ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 08.08.2021
Просмотров: 371
Скачиваний: 10
45. Эволюционные методы представляют собой:
a) модель биологического процесса эволюции в популяции за существование;
b) модель совершенствования и выживания сильнейших объектов;
c) интеграцию с внешними приложениями (поддержка открытых стандартов);
d) подбор и предобработку исходных данных;
e) имитацию случайных процессов.
46. Системы с интеллектуальным интерфейсом включают системы:
a) естественно-языкового интерфейса, когнитивной помощи и графики, гипертекстовой;
b) СУБД: Оracle, MS SQL Server, DB2;
c) нейронную сеть с двумя слоями;
d) персептрон с обратной связью;
e) карту Кохонена.
47. Экспертные системы подразделяются на:
a) классифицирующие, транформирующие, мультиагентные, доопределяющие;
b) однослойные нейронные сети с обратными связями;
c) многослойные адаптивные нейронные сети;
d) искусственные иммунные сети;
e) корпоративные информационные системы.
48. Самообучающиенся системы подразделяются на:
a) нейрокомпьютинг, иммунокомпьютинг, системы на прецендентах;
b) однослойные нейронные сети с обратными связями;
c) классифицирующие, транформирующие, мультиагентные, доопределяющие;
d) естественно-языковые, гипертекстовые, когнитивной графики и помощи;
e) корпоративные информационные системы.
49. Адаптивные информационные системы подразделяются на:
a) CASE и компонентные технологии;
b) эволюционные системы;
c) классифицирующие, транформирующие, мультиагентные, доопределяющие;
d) естественно-языковые, гипертекстовые, когнитивной графики и помощи;
e) корпоративные информационные системы.
50. Интеллектуальная информационная система (ИИС) основана на концепции:
a) использования базы знаний;
b) использования эволюционных систем;
c) использования классифицирующих и транформирующих систем;
d) конкретных информационных потребностей пользователя;
e) корпоративные информационные системы.
51. Для ИИС характерны следующие признаки:
a) развитые коммуникативные способности, умение решать сложные плохо формализуемые задачи;
b) способность к самообучению, адаптируемость;
c) стохастичности;
d) ассоциативной распределенной памяти;
e) связывания и узнаваемости.
52. Что такое инженерия знаний:
a) способность объяснить ход своих рассуждений понятным для пользователя образом;
b) способность к самообучению, адаптируемость;
c) построение стохастической системы управления ресурсами;
d) ассоциативная распределенная память;
e) механизмы связывания и узнаваемости.
53. Что такое инженерия знаний:
a) привнесение принципов и инструментария из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов;
b) способность объяснить ход своих рассуждений понятным для пользователя образом;
c) способность к самообучению, адаптируемость;
d) построение стохастической системы управления ресурсами;
e) механизмы связывания и узнаваемости.
54. Главное отличие ЭС от систем обработки данных состоит в том:
a) что в них используется символьный, а не числовой способ представления данных;
b) что в качестве методов обработки информации применяются процедуры логического вывода и эвристического поиска решений;
c) что используется способность объяснить ход своих рассуждений понятным для пользователя образом;
d) что используются генетические алгоритмы;
e) что используются механизмы связывания и узнаваемости.
55. Экспертная система может выступать в роли:
a) консультанта для неопытных или непрофессиональных пользователей;
b) ассистента эксперта-человека в процессах анализа вариантов решений;
c) партнера эксперта в процессе решения задач, требующих привлечения знаний из разных предметных областей.
d) системного программиста;
e) инженера-когнитолога.
56. Что определяется на этапе идентификации технологии разработки экспертной системы:
a) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
b) содержательный анализ проблемной области;
c) выявляются используемые понятия и их взаимосвязи;
d) определяются методы решения задач;
e) выбираются инструментальные средства.
56. Что определяется на этапе концептуализации технологии разработки экспертной системы:
a) проводится содержательный анализ проблемной области;
b) выявляются используемые понятия и их взаимосвязи, определяются методы решения задач;
c) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
d) проводится содержательный анализ проблемной области;
e) выбираются инструментальные средства.
57. Что определяется на этапе формализации технологии разработки экспертной системы:
a) выбираются инструментальные средства и способы представления всех видов знаний;
проводится содержательный анализ проблемной области;
b) формализуются основные понятия, моделируется работа системы, оценивается их адекватность;
c) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
d) проводится содержательный анализ проблемной области;
e) выбираются инструментальные средства.
