- •1.Понятие интеллектуальной системы. Интеллектуальная система как «черный ящик».
- •3. Классификация экспертных систем.
- •4. Идеальная статическая экспертная система.
- •5. Динамическая экспертная система. Режимы работы экспертных систем.
- •6. Преимущества и недостатки экспертных систем. Целесообразность разработки экспертной системы.
- •7. Знания, как способ представления информации. Иерархия способов представления информации.
- •8. Знания, как способ представления информации. Классификация знаний.
- •9. Знания, как способ представления информации. Особенности знаний.
- •10. Модели представления знаний. Продукционная модель.
- •11. Модели представления знаний. Семантическая сеть.
- •12. Модели представления знаний. Фреймовая модель.
- •14. Реляционная модель представления знаний. Понятие отношения. Свойства отношений.
- •15. Реляционная модель. Реляционные операции: объединение, пересечение, разность.
- •16.Реляционная модель. Реляционные операции: произведение, проекция, выборка.
- •17. Нечеткие знания. Понятие термина «нечеткость» в экспертных системах.
- •18.Теория нечетких множеств – основные определения
- •19. Примеры нечетких множеств и их функций принадлежности. Операции над нечеткими множествами.
- •20. Нечеткая логика, ее основное отличие от логики предикатов. Понятие нечеткой и лингвистической переменной.
- •24. Основные операции над нечеткими отношениям.
- •25. Композиция нечетких отношений. Применение композиции к оценке проф. Пригодности сотрудников
- •26. Основы нечеткой логики. Понятие нечеткого высказывания и нечеткого предиката.
- •27. Основы нечеткой логики. Основные операции над нечеткими высказываниями
- •28. Правила нечетких продукций.
- •29. Прямой метод вывода заключений в системах нечетких продукций.
- •30. Архитектура систем нечеткого вывода.
- •31. Основные этапы нечеткого вывода.
- •1. Опишите нечеткую переменную «низкая скорость автомобиля» и постройте на ее основе нечеткие переменные с использованием модификаторов «не», «очень», «более-менее».
16.Реляционная модель. Реляционные операции: произведение, проекция, выборка.
Реляционная модель данных - это такая модель, которая представлена в виде совокупности отношений, совокупности кортежей. В основе реляционной модели использовано понятие отношения представляющего собой подмножество декартова произведения доменов. Домен-это некоторое множество элементов(например, множество 2целых чисел или множество допустимых значений, которые может принимать объект по некоторому свойству). Произведение возвращает отношение, содержащее все возможные кортежи, которые являются сочетанием двух кортежей, принадлежащих соответственно двум заданным отношениям. Результатом выполнения операции выбора является отношение в, котором включает в себя кортежи отношения а, удовлетворяющие заданному условию. Результатом выполнения операции проекции над отношением а является отношение в, которое включает в себя все кортежи отношения а , но только с теми атрибутами, на которые выполняется проекция.
17. Нечеткие знания. Понятие термина «нечеткость» в экспертных системах.
Термин “нечеткость” в ЭС недостаточно определен ив инженерии знаний используется такая классификация нечеткости: - недетерминированность вывода- многозначность- ненадежность знаний- неполнота- неточность Под недетерминированностью вывода подразумевается возможность формирования плана решения задачи из определенных правил методом проб и ошибок, с возвратами при необходимости для построения других, более эффективных планов. С целью ускорения поиска эффективного плана в систему вводят оценочные функции разного вид, а также эвристические значения экспертов. Многозначность интерпретации знаний в процессе выработки решений устраняется за счет включения в систему более широкого контекста и семантических ограничений. Метод семантических ограничений называется методом релаксации. Суть его в том, что с помощью циклических операций применяются локальные ограничения, которые согласовываются между собой на верхнем уровне. Ненадежность. Для устранения ненадежности знаний, которая довольно часто используется в ЭС, используются методы основанные на нечеткой логике: расчет коэффициентов уверенности, метод Байеса и т.д. Нечеткая логика - разновидность непрерывной логики, в которой логические формулы могут принимать значения не только 0 или 1, но и все дробные значения между 0 и 1 для указания частичной истины. Наиболее слабое место в нечеткой логике - это реализация функции принадлежности, т.е. присваивание предпосылкам весовых значений экспертами (зависит от конкретного человека). Неполные знания характерны для реального мира и предполагают наличие множества исключений и ограничений для конкретных высказываний, которые не принимаются во внимание, исходя из здравого смысла. В ЭС предполагается работа с неполными знаниями. При проектировании БЗ в базу вносятся всегда только верные знания, а неопределенные знания считаются неверными - гипотеза закрытого мира. Неточность вывода присутствует в ЭС и связана с тем, что в реальном мире система работает с нечеткими множествами, поэтому для устранения неточности используется теория нечетких множеств.