- •1. Процес набуття знань. Його мета, основні складнощі. Функції його учасників.
- •2. Основні стадії процесу набуття знань та їх взаємодія.
- •3. Види методів витягу знань з експерта.
- •4. Оболонки експертних систем. Система emysin, як універсальна оболонка.
- •5. Система teiresias як універсальний інтерфейс експертної системи
- •6. Що таке дані? Набори даних, види даних.
- •7. Дані. Шкалування даних.
- •8. Інтелектуальний аналіз даних. Основні стадії.
- •9. Задачі інтелектуального аналізу даних.
- •10.Задача класифікації, як задача інтелектуального аналізу даних.
- •11. Процесс розв’язання задачі класифікації інтелектуального аналізу даних
- •12.Задача кластерізації, як задача інтелектуального аналізу даних.
- •Методы кластеризации
- •13. Порівняння задач класифікації та кластерізації.
- •15. Дерево прийняття рішень як апроксимація булевської функції
- •16. Дерева прийняття рішень. Ентропія, як характеристика цільової функції.
- •17. Критерій приросту інформації. Проблеми з критерієм приросту інформації.
- •18. Дерева прийняття рішень. Оверфіттінг
- •19. Генетичний алгоритм. Загальна схема генетичного алгоритма.
- •20. Генетична операція «кроссовер».
- •21. Представлення даних у вигляді бітових рядків.
- •22. Відбір, як основний елемент генетичного алгоритму.
- •23. Покажіть на прикладі «метод рулетки» та «ранговий метод», як методи відбору генетичного алгоритму.
- •24. Відображення теорій Ламарка та Болдуіна у генетичних алгоритмах.
23. Покажіть на прикладі «метод рулетки» та «ранговий метод», як методи відбору генетичного алгоритму.
Метод отбора – метод рулетки. В этом методе у каждой гипотезы с ненулевой функцией приспособленности есть шанс быть выбранной, и вероятность ее выживания пропорциональна ее функции приспособленности. Метод рулетки(roulette-wheel selection) - отбирает особей с помощью n "запусков" рулетки. Колесо рулетки содержит по одному сектору для каждого члена популяции. Размер i-ого сектора пропорционален соответствующей величине P(hi) вычисляемой по формуле: При этом одна и та же особь может быть выбрана несколько раз. При таком отборе члены популяции с более высокой приспособленностью с большей вероятностью будут чаще выбираться, чем особи с низкой приспособленностью. Ранговый отбор. В ранговом методе особи сначала сортируются по приспособленности, а затем отбирается нужное количество верхних по рангу гипотез. Затем процедура выглядит как метод рулетки, за тем исключением, что вероятность выжить, пропорциональна не значению функции приспособленности, а месту, которое заняла гипотеза.
24. Відображення теорій Ламарка та Болдуіна у генетичних алгоритмах.
Основной идеей Ламарка было, то что организмы изменяются под действием окружающей среды и условий их жизнедеятельности. Главное отличие от дарвиновских теорий состояло в том, что по Ламарку виды могут изменятся в течении своей жизни, а не только на генетическом уровне. Для реализации Ламарковской теории, в качестве гипотез нужно использовать какой-нибудь из аппаратов машинного обучения. Эффект Болдуина связан со способностью организма обучаться в течении жизни. Применительно к искусственному интелекту, болдуиновский эффект выражается в том, что в естественном отборе участвуют обучающиеся особи, при чем их способность к обучению так же является предметом естественного отбора. Применительно к нейронным сетям на практике оказывается, что подход Ламарка дает хорошие сети достаточно быстро, в то время как болдуиновский подход позволяет получить сети более высокого качества, но медленнее. Т.е. если у задачи нет большого количества локальных минимумов, то лучше использовать ламарковскую стратегию. В общем случае с задачей лучше справляются подходы основаны на эффекте Болдуина.