Тема 1.3. Разработка экспертной системы поддержки принятия решений

1. Основные понятия. Отрицания на [0, 1].

2. Сжимающие разжимающие отрицания [0, 1].

3. Биективные отрицания на [0, 1].

4. Знакомство со специализированными программными продуктами. Работа с окнами программ и диалоговыми окнами. Справочная помощь.

 

Вопросы и задания для самостоятельной работы:

1. Подготовить ответы на контрольные вопросы по теме:

 

1.1. Как определяются меры нечеткости множества?

1.2. Постройте подходящую сеть с прямой связью, моделирующую операцию логического AND.

1.3. Постройте график производной функции-сигмоида и объясните, как связаны относительная величина обновления веса и значение активности элемента.

1.4. Чем отличается сеть с обратным распространением ошибок, в которой в качестве функций активности используются функции Гаусса, от сети с радиальными базисными функциями?

1.5. Может ли сеть с радиальными базисными функциями решить проблему XOR?

1.6. Определите весовые значения сети Хопфилда, соответствующие сохранению образца (1 1 1 -1).

1.7. Как определяются отрицания на линейно-упорядоченном множестве?

1.8. Что такое биективные отрицания?

 

2. Тестовые задания для самостоятельного контроля уровня подготовки студентами вопросов темы:

 

2.1. Системы, основанные на нейросетевых технологиях, обладают следующими свойствами:

o способны обучаться на конкретном множестве примеров

o способны распознавать, прогнозировать новые ситуации с высокой степенью точности

o способны строить функциональные модели бизнес-процессов

o работают по аналогии с принципами строения и функционирования нейронов головного мозга человека

o способны строить логические модели данных

2.2. Для работы нейросетевой интеллектуальной системы необходимо

o подобрать достаточное число примеров, описывающих поведение моделируемой системы в прошлом

o наличие локальной вычислительной сети

o предварительно заполнить базу знаний системы

o наличие алгоритма подбора весовых коэффициентов

2.3. Компьютерные технологии, которые работают по аналогии с принципами строения и функционирования головного мозга человека, называются

o нейросетевыми технологиями

o технологиями экспертных систем

o коммуникационными технологиями

o технологиями автоматизированного проектирования

2.4. Продукционная модель представления знаний -

o это модель, основанная на правилах типа    IF …Then …

o это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними

o это модель основанная на современном представлении об организации долговременной памяти человека

2.5. Модель представления знаний в виде семантической сети -

o это модель, основанная на правилах типа    IF …Then …

o это ориентированный граф, вершины которого - понятия, а дуги - отношения между ними

o это модель, основанная на современном представлении об организации долговременной памяти человека

2.6. Если поиск решения в Базе знаний сводится к задаче поиска фрагмента сети, соответствующего поставленному вопросу, значит используется

o модель представления знаний в виде семантической сети

o нейронная сеть

o продукционная модель представления знаний

o формальная логическая модель представления знаний

2.7. В фреймовых моделях характеристикой объекта, образа или ситуации является

o слот

o ориентированный граф

o консеквент

o правило продукции

2.8. Главное свойство агентов в интеллектуальных системах, которые действуют рационально -

o адаптироваться к изменениям внешней среды

o достигать поставленные перед ним цели

o быстрое принятие решений

o обработка видеоинформации

2.9. Данные - это

o результат анализа и обобщения информации для выявления закономерностей и решения проблем

o полезные сведения, пригодные для принятия решений

o факты, характеризующие объекты, процессы и явления предметной области

2.10. Результат анализа и обобщения информации для выявления закономерностей и решения проблем - это

o данные

o знания

o информация