Файл: Интеллектуальные информационные системы и технологии.doc

48. Почему в формально-логической модели используются предикаты только первого порядка?

49. Каким образом в формально-логической модели реализуется механизм логического вывода?

50. Какая модель представления знаний получила наибольшее распространение и почему?

---

Контрольные вопросы по Модулю 2 (для очного обучения)

1. 
   Определить основные разновидности интеллектуальных систем.
   
2. 
   В чем разница ЭС и СППР с точки зрения обрабатываемой информации?
   
3. 
   В чем отличие динамических ЭС от статических?
   
4. 
   Определить основные характеристики ЭС.
   
5. 
   Какую функцию выполняет интеллектуальный редактор БЗ?
   
6. 
   Определить стадии существования и поколения ЭС.
   
7. 
   Определить этапы проектирования статической поверхностной ЭС.
   
8. 
   Определить стадии проектирования прототипной ЭС.
   
9. 
   Какие существуют виды СППР по взаимодействию с ЛПР?
   
10. 
    В чем суть решения задачи принятия решений?
    
11. 
    Определить общую схему процесса принятия решений.
    
12. 
    Чем характеризуется задача принятия решений в условиях не-определенности?
    
13. 
    Какие существуют процедуры сравнения альтернатив в рамках метода анализа иерархий?
    
14. 
    Определить этапы решения задачи принятия решений в условиях неопределенности на основе теории мягких вычислений Л. Заде?
    
15. 
    Для решения каких задач используются ЭСС?
    
16. 
    Почему затраты на разработку ЭСС, как правило, ниже, чем на разработку ЭС?
    
17. 
    В чем суть РОЦ-технологии при разработке ЭСС?
    
18. 
    Определить уровни процедуры РОЦ-технологии.
    
19. 
    Определить комплекс проектных процедур РОЦ-технологии.
    
20. 
    В чем отличие стиля программирования в ИИ-системах от тра-диционного программирования?
    
21. 
    Определить структуру искусственного нейрона.
    
22. 
    Как определяется потенциал нейрона?
    
23. 
    Определить основные типы функции активации.
    
24. 
    Определить процедуру структурной идентификации нейронной сети
    с прямой связью.
    
25. 
    В чем суть обучения нейронной сети?
    
26. 
    Какие задачи и при каких условиях целесообразно решать с ис-пользованием нейронных сетей?
    
27. 
    Определить понятие «агент» и виды агентов.
    
28. 
    Определить возможные варианты проблемной среды в многоагентной системе.
    
29. 
    Определить основные виды программных и программно-технических агентов.
    
30. 
    Какие существуют типа многоагентных систем?
    
31. 
    Определить процесс проектирования виртуального предприятия как многоагентной системы.
    
32. 
    Определить уровни корпоративной памяти.
    
33. 
    Чем определяется необходимость разработки КМ-систем?
    
34. 
    Определить этапы проектирования КМ-системы.
    
35. 
    Определить уровни организации онтологического знания.
    
36. 
    Определить эксплицитные и имплицитные знания и формы их представления.
    
37. 
    В каком случае целесообразно машинное обучение?
    
38. 
    Определить основные уровни диалога при ЕЯ-общении с ЭС.
    
39. 
    Определить основные функции ЕЯ-общения с интеллектуальной системой.
    
40. 
    Определить основные компоненты схемы ЕЯ-системы.
    
41. 
    Определить варианты выбора решений в зависимости от опре-деленных возможных исходов.
    
42. 
    Какие существуют варианты приобретения знаний на основе машинного обучения?
    
43. 
    В чем суть модели обучения на прецедентах?
    
44. 
    Какие формы рисков существуют при реализации сделок на рынке ценных бумаг?
    
45. 
    Определить способы шкалирования временной информации.
    
46. 
    С помощью каких инструментальных средств реализуются формальные модели времени (Т-модели)?
    
47. 
    С какой целью осуществляется построение когнитивной карты?
    
48. 
    Определить аспекты интеграции в интегрированной ЭС с позиций многоуровневой модели.
    
49. 
    Определить основные принципы задачно-ориентированной методологии построения интегрированных ЭС.
    
50. 
    Определить основные этапы когнитивного анализа.
    

---

Оценочные средства по дисциплине
«Интеллектуальные информационные системы и технологии»

1. 
   ЗНАНИЯ
   

1. 
   Основные направления развития искусственного интеллекта.
   
2. 
   Уровни представления данных и знаний.
   
3. 
   НЕ-факторы, проявляющиеся в рассуждениях эксперта.
   
4. 
   Типы неформализованных задач для решения с помощью интеллектуальных систем.
   
5. 
   Поверхностные и глубинные знания.
   
6. 
   Процедурные и декларативные знания.
   
7. 
   Классификация интеллектуальных систем по областям применения и оперативности.
   