58. Что определяется на этапе выполнения технологии разработки экспертной системы:
a) осуществляется заполнение базы знаний;
b) выбираются инструментальные средства и способы представления всех видов знаний;
c) задачи, подлежащие решению, цели разработки, эксперты и типы пользователей;
d) проводится содержательный анализ проблемной области;
e) выбираются инструментальные средства.
59. Самообучающиеся интеллектуальные системы основаны на:
a) методах автоматической классификации ситуаций и обучения на примерах;
b) инструментальных средств и способах представления всех видов знаний;
c) анализе задач, подлежащие решению, целей разработки;
d) содержательном анализе проблемной области;
e) на выборе инструментальных средств.
60. Искусственные нейронные сети (ИНС) являются вычислительными системами:
a) параллельного действия;
b) представления всех видов знаний;
c) последовательного действия;
d) фрактального типа;
e) нечеткого типа.
61. Искусственная нейронная сеть – это модель:
a) реальной нервной системы, которая представляет собой совокупность большого числа базовых элементов нейронной системы – нейронов;
b) реальной иммунной системы, которая представляет собой совокупность большого числа базовых элементов иммунной системы – протеинов;
c) реальной генетической системы;
d) фрактальной системы;
e) нечеткой системы.
62. Главной особенностью ИНС является то, что они могут быть настроены на:
a) некоторое правило обработки информации без явного его задания, но путем обучения по эталонам типа «вход-выход», «ситуация-действие»;
b) правило проекционного типа;
c) правило многозначной логики;
d) механизм узнавания;
e) механизм апоптоза.
63. Какими основными свойствами обладает иммунная система:
a) памятью, способностью к обучению, распознаванию и принятию решений в условиях неопределенности;
b) организации последовательного вычисления;
c) организации нечеткого вычисления;
d) решения NP-трудных задач;
e) организации процедуры деффазификации.
64. На чем основан математический базис искусственной иммунной системы:
a) на биологическом прототипе иммунной сети и понятиях формального протеина и формальной иммунной сети;
b) на способности к обучению, распознаванию и принятию решений в условиях неопределенности;
c) на процедурах организации последовательного вычисления;
d) на процедурах организации нечеткого вычисления;
е) на механизмах мутации и инверсии.
Часть 2
65. Что является базовым элементом иммунокомпьютинга:
a) формальный протеин;
b) формальный нейрон;
c) хромосомная модель;
d) ген;
е) персептрон.
66. Механизмы молекулярного узнавания реализуют связи:
a) между пространственной формой и функциями протеина;
b) между кодом и формой белка;
c) между персептронной моделью;
d) между фитнес-функциями (функциями пригодности);
е) между картами Кохонена.
67. Механизмы самосборки реализуют связи:
а) между кодом и формой белка;
b) между картами Кохонена;
c) между слоями нейронной сети;
d) между реккурентными нейронными сетями;
е) между интеллектуальным интерфейсом.
68. Что понимается под механизмом молекулярного узнавания:
а) выборочное взаимодействие между определенными участками
биомолекул;
b) синаптические взаимосвязи;
c) генетический оператор селекции;
d) селекция с помощью пропорциональной рулетки;
е) турнирная селекция.
69. Что понимается под механизмом самосборки:
а) способность цепочки молекул принимать единственную пространственную форму;
b) вариабельность биомолекул;
c) гипотеза «ключа и замка»;
d) правила многомерной логики;
е) дефазификация выходной координаты.
70. Задача классификации образов заключается:
а) в указании принадлежности входного образа, представленного вектором индикаторов, одному или нескольким предварительно определенным классам;
b) в построении принадлежности;
c) в построении фитнес-функции;
d) фазификации временных рядов;
е) формировании базы правил.
71. Алгоритм кластеризации (категоризации) основан на:
а) подобии образов и размещает близкие образы в один кластер;
b) реализации нечеткого правила;
c) логическом выводе в многозначной логике;
d) анализе синаптических связей нейронной сети;
е) идентификации входных индикаторов.
72. Задача аппроксимации функций заключается в:
а) нахождении оценки неизвестной функции;
b) построении отделяющей поверхности;
c) формировании индекса вторжений;
d) формировании тестовой и обучающей выборок;
е) анализе и преобразовании данных.
73. Матрицы левых и правых сингулярных векторов обладают свойством:
а) ортонормированности;
b) выпуклости;
c) вогнутости;
d) кососимметричности;
е) непрерывности.
74. Сингулярные числа являются:
а) ранжированными и неотрицательными;
b) комплексными и сопряженными;
c) плохо обусловленными;
d) итеративными и несимметричными;
е) вещественными и конечными.
