- •Назовите основные способы реализации искусственных интеллектуальных систем.
- •Приведите структуру доказательств на основе резолюции
- •Назовите основные сферы приложения искусственного интеллекта и охарактеризуйте их.Извлечение информации из баз данных
- •Комбинаторные задачи и составление расписаний
- •Доказательство теорем
- •Автоматическое программирование
- •Роботика
- •Экспертные консультирующие системы
- •Обработка естественного языка
- •2. Дайте определение понятию общеинтеллектуальная процедура (метапроцедура). Опишите процедуру целенаправленного поиска в лабиринте возможностей.
- •1. Дайте определения понятиям "знание" и "данные" и укажите их различие. Назовите основные признаки знаний и дайте им определения.
- •Приведите основные этапы процесса извлечения ответа.
- •Опишите синтаксис и семантику языка предикатов.
- •Опишите процедуру поиска методом редукции.
- •1. Дайте определение понятию "искусственный интеллект". Охарактеризуйте основные теоретические проблемы искусственного интеллекта.
- •2.Охарактеризуйте понятие резолюции в общем виде.
- •Другими словами, помня, что
- •Дайте определения понятиям "знание" и "данные" и укажите их различие.Назовите основные признаки знаний и дайте им определения.
- •Опишите структуру продукционного правила.
- •Перечислите основные виды знаний и охарактеризуйте их.
- •2. Что такое логический вывод? в чем заключается метод решения задач, использующий аппарат логики предикатов
- •1. Что такое предикатная функция?
- •2. Опишите процедуру поиска в глубину. Опишите процедуру поиска в ширину.
- •1. Дайте определение семантической сети.
- •Что такое унификация?
- •1. Перечислите семантические отношения и дайте им определения.
- •2. В чем заключается задача представления некоторой системы в виде системы продукций?
- •1. Перечислите основные типы объектов в семантической сети и дайте им определения.Приведите пример семантической сети.
- •2. Как вычисляются коэффициенты определенности посылок и заключений?
- •Если (а1 а2), то в.
- •В нашем случае
- •Перемножив все компоненты этой формулы, мы увидим, что
- •Дайте определение фрейму
- •Опишите стратегию управления на основе принципа “классной доски”.
- •1. Дайте определение продукционному правилу.
- •2. Как представляется система доказательств в системе опровержения на основе резолюции?
- •1. Назовите группы и типы фреймов. Приведите пример фрейма.
- •2. Опишите стратегию “подъема на гору”.
- •1.Опишите структуру ядра продукционного правила.
- •2.Опишите правило исключения кванторов существования и дайте определение функции Сколема.
- •Опишите основные компоненты системы продукций и связь между ними.
- •2. Опишите процедуру поиска в факторизованном пространстве.
- •1. Что такое интерпретация формулы, область интерпретации?Приведите примеры правильно построенных формул.
- •Приведите последовательность основных этапов тождественных преобразований исходной формулы во множество клауз.
- •1. Что такое продукции?
- •2. Что представляет собой дерево опровержения?
- •1. Что такое стратегия управления в системе продукций?
- •2. Назовите основные стратегии поиска на дереве опровержения.
- •1. Назовите основные признаки и функциональные возможности в соответствии с которыми систему можно отнести к интеллектуальной
- •2. Как применяются методы доказательства теорем к решению задач.
- •1. Опишите процедуру поиска метода генерация – проверка.
- •2. В чем сущность процесса извлечения ответа?
- •1. Опишите методику выработки заключения на основе вероятностных характеристик.
- •2. Опишите используемые в системах продукций стратегии управления.
- •Опишите структуру вывода заключения на основе байесовского подхода.
- •2. Опишите процедуру поиска с использованием нескольких моделей
- •1. Опишите основные принципы дедукции на основе байесовского подхода.
- •2. В чем, на современном этапе исследований, отличие искусственного интеллекта от естественного?Чем отличаются формализованные знания от неформализованных?
- •1. Нечеткие и приближенные высказывания? Что такое коэффициент определенности?
- •Если (а1 а2), то в.
- •2. Приведите структуру доказательств на основе резолюции.
- •Другими словами, помня, что
- •1 Учет нескольких признаков при расчете вероятности гипотезы? Для чего и как рассчитывается цена свидетельств? Как учитывается неопределенность в ответе пользователя?
- •2. Интерпретация формулы, область интерпретации, примеры правильно построенных формул.
1. Опишите основные принципы дедукции на основе байесовского подхода.
Наиболее вероятная гипотеза определяется на основе анализа (учета) признаков, каждый из которых либо присутствует, либо отсутствует.
Приведем классическое определение вероятности.
Пусть Ω – пространство элементарных событий, А - подмножество элементарных событий (А Ω) при которых наблюдается событие А. Тогда вероятность события А определится как .
Если события А и В несовместимы, то P(A+B) =P(A)+P(B). Отсюда =1-Р(А) - вероятность того, что событие А ложно. Если А1, А2, А3,…, Аn несовместимые события и =Ω, то = =1.
Пусть Н - событие, заключающееся в том, что данная гипотеза верна. Пусть Е - событие, заключающееся в том, что наступило определенное доказательство (свидетельство), которое может или не может подтвердить правильность указанной гипотезы.
Априорная вероятность – (prior probability) часто называемая безусловной вероятностью события – это вероятность, присваиваемая событию при отсутствии знания, поддерживающего его наступление.
Тогда Р(Н)- априорная вероятность того, что событие Н истинно при отсутствии каких-либо свидетельств.
Р(Е)- вероятность того, что событие Е произошло. Вероятности являются числами в диапазоне от 0 до 1. Если вероятность равна 0, то данное событие не произойдет никогда, если вероятность равна 1, то данное событие происходит всегда.
Апостериорная вероятность - (posterior probability) часто называемая условной вероятностью события – это вероятность события при некотором заданном основании (учете подтверждающего знания, свидетельства).
Тогда Р(Н|Е) или Р(H| )- апостериорная вероятность гипотезы Н при наличии или отсутствии свидетельства Е.
На рис.1.1 показано пересечение событий H и E. В соответствии с диаграммой (см. рис.1.1) условная вероятность Р(Н|Е) события H при условии, что событие E произошло, определяется формулой P(H|E)= . Отсюда поделив числитель и знаменатель на |Ω| получим P(H|E)= , так как согласно классическому определению P(H&E)= |H&E| / |Ω|, а P(E)= |E| / |Ω|. Аналогичным образом получим P(E|H)= .
Преобразуем полученные выражения.
P(H|E)* P(E) = P(H&E) (1.1)
P(E|H)*Р(Н) = P(H&E) (1.2)
Приравняем левые части выражений (1.1) и (1.2), так как правые части равны.
P(H|E)*P(E) = P(E|H)*Р(Н).
Отсюда получаем формулу Байеса
P(H|E)= .
Событие Е может происходить в двух случаях – когда H произошло, и когда нет (см. рис.1.1), т.е. E =(E&H)+ (E& ).
Рис.1.1. Пересечение событий H и E.
Тогда P(E)=P(E&H)+ P(E& ). Используя выражение (1.2) получим
P(E)= P(E|H)*Р(Н)+ P(E| )*Р( ) (1.3)
С учетом этого формула Байеса примет вид
P(H|E)= . (1.4)
Или, если мы нашли, что свидетельство Е отсутствует, то:
P(H| )= . (1.5)
Байесовская теория вероятностей составляет математическую основу для рассуждений в условиях неопределенности.
Формула Байеса позволяет определить вероятность гипотезы (болезни) при условии существования признаков (симптомов) и по вероятностным данным признаков.
На первом шаге пересчитываются вероятности всех гипотез H1 - Hn с учетом признака Е1. Он может либо присутствовать, либо отсутствовать. Поэтому в первом случае это будет: {P(H1|E1); P(H2|E1); ...; (Hn|E1)}, а во втором - {P(H1| ); P(H2| ); ...; (Hn| )}. На втором шаге вначале все априорные вероятности P(Hi) заменяются величинами, рассчитанными на первом шаге, т.е. на P(Hi|Е1) или P(Hi| ). Затем пересчитываются вероятности всех гипотез с учетом второго признака и т.д.