8. 
   Модульные модели представления знаний.
   
9. 
   Сетевые модели представления знаний.
   
10. 
    В чем суть дедуктивного логического вывода?
    
11. 
    В чем суть индуктивного логического вывода?
    
12. 
    Структура и основные характеристики семантической сети.
    
13. 
    Цикл работы интерпретатора правил.
    
14. 
    Лингвистическая переменная и нечеткое множество.
    
15. 
    Коммуникативные активные индивидуальные методы извлечения по-верхностных знаний.
    
16. 
    Коммуникативные активные групповые методы извлечения поверх-ностных знаний.
    
17. 
    Определить суть текстологического метода извлечения знаний.
    
18. 
    Определить основные аспекты извлечения знаний.
    
19. 
    Определить три слоя психологических проблем, возникающих при извлечении поверхностных знаний.
    
20. 
    Определить методы извлечения глубинных знаний.
    

2. 
   УМЕНИЯ
   

21. 
    Идентифицировать продукционную модель представления знаний.
    
22. 
    В чем причина появления конфликтного множества?
    
23. 
    Что является основой для построения искусственной нейронной сети?
    
24. 
    С какой целью вычисляется потенциал нейрона?
    
25. 
    Идентифицировать фреймовую модель представления знаний.
    
26. 
    С помощью какого системного слота фреймы связываются в сеть?
    
27. 
    Что является критерием при выборе метода логического вывода?
    
28. 
    В чем суть построения когнитивной карты?
    
29. 
    Каким образом определяются значения функции принадлежности?
    
30. 
    Определить разновидности программно-технических агентов.
    
31. 
    В чем принципиальное отличие методов эвристической самоорганизации (МГУА) от традиционных методов регрессионного анализа с точки зрения обработки исходных данных?
    
32. 
    Для решения каких задач используются многорядные алгоритмы МГУА?
    
33. 
    Определите понятия « n- мерный предикат» и « предикат n-ого порядка».
    
34. 
    В чем отличие простого высказывания от предиката первого порядка?
    
35. 
    Определить основные компоненты многоагентной системы.
    
36. 
    Определить типы многоагентных систем.
    
37. 
    В чем отличие статической экспертной системы от динамической.
    
38. 
    При выполнении какого условия нейрон срабатывает?
    
39. 
    Определить типы функции активации, используемые при реализации искусственной нейронной сети.
    
40. 
    Что учитывается при выборе модели представления знаний?
    

---

3. 
   НАВЫКИ
   

41. 
    Определить этапы разработки прототипа экспертной системы.
    
42. 
    Определить этапы разработки статической экспертной системы.
    
43. 
    Определить этапы разработки КМ-системы.
    
44. 
    Определить этапы построения экономической советующей системы.
    
45. 
    В чем суть процесса обучения искусственной нейронной сети.
    
46. 
    Определить уровни организации онтологического знания.
    
47. 
    Определить суть простого рефлексивного агента.
    
48. 
    Определить обобщенную схему ЕЯ-системы.
    
49. 
    Определить основные функции ЕЯ-общения с интеллектуальной си-стемой.
    
50. 
    Определить основные особенности генетических алгоритмов для решения оптимизационных задач от традиционных методов оптимизации.
    
51. 
    Определить этапы проектирования системы управления знаниями.
    
52. 
    Определить различные постановки задачи проектирования сложной системы на основе прототипа.
    
53. 
    Определить основные направления разработки инструментария ин-теллектуального программирования.
    
54. 
    Определить технологию реализации генетического алгоритма для решения оптимизационной задачи.
    
55. 
    Определить методы ненаправленного и направленного синтеза проектных решений.
    
56. 
    Для решения каких задач используются комбинаторные алгоритмы МГУА?
    
57. 
    Для решения каких задач используются многорядные алгоритмы МГУА?
    
58. 
    Какие существуют тенденции в области разработки интеллектуальных систем?
    
59. 
    Какие внешние критерии используются при реализации алгоритмов эвристической самоорганизации?
    
60. 
    Какие инструментальные программные средства используются для реализации продукционных и фреймовых систем?
    

Библиографический список

1. 
   Андрейчиков, А.В. Интеллектуальные информационные си-стемы: учебник / А.В. Андрейчиков, О.Н. Андрейчикова. М.: Финансы и статистика, 2004. 424 с.
   
2. 
   Болотова, Л.С. Системы искусственного интеллекта: модели
   и технологии / Л.С. Болотова. М.: Финансы и статистика, 2012. 664 с.
   
3. 
   Вагин, В.Н. Достоверный и правдоподобный вывод в ин-теллектуальных системах / В.Н. Вагин, Е.Ю. Головина, А.А. Загорянская, М.В. Фомина. М.: Физматлит, 2004. 704 с.
   
4. 
   Габитова, В.Р. Системы искусственного интеллекта и при-нятие решений: учебное пособие / В.Р. Габитова. Вологда: ВоГТУ, 2002. 112 с.
   
5. 
   Гаврилова, Т.А. Базы знаний интеллектуальных систем / Т.А. Гаврилова, В.Ф. Хорошевский. СПб.: Питер, 2000. 384 с.
   
6. 
   Гладков, Л.А. Генетические алгоритмы / Л.А. Гладков, В.В. Курейчик, В.М. Курейчик. М.: Физматлит, 2006. 320 с.
   
7. 
   Джексон П. Введение в экспертные системы: учебное пособие /
   П. Джексон. М.: Вильямс, 2001. 624 с.
   
8. 
   Ивахненко, А.Г. Моделирование сложных систем по экс-периментальным данным / А.Г. Ивахненко, Ю.П. Юрачковский. М.: Радио и связь, 1987. 118 с.
   
9. 
   Матвеев, М.Г. Модели и методы искусственного интеллекта. Применение в экономике / М.Г. Матвеев, А.С. Свиридов, Н.А. Алейникова. М.: Финансы и статистика; ИНФРА. М., 2008. 448 с.
   
10. 
    Минский, М. Фреймы для представления знаний / М. Минский. М.: Энергия, 1979. 151 с.
    
11. 
    Нечеткие гибридные системы. Теория и практика / под ред. Н.Г. Ярушкиной. М.: Физматлит, 2007. 208 с.
    
12. 
    Осипов, Г.С. Методы искусственного интеллекта / Г.С. Осипов. М.: Физматлит, 2011. 296 с.
    
13. 
    Осуга, С. Обработка знаний / С. Осуга. М.: Мир, 1989.
    293 с.
    
14. 
    Палюх, Б.В. Архитектура интеллектуальной системы инфор-мационной поддержки инноваций в науке и образовании / Б.В. Палюх, В.К. Иванов, А.Н. Сотников // Программные продукты и системы. 2013.
    № 4. С. 197–202.
    
15. 
    Рассел, С. Искусственный интеллект: современный подход / С. Рассел, П. Норвиг. М.: Вильямс, 2006. 1408 с.
    
16. 
    Романов, В.П. Интеллектуальные информационные системы
    в экономике: учебное пособие / В.П. Романов; под ред. д.э.н. проф. Н.П. Тихомирова. М.: Экзамен, 2003. 496 с.
    
17. 
    Романов, А.Н. Советующие информационные системы в экономике: учебное пособие / А.Н. Романов, Б.Е. Одинцов. М.: ЮНИТИ-ДАНА, 2000. 487 с.
    
18. 
    Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. М.: Горячая линия – Телеком, 2004. 452 с.
    
19. 
    Рыбина, Г.В. Основы построения интеллектуальных систем / Г.В. Рыбина. М.: Фининсы и статистика, 2010. 432 с.
    
20. 
    Семенов, Н.А. Программы регрессионного анализа и прогнозирования временных рядов. Пакеты ПАРИС и МАВР / Н.А. Семенов. М.: Финансы и статистика, 1990. 111 с.
    
21. 
    Тарасов, В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика / В.Б. Тарасов. М.: Эдиториал УРСС, 2002. 352 с.
    
22. 
    Тельнов, Ю.Ф. Интеллектуальные информационные системы в экономике: учебное пособие / Ю.Ф. Тельнов. Изд. 3-е. М.: СИНТЕГ, 2002. 316 с.
    
23. 
    Филиппов, В.А. Интеллектуальный анализ данных – методы
    и средства / В.А. Филиппов. М.: Эдиториал, 2001. 320 с.
    
24. 
    Частиков, А.П. Разработка экспертных систем. Среда CLIPS / А.П. Частиков, Т.А. Гаврилова, Д.Л. Белов. СПб.: БХВ-Петербург, 2003. 608 с.
    
25. 
    Ярушкина, Н.Г. Основы теории нечетких и гибридных систем / Н.Г. Ярушкина. М.: Финансы и статистика, 2004. 320 с.
    
26. 
    Паньшин Б. Цифровая экономика: понятия и направления развития // Наука и инновации. №3 (193). 2019.с. 48-55.http://innosfera.by.
    
27. 
    Ефимушкин В.А. Понятие цифровой экономики http://bi.hse.ru/
    

---

Николай Александрович Семенов
Интеллектуальные информационные системы
и технологии
Учебное пособие


Редактор М.Б. Юдина

Корректор

Технический редактор Ю.Ф. Воробьёва

__________________________________

Подписано в печать

Формат Бумага писчая

Физ. п. л. Усл. печ. л. Уч.-изд. л.

Тираж экз. Заказ

________________

Редакционно-издательский центр

Тверского государственного технического университета

1 70026, Тверь, наб. Афанасия Никитина, 22

---