная стратегия Основные понятия теории игр.
- •15. Седловая точка. Чистая цена игры нижняя и верхняя цена игры. Принцип минимакса
- •16 Игра оборона города.
- •17. Критерий пессимизма-оптимизма Гурвица
- •18. Пример линейной регрессии. Другие виды регрессионных моделей.
- •Виды регрессионных моделей
- •20. Методы оценки качества линейных и нелинейных регрессионных моделей: адекватность, значимость коэффициентов. Анализ адекватности уравнения регрессии
- •21. Что такое знания. Отличие бд от бз.
- •Понятие фрейма. Структура и свойства фрейма.
- •Определение семантической сети. Достоинства и недостатки. Пример.
- •Логические модели представления знаний. Предикаты. Пример.
Понятие интеллектуальной системы. Типичные задачи ис.
Интеллектуальная система (ИС) – автоматизированная система, основанная на знаниях, или комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке.
Кроме того, информационно-вычислительными системами с интеллектуальной поддержкой для решения сложных задач называют те системы, в которых логическая обработка информации превалирует над вычислительной.
Таким образом, любая информационная система, решающая интеллектуальную задачу или использующая методы искусственного интеллекта, относится к интеллектуальным.
Направления исследований в области интеллектуальных систем Развитие интеллектуальных систем на современном этапе идет в соответствии с тремя направлениями исследований.
Первое направление объектом исследований рассматривает структуру и механизмы работы мозга человека, а конечной целью – раскрытие тайн мышления. Необходимыми этапами исследований в этом направлении являются построение моделей интеллектуальной деятельности на основе психофизиологических данных.
Второе направление в качестве объекта исследования рассматривает искусственную интеллектуальную систему. Здесь речь идет о моделировании интеллектуальной деятельности с помощью вычислительных машин. Целью работ в этом направлении является создание программного обеспечения, позволяющего решать некоторые виды интеллектуальных задач так же, как их решил бы человек.
Третье направление ориентировано на создание человеко-машинных, или, как еще говорят – интерактивных, интеллектуальных систем. Важнейшими проблемами в этих исследованиях является организация семантически безупречного диалога между человеком и такой системой
. Для интеллектуальных информационных систем характерны следующие признаки:
−развитые коммуникативные способности;
−умение решать сложные плохо формализуемые задачи;
−способность к самообучению;
−адаптивность.
Коммуникативные способности ИС характеризуют способ взаимодействия (интерфейса) конечного пользователя с системой, в частности возможность формулирования произвольного запроса в диалоге с ИС на языке, максимально приближенном к естественному.
Сложные плохо формализуемые задачи – это задачи, которые требуют построения оригинального алгоритма решения в зависимости от конкретной ситуации, для которой могут быть характерны неопределенность и динамичность исходных данных и знаний.
Способность к самообучению – это возможность автоматического извлечения знаний для решения задач из накопленного опыта конкретных ситуаций.
Адаптивность – способность к развитию системы в соответствии с объективными изменениями модели проблемной области.
В соответствии с перечисленными признаками ИС делятся на (данная классификация – одна из возможных) (рисунок 1.1):
− системы с коммутативными способностями (с интеллектуальным интерфейсом);
− экспертные системы (системы для решения сложных задач);
− самообучающиеся системы (системы, способные к самообучению);
− адаптивные системы (адаптивные информационные системы).
