- •Понятие, история развития теории нейронных сетей.
- •2. Основные свойства мозга, которые моделируются.
- •3. Основные области применения нейронных сетей.
- •4. Составляющие модели нейронной сети.
- •5. Понятие нейрона
- •6. Виды искусственных нейронов
- •7. Виды и назначение функции активации
- •8. Виды архитектуры нейронной сети.
- •9. Основные модели динамических нейронных сетей.
- •10. Парадигмы обучения нейронных сетей.
- •11. Параметры оптимизации системы, обучаемой по примерам.
- •12. Правила обучения.
- •13. Алгоритм обучения персептрона Розенблата.
- •14. Оценки качества нейронной сети.
- •15. Алгоритм обратного распространения ошибки
- •16. Способы обеспечения и ускорения сходимости
- •17. Сеть встречного распространения
- •18. Модель зрительного восприятия.
- •19. Виды сегментации изображения.
- •20. Виды преобразований изображения между классами
- •21. Особенности зрительного восприятия человека.
- •22. Методы пороговой обработки изображений.
- •23. Методы выделения контуров на изображении.
- •24. Метод уточнения контура
- •25. Методы распознавания изображений.
- •26. Основные проблемы теории искусственного интеллекта
- •27. Направления исследований в области систем искусственного интеллекта.
- •28. Данные и знания. Способ определения понятий.
- •29. Особенности знаний
- •30. Семантические сети.
- •31. Типы объектов и виды отношений в семантической сети.
- •32. Фреймовая модель.
- •33. Сравнительная харак-ка систем предста-ия знаний на основе сетевых моделей.
- •34. Продукционная система.
- •35. Логическая модель представления знаний.
- •36. Сравнительная характеристика систем представления знаний на основе продукций и логической модели.
- •37. Метод резолюций.
- •38. Виды неопределенности в задачах принятия решений
- •39. Понятие лингвистической переменной и основные операции теории нечетких множеств.
- •40. Характеристики речевых сигналов
- •41. Методы обработки речевого сигнала
- •42. Распознавание речевых сигналов.
- •Вопросы
- •Понятие, история развития теории нейронных сетей.
- •Основные области применения нейронных сетей.
29. Особенности знаний
Различают знания:
- декларативные (аналог данных) и процедурные (изменяют декларативные знания).
- поверхностные (знания о видимых взаимосвязях между отдельными событиями и фактами предметной области) и глубинные (абстракции, схемы, отображающие природу и внутренние механизмы процессов, протекающих в предметной области).
Основные свойства (признаки) знаний:
-
внутренняя интерпретируемость, т.е. это наличие у каждой информационной единицы уникального имени, по которому она идентифицируется в базе знаний – в реляционных БД.
-
Структурированность: информационные единицы должны обладать гибкой структурой, с возможностью установления между ними различных отношений: ▪Класс-подкласс; ▪Целое-часть.
-
связность. Знания связаны не только в смысле структуры, но и относительно процессов и явлений и причинно следственных отношений м\д ними.
-
Активность знаний. Неполнота знаний и (или) их противоречивость приводит к процессу появления новых знаний.
30. Семантические сети.
Основой формализации семантической сети является направленный граф с помеченными вершинами и дугами. Вершинам ставят в соответствие понятия, а дугам – семантические отношения на множестве. Отношения обеспечивают связность знаний.
С помощью семантической сети можно формализовать знания, представленные в текстах на естественном языке.
Формально семантическую сеть опис-т след. образом:
1)задается множество символов (атрибутов):
А=А1,А2,…., Аr
2)множество отношений: R=R1,R2,…., Rm
3)Вводится понятие интенсионала – множество пар «Атрибут – Домен атрибута»
INT (Ri)=….,Aj, DOM(Aj),….
Aj – имя атрибута; DOM(Aj) – домен атрибута – это множество значений Аj отношения Ri
Множество всех доменов модели называют базовым. На базовом множестве задаются отношения R.
4) вводится экстенсионал отношении - множество фактов этого отношения.
EXT(Ri)=F1,F2,….,Fp
Факт задается парами: атрибут – значение. Факт – это конкретизация определенного отношения между объектами.
Факты формируют экстенсиональную семантическую сеть, а интенсионалы отношений определяют интенсиональную семантическую сеть, соответствующую БЗ.
Недостатком семантических сетей является слишком произвольная структура и разнообразие типов объектов, что приводит к осложнению программного обеспечения.
31. Типы объектов и виды отношений в семантической сети.
В семантической сети выделяют следующие типы объектов:
-
Понятия – это сведения об абстрактных или физических объектах предметной области.
-
Понятие интерпретируется как множество доменов, т.е. множество доменов это множество понятий.
-
Событие – это действие, которое может внести изменения в предметную область. Результатом действия событий является новое состояние предметной области. Для достижения целевого условия ставится задача нахождения цепочки событий, который приводят к целевому состоянию сети.
-
Свойство – это уточнение понятий, событий или других свойств.
В семантической сети выделяют 4 вида отношений:
1) Лингвистические отношения:
-
Падежные отношения – отношения, среди которых выделяют:
-
Агент – отношение между событием и тем, что его вызывает.
-
Объект – отношение между событием и тем, над чем производятся действия.
-
Условие указывает логическую зависимость между событиями.
-
Инструмент – объект, с помощью которого осуществляется действие.
31.(Продолжение)
-
Место и время – указание на то, где происходит событие.
-
Адресат – объект, пользующийся результатом действия.
-
Глагольные – нахождение, время, род, число, залог.
-
Атрибутивные отношения – цвет, размер, форма и т.д.
2) логические отношения
-
Конъюнкция – логическое & «И»;
-
Дизъюнкция – логическое v «ИЛИ»;
-
Ампликация – логическое «из А → В»
-
Эквивалентность АВ
-
Отрицание.
-
Теоретико-множественные – это отношение подмножества, отношение части и целого, отношение множества и элемента.
-
Включение в множество.
-
Исключение
-
Разность
-
Дополнение
-
ISA – элемент множества
-
SAB – подмножество множества.
-
Квантифицированные отношения. Используются для декларирования фактов. Если в процессе построения семантической сети предметной области о ряде объектов может не достаточно информации, тогда вводится понятие десигнат – это уникальное имя, отражающее наиболее значимый смысл объекта (в частности просто его существование). По мере получения новых знаний, его отношения будут уточняться. Это позволяет функционировать семантической сети в условиях неполноты знаний и неопределенности, т.е. увеличивается гибкость аппарата. Кванторы:
-
Существование ()
-
Отрицание существования ()
-
Для любого ()