Вторник, 26.09.2017, 15:47

[ФИТ ОГУ]

Главная Регистрация Вход
Приветствую Вас, Гость · RSS
Меню сайта
Категории каталога
1й курс [23]
все с первого курса
2й курс [7]
все полезное по 2му курсу
3й курс [8]
все с и для 3го курса
Мини-чат
200
 Каталог файлов
Главная » Файлы » по_учебе » 3й курс

Ответы к экзамену по ПЭС
[ Скачать с сервера (923.0Kb) ] 17.01.2010, 19:04

Ответы на вопросы:


1 Классификация систем искусственного интеллекта.

2. Формальное определение ЭС. Свойства экспертных систем.

3 Специфика задач, решаемых ЭС.

4. Концептуальные основы решения задач в экспертных системах

5 Состав и роли участников разработки ЭС.

6. Основные режимы работы ЭС. Цикл работы интерпретатора

7 Структура ЭС. Базовые функции экспертных систем.

8       Архитектура статической ЭС. Архитектура динамической ЭС.

9       Этапы разработки экспертных систем.

10    Концепция «быстрого прототипа». Преимущества использования экспертных систем.

11    Знания и их свойства. Характеристики знаний. База знаний. Классификация методов извлечения знаний. Классификация знаний.

12    Классификация моделей представления знаний.

13     Экспертное оценивание как процесс измерения. Методы оценивания

14    Методы измерения степени влияния объектов. Ранжирование, парное сравнение, непосредственная оценка.

15    Один из подходов к формированию и оценке компетентности группы экспертов.

16     Характеристика и режимы работы группы экспертов.

17    Логические модели представления знаний.

18     Семантические модели. Механизм логического вывода.

19     Фреймы. Механизм логического вывода.

20    Продукционные модели. Механизм логического вывода

21    Структуры и стратегии поиска в пространстве состояний.  Реализация поиска на графах. Основные алгоритмы. Поиск в глубину и в ширину

22    Индуктивный алгоритм ID3.

23     Байесовская стратегия  вывода

24    Неопределенности в ЭС и проблемы порождаемые ими. Априорная, условная, апостериорная  вероятности.

25    Теорема Байеса на языке шансов. Простейший логический вывод

26    Распространение вероятностей в ЭС.

27    Основные понятия и определения теории нечетких множеств. Способы задания нечетких множеств.

28    Функции принадлежности. Аналитические формулы и графическое представление.

29    Нечеткое  отношение и способы его задания.

30    Нечеткая и лингвистическая переменные.

31    Композиция и импликация бинарных нечетких отношений.

32    Определения нечеткой и лингвистической переменных. Нечеткое лингвистическое высказывание.

33    Правила нечетких продукций. Прямой и обратный методы вывода заключений.

34    Основные этапы нечеткого вывода. Алгоритмы нечеткого логического вывода. Алгоритм Мамдани.

35    Проектирование нейро-нечеткой сети. Алгоритм функционирования сети. Алгоритм Сугэно.

36    Процедуры обучения ANFIS-сети. Алгоритм обучения нейро-нечеткой сети.

37    Нейросети, модели нейронов, методы обучения.

38    Нечеткие нейроны. Нечеткие рассуждения и эквивалентная ANFIS-структура.

39    Примеры использования нейронных и гибридных сетей. Применение адаптивной системы нейро-нечеткого вывода при решении задачи прогнозирования.

40    Основные понятия генетических алгоритмов. Классический генетический алгоритм. Выполнения классического генетического алгоритма.

41    Метод анализа иерархий.

Категория: 3й курс | Добавил: odmin
Просмотров: 1599 | Загрузок: 388 |
Всего комментариев: 0
Добавлять комментарии могут только зарегистрированные пользователи.
[ Регистрация | Вход ]
Форма входа
Случайное фото
Погода
Яндекс.Погода
Статистика

Онлайн всего: 1
Гостей: 1
Пользователей: 0