Тема 1.7. Байесовское оценивание в принятии решений

1.Байесовский нейронный классификатор

2.Создание, ведение и использование баз данных и баз знаний при создании индивидуальных проектов.

Вопросы и задания для самостоятельной работы:

1. Подготовить ответы на контрольные вопросы по темам: 1.4., 1.5., 1.6. и 1.7.

1.1. Какие основные операции над нечеткими множествами?

1.2. Какие основные операции над нечеткими числами?

1.3. Какой вид эволюционных вычислений называют генетическими алгоритмами?

1.4. Как выполняется оператор мутации? Какую роль он играет в генетической оптимизации?

1.5. Что называют эволюционной стратегией?

1.6. Как работает оператор пропорционального отбора?

1.7. Как определяются нормы и конормы?

1.8. Для чего введены понятия нормы и конормы?

1.9. Какова функциональность среды CLIPS?

1.10. В чем суть байесовской теории решений?

2. Тестовые задания для самостоятельного контроля уровня подготовки студентами вопросов темы:

2.1. Эвристики - это

o хорошо известные обстоятельства

o знания, основанные на опыте экспертов

o множество утверждений, не зависимо от того, где применяются

o алгоритмы в виде процедур обработки фактов

2.2. Формальные логические модели представления знаний используют

o логику предикатов для управления анализом декларативных предложений

o полный перебор возможных решений задач

o статистическую обработку фактов и правил

o доказательство истинности цели на основе доказательства истинности всех входящих в него предикатов

2.3. В формальных логических моделях представления знаний

o антецеденты это предикаты, входящие в состав правила, истинность которых можно проверить

o консеквент - это цель, которую нужно доказать

o консеквенты это предикаты, входящие в состав правила, истинность которых можно проверить

a) антецедент - это цель, которую нужно доказать

2.4. На этапе концептуализации при создании экспертной системы определяются

o определяются понятия, отношения и механизмы управления необходимые для описания решения задач

o формируется иерархия понятий предметной области, изучаются их взаимосвязи

o определяются цели и задачи создания экспертной системы

2.5. Выбор модели представления знаний в базе знаний экспертной системы определяется на этапе

o концептуализации

o формализации

o идентификации

o реализации

2.6. Создание прототипа экспертной системы осуществляется на этапе

o формализации знаний

o реализации экспертной системы

o извлечения знаний

o концептуализации знаний

2.7. Процесс обучения нейронной сети сводится

o к определению весов связей нейронов

o к разработке правил продукций

o к определению связей между слоями нейронов

o к формализации знаний, извлеченных их эксперта

2.8. Последовательность проектирования экспертной системы

o концептуализация, формализация, идентификация, реализация, тестирование

o идентификация, концептуализация, формализация, реализация, тестирование

o идентификация, формализация, концептуализация, реализация, тестирование

o формализация, идентификация, концептуализация, реализация, тестирование

2.9. Представление знаний в виде правил ЕСЛИ А, ТО В - это

o предикатная модель знаний

o фреймовая модель знаний

o продукционная модель знаний

2.10. Понятия "антецедент" и "консеквент" правила используются в

o предикатной модели знаний

o фреймовой модели знаний

o продукционной модели знаний

Раздел 2. Разработка экспертной системы поддержки принятия решений