Интеллектуальные информационные системы

Вопросы к экзамену

 

1. Искусственный интеллект. Основные понятия.

2. Нейрокибернетический подход к искусственному интеллекту.

3. Логический подход к искусственному интеллекту.

4. Основные направления исследований в области искусственного интеллекта.

5. Данные и знания. Свойства знаний. Отличия знаний от данных.

6. Классификация знаний.

7. Модели представления знаний.

8. Продукционная модель представления знаний.

9. Вывод в продукционных системах.

10. Управление системой продукций.

11. Семантические сети.

11. Концептуальные графы.

13. Фреймы.

14. Традиционная логика. Суждения.

15. Логика высказываний. Правила дедуктивного вывода.

16. Синтаксис и семантика логики высказываний.

17. Логика предикатов первого порядка. Синтаксис и семантика.

18. Основные понятия Пролога.

19. Процедура вывода в Прологе.

20. Рекурсия в Прологе.

21. Работа со списками в Прологе.

22. Онтологии. Языки описания онтологий в семантической паутине (WWW).

23. Унифицированный идентификатор ресурса (URI) и интернационализированный идентификатор ресурса (IRI).

24. Онтологические языки RDF, RDFS и OWL.

25. Методы решения оптимизационных задач. Классическая теория оптимизации.

26. Виды нечеткости знаний. Краткая характеристика.

27. Учет недетерминированности вывода. Методы перебора с возвратами и частичного перебора.

28. Учет недетерминированности вывода. Алгоритм А*.

29. Учет ненадежности знаний и выводов. Коэффициенты уверенности.

30. Учет ненадежности знаний и выводов. Вероятностный подход на основе теоремы Байеса.

31. Учет ненадежности знаний и выводов. Нечеткие множества и нечеткая логика.

32. Учет неполноты знаний и немонотонная логика.

33. Эволюционные вычисления. Основные понятия и парадигмы.

34. Генетические алгоритмы. Основные понятия.

35. Общая схема работы генетического алгоритма.

36. Генетические алгоритмы. Отличия генетических алгоритмов от традиционных методов поиска решений.

37. Распознавание образов. Основные типы задач распознавания образов.

38. Биологический нейрон и его математическая модель.

39. Общая структура искусственной нейронной сети. Классификация искусственных нейронных сетей.

40. Способы обучения искусственных нейронных сетей.

41. Правила коррекции весовых коэффициентов искусственных нейронных сетей.

42. Процедура построения и использования искусственной нейронной сети.

43. Алгоритм обучения с обратным распространением ошибки искусственной нейронной сети с прямыми связями.

44. Инженерия знаний и экспертные системы. Основные понятия.

45. Сферы применения экспертных систем (типы задач).

46. Общая структура экспертной системы.

47. Организация процесса решения задачи в экспертных системах.

48. Жизненный цикл экспертной системы.

49. Методы извлечения знаний.

50. Структурирование и формализация знаний.