Вопросы для подготовки к экзамену по СИИ

Вопросы для подготовки к экзамену по СИИ

Анализ Формальных Понятий (theFormalConceptAnalysis): основные понятия и определения. Решетка Формальных Понятий.
А стоит ли вообще создавать ИИ, может просто закрыть все работы в этой области?
Важность проблемы обучения распознаванию образов с прикладной точки зрения.
Важность проблемы обучения распознаванию образов с принципиальной точки зрения.
В каких случаях в математике и кибернетике класс задач определенного типа считается решаемым?
Второе исторически сложившееся направление в моделировании ИИ.
В чем заключается сигнальный метод обучения Хебба?
В чем проявляются объективные свойства образа?
В чем состоит проблема инициализации весовых коэффициентов случайными значениями?
В чем состоит различие большинства известных алгоритмов самообучения? Снижает или повышает это различие ценность алгоритмов самообучения?
Гипотезы компактности. Компактное множество.
Главная черта, делающая обучение без учителя привлекательным.
Данные и знания. Отличительные особенности знаний.
Дать определение образа класса.
Интеллектуальная вопросно-ответная система на базе теоретического подходя к языку как преобразователю “Смысл Текст“. Представление предметных знаний и структура словаря.
Интерфейс на Естественном Языке в интеллектуальных системах: основные требования к процессу понимания запросов. Общая схема анализа высказывания.
Интерфейс на Естественном Языке: построение Семантического Графа входного предложения. Замена обстоятельственных отношений семантическими при обработке предикатных слов в запросах к фреймовой сети.
Интерфейс на Естественном Языке: этап интерпретации входного предложения и синтеза Семантического Графа ответа.
Интерфейс на Естественном Языке: этап определения порядка слов и морфологического синтеза словоформ ответа.
Интерфейс на Естественном Языке : этап синтаксического анализа входного предложения. Основные принципы построения алгоритма синтаксического анализа. Основные типы синтаксических фильтров