75. Базовый алгоритм иммунокомпьютинга включает блоки:
а) обучения и распознавания;
b) нечетких правил и базы знаний;
c) скрещивания, мутации и селекции;
d) сумматора и активационной функции;
е) логистического отображения.
76. Наиболее употребительными расстояниями между классами объектов
являются:
а) расстояние, измеряемое по принципу «ближнего соседа»;
b) расстояние, измеряемое по принципу «центра тяжести»;
c) расстояние, измеряемое по принципу «ключа и замка»;
d) корреляционная размерность;
е) характеристика множества странного аттрактора.
77. Индексом сложной многомерной системы является:
а) общая величина, объединяющая набор индикаторов исследуемого объекта;
b) функция принадлежности;
c) норма вектора;
d) энергия связи в формальной иммунной сети;
е) характеристика множества странного аттрактора.
78.Базовый алгоритм вычисления индекса включает модули:
а) обучения, распознавания, оптимизации коэффициентов;
b) базы нечетких правил, логического вывода и фаззификации;
c) сумматора, активационной функции синаптических весовых коэффициентов;
d) формирования эталонных классов;
е) оценивания кредитоспособности заемщика.
79. Нейроинформатика – это:
а) современная теория о принципах и новых математических моделях информационных процессов, которые базируются на биологических прототипах и механизмах активности мозга человека;
b) современная теория о фракталах и хаотическом поведении;
c) современная теория о ДНК-компьютерах;
d) современная теория о роботике;
е) современная теория о путях хаотического поведения сложных систем.
80. Традиционные подходы теории искусственного интеллекта это:
а) система символьной технологии: символьные парадигмы, исчисление предикатов и т.д.;
b) синтезирование обучающей системы;
c) парадигмы нейронных сетей;
d) эволюционные и генетические алгоритмы;
е) клеточные автоматы.
81. Современные подходы теории искусственного интеллекта это:
а) парадигмы нейронных сетей;
b) эволюционные и генетические алгоритмы;
c) детерминированные и статистические методы;
d) факторный анализ;
е) походы хемометрики.
82. Базовый принцип обучения заключается:
а) в самоорганизации (структурной перестройке);
b) в использовании методов хемометрики;
c) в использовании детерминированных и статистических методов;
d) в использовании дефазификационной композиции нечетких правил;
е) в формировании базы нечетких правил.
83. Где необходимо применять парадигмы нейровычислений:
а) при решении плохо формализуемых задач;
b) при исследовании устойчивости исследуемых объектов;
c) при сингулярном разложении произвольных матриц;
d) при вычислении энергии связи;
е) при решении задачи реконструкции динамической системы.
84. Какие новые принципы обработки данных реализует нейрокомпьютер:
а) массовый параллелизм, распределенную память, робастность;
b) показатели Ляпунова;
c) метод скользящего окна;
d) метод нормированного размаха;
е) самоподобные фракталы.
85. Компьютер подобный мозгу человека – это:
а) математическая модель механизмов активности мозга;
b) математическая модель эволюционных вычислений;
c) математическая модель механизмов генетики;
d) математическая модель механизмов иммунной системы;
е) математическая модель логистического отображения.
86. Принципы нейрокомпьютинга заключаются в использовании:
а) высоко взаимосвязанной структуры, обучения и адаптации;
b) путей перехода в хаос;
c) периода удвоения;
d) странного аттрактора Лоренца;
е) динамические модели в пространстве состояний.
87. Биологический нейрон – это:
а) простой арифметический вычисляющий элемент;
b) хромосомная модель;
c) модель странного аттрактора Лоренца;
d) модель бифуркации;
е) модель логистического отображения.
88. Сома – это:
а) центральное тело, в котором реализуются почти все функции нейрона;
b) нить нерва, которая может служить выходом нейрона;
c) разветвленное дерево нервных окончаний;
d) специальные контактные точки для входа аксона;
е) модель кватерниона.
89. Аксон – это:
а) нить нервного окончания;
b) разветвленное дерево нервных окончаний;
c) модель кватерниона;
d) центральное тело, в котором реализуются почти все функции нейрона;
е) специальные контактные точки для входа аксона.
90. Дендриты – это:
а) разветвленное дерево нервных окончаний;
b) центральное тело, в котором реализуются почти все функции нейрона;
c) нить нервного окончания;
е) диссипативная структура.
91. Каждый нейрон искусственной нейронной сети – это:
а) вычислительная единица с многомерным входом и нелинейным
преобразованием сигнала возбуждения;
b) одномерный вычислительный элемент;
c) логическое устройство;
d) симметричный релейный элемент;
е) элемент формальной иммунной сети.
92. Персептрон – это: