- •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 Учет нескольких признаков при расчете вероятности гипотезы? Для чего и как рассчитывается цена свидетельств? Как учитывается неопределенность в ответе пользователя?
Для некоторой гипотезы Нi имеется определенное число отдельных свидетельств (признаков), подтверждающих ее или не подтверждающих, которые ранжируются по мере их значимости (как подсчитать цену свидетельства рассмотрим в следующем подразделе). Назовем их соответственно Е1, ..., Еn. Учет свидетельств осуществляется последовательно. На каждом шаге выбирается очередное свидетельство и по формуле Байеса вычисляется апостериорная вероятность P(Hi|Ej) или Р(Hi| ), в зависимости от исхода Ej. При этом величины Р(Еj|Нi) и Р(Еj| i) выбираются из базы знаний, а в качестве априорной вероятности Р(Нi) на шаге к+1 используется апостериорная вероятность P(Hi|Ej) или Р(Hi| ), рассчитанная на к-м шаге. И только на 1-м шаге Р(Нi) выбирается из базы знаний.
общая формула для вероятности некоторого свидетельства
Р(Е)= P(E|Hi) P(Hi)
Каждому свидетельству (признаку) приписывается цена свидетельства С, отражающая его роль в процессе вывода. При работе системы, в первую очередь, задается тот вопрос, для которого цена оказывается наибольшей. В простейшем случае цену каждого свидетельства можно вычислить как сумму максимальных изменений вероятностей по всем гипотезам, к которым это свидетельство приложено:
С = (P(Hi|E)-P(Hi| )).
По мере того, как постоянно уточняются апостериорные вероятности P(Hi|E), они будут приводить к непрерывному изменению цен свидетельств. Например, если в ходе диалога какое-то множество гипотез окажутся почти полностью уничтоженными, то применяемое к ним свидетельство станет менее важной при последующих подсчетах цен и эти гипотезы можно не рассматривать (изменяется число гипотез).
Результирующее значение вероятности гипотезы с учетом ряда признаков при заданной базе знаний полностью определяется ответами пользователя относительно их наличия или отсутствия.
Но чаще всего пользователь не знает или затрудняется, какой ему дать ответ. Неопределенность в ответе пользователя можно учесть, просто допустив, чтобы ответ давался по шкале, пробегающей от точки "нет" через точку "не знаю", до точки "да". Если ввести одиннадцати бальную шкалу (можно любую), то ответ -5 означает "нет", 0 - "не знаю", +5 - "да".
Вероятность гипотезы H при получении четкого ответа пользователя относительно признака E может иметь одно из двух возможных значений - P(H|E) и P(H| ). Пусть P(E|R) - вероятность "да", а P( |R) – вероятность "нет" относительно признака E. Другими словами P(E|R) – это вероятность значения P(H|E), а P( |R) – это вероятность значения P(H| ).
Тогда при получении нечеткого ответа пользователя R вероятность гипотезы H с учетом нечеткого ответа может быть вычислена как математическое ожидание:
P(H|R)=P(H|E) P(E|R) + P(H| ) P( |R).
Таким образом, у пользователя появляется возможность уточнить свой ответ системе. Интерпретация ответа пользователя проводится следующим образом. Если полученное значение, назовем его коэффициент определенности, равно нулю, то значение вероятности свидетельства не изменится. Если же коэффициент определенности меньше или больше нуля, то определяем вероятность исхода с помощью метода кусочно-линейной аппроксимации