- •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.
32. Фреймовая модель.
Недостатком семантических сетей является слишком произвольная структура и разнообразие типов объектов, что приводит к осложнению программного обеспечения.
Фрейм используют для описания объекта или явления, особенностью которого является то, что удаление из этого описания любой его части приводит к потере свойств характеризующих этот объект (Фреймовая модель разработал Минский в 1979году).
Фрейм – это абстрактный образ для представления некоторого стереотипа восприятия. Если обычные понятия – это неформальные знания о стереотипной ситуации, то фрейм – это формализованное понятие, связываемое с конкретной ситуацией, которая затем связывается со стереотипной ситуацией.
Способ формирования фреймов для определенной ситуации выполняется исследователем, опираясь на опыт и наблюдения.
Формально фрейм описывается как декларативно-процедурная структура f=(n, (S1, d1, g1),…, (Sk,dk,gk)), где n – имя фрейма, S – имя слота, d – значение слота, g (необязательных элемент) – присоединенная процедура или способ получения знаний фрейма.
Имя фрейма используют для создания мнемонического элемента. Различают: фреймы-прототипы, хранящиеся в базе знаний (БЗ) и явл интенсиональным представлением множества фреймов примеров; фреймы-примеры – создаются на основе поступающих данных и представляют собой экстенсиональное описание фрейма-прототипа.
Сети фреймов образуются путем подстановки имен фреймов в определенные слоты. Данный механизм позволяет организовать наследование фреймов.
Наследование фреймов позволяет упростить схему формирования понятий. Общие признаки у фрейма-потомка не указываются, а берутся у фрейма-родителя. Различают способы получения слотом значений во фрейме-потомке: 1. По умолчанию от фрейма-предка или от фрейма –прототипа фрейму-потомку. 2. Через слот АКО (наследование). 3. Через присоединенную процедуру. 4. По формуле, которая указывается для слота.
Различают след. процедуры включаемые в слот: 1. Процедуры-демоны – активизируются автоматически при попадании значения в слот и при удалении из него. 2. Процедуры-слуги – активизируются по запросу.
Графически фрейм представляется графом, содержащим вершину с именами фрейма и вершины, соответствующим слотам. Для каждого слота указывается область допустимых значений.Работа сети фреймов происходит в информационно-поисковом режиме. Запросы предоставляются в виде фреймов, и происходит наполнение его слотов из БД, учитывая сист понятий БЗ.
33. Сравнительная харак-ка систем предста-ия знаний на основе сетевых моделей.
Семантическая модель: Нижний уровень модели ПЗ образует экстенсиональная семантическая сеть, содержащая декларированные знания о предметной области. Носит синтаксический хар. Верхний уровень образует интексиональная семант.сеть, содержащая процедуры знаний. Носит семантический хар-р.За счет отделения процедурных знаний от декларированных знаний, данная модель является универсальной для представления знаний.
Процедурные знания на верхнем уровне виртуальными, а их конкретизация на нижнем уровне.Фреймовая модель: Различают фреймовые прототипы, хранятся в БЗ и являются интенсионалами представления множества фреймов примеров. Фреймы примеры создаются на основе поступления данных (БД) и представляют собой экстенсиональное описание фрейма прототипа.