Logo GenDocs.ru

Поиск по сайту:  


Загрузка...

Вопросы к экзамену - файл Вопросы к экзамену по ПЗ.doc


Вопросы к экзамену
скачать (4.3 kb.)

Доступные файлы (1):

Вопросы к экзамену по ПЗ.doc33kb.07.12.2005 21:39скачать

Загрузка...

Вопросы к экзамену по ПЗ.doc

Реклама MarketGid:
Загрузка...
Вопросы к экзамену по дисциплине <Представление знаний в ИС>


1.Данные и знания. Свойства знаний.

2. Определение знаний. Виды знаний: мягкие и жесткие; фактуальные и операционные. Процедурная и декларативная форма представления знаний.

3.Основные этапы развития информационных систем. Основные направления развития искусственного интеллекта. Определение экспертных систем.

4.Обобщенная структура систем, основанных на знаниях (на примере статической ЭС).

5.Назначение ЭС. Отличительные особенности неформализованных задач. Режимы работы ЭС.

6.Структура динамической ЭС.

7.Продукционная модель представления знаний. Виды продукционных правил. Достоинства и недостатки продукционных моделей.

8. Машина логического вывода. Прямая цепочка рассуждений. Пример для четырех правил.

9. Машина логического вывода. Обратная цепочка рассуждений. Пример для четырех правил.

10. Понятия дерева целей и дерева решений. Решающий граф. Логический вывод в ширину и в глубину.

11. Обобщенная структурная схема одного цикла работы механизма логического вывода.

12. Обработка неопределенностей знаний, основанная на методах нечеткой логики Заде. Пример.

13. Логические модели представления знаний. Определение формальной системы. Достоинства и недостатки.

14. Исчисление высказываний. Виды высказываний. Логическое следование. Два доказательства логического следования.

15.Логический вывод для исчисления высказываний. Два способа организации ЛВ. Основные правила вывода. Примеры.

16. Исчисление высказываний. Метод резолюции. Пример.

17. Исчисление предикатов. Определение предиката. Язык исчисления предикатов. Виды предикатов.

18. Исчисление предикатов. Основные формулы преобразования.

19. Метод резолюций для ЛП как метод автоматического доказательства теорем. Операции сколемизации и унификации.

20. Семантические сети. Основные понятия. Основные виды отношений. Особенности теоретико-множественных отношений. Пример.

21. Представление событий в нотации семантических сетей. Достоинства и недостатки семантических сетей.

22. Семантические сети. Организация логического вывода. Пример. Достоинства и недостатки.

23. Проблема получения знаний. Определение Data Mining. Уровни знаний.

24. Типы закономерностей, извлекаемых с помощью Data Mining. Примеры.

25.Дискриминантный анализ (ДА) как метод анализа данных, использующий обучающую информацию. Две постановки задачи классификации. Геометрическая интерпретация.

26. Дискриминантный анализ (ДА) как метод анализа данных, использующий обучающую информацию. Один из подходов к определению коэффициентов дискриминантной функции. Процедура классификации для двух классов.

27. Цель и классификация методов анализа данных без учителя.

28. Основное назначение методов визуализации данных. Задачи, решаемые линейными методами снижения размерности.

29. Метод главных компонент (МГК). Постановка задачи. Основные этапы решения.

30. Метод главных компонент (МГК). Выбор значащих главных компонент и названия для них.

31. Метод главных компонент (МГК). Достоинства и недостатки.

32. Кластерный анализ как метод автоматического группирования данных. Постановка задачи кластеризации. Требования к критерию качества кластеризации.

33. Кластерный анализ как метод автоматического группирования данных. Определение мер сходства между объектами. Выбор способа определения расстояния между кластерами.

34. Кластерный анализ как метод автоматического группирования данных. Виды критериев качества автоматического группирования.

35.Кластерный анализ как метод автоматического группирования данных. Обобщенная процедура оптимизационного алгоритм кластеризации.

36. Кластерный анализ как метод автоматического группирования данных. Иерархическое группирование и его методы. Обобщенный алгоритм.

37. Кластерный анализ как метод автоматического группирования данных. Метод одиночной связи в иерархическом группировании. Пример. Недостатки.

38. Кластерный анализ как метод автоматического группирования данных. Особенности метода Варда в иерархическом группировании. Достоинства методов иерархического группирования.

39. Логические алгоритмы поиска закономерностей многомерных данных. Постановка задачи классификации для деревьев решений. Обобщенный алгоритм построения деревьев решений.

40. Деревья решений. Алгоритм CLS построения деревьев решений. Правила останова для построения деревьев решений. Пример для матрицы размерностью 5*5.

41. Основные проблемы построения деревьев решений. Понятия точности и ошибочности извлекаемых правил.

42. Деревья решений. Достоинства и недостатки. Алгоритм <Кора>.

43. Фреймы. Основные понятия.

44. Фреймы. Организация логического вывода.


Скачать файл (4.3 kb.)

Поиск по сайту:  

© gendocs.ru
При копировании укажите ссылку.
обратиться к администрации
Рейтинг@Mail.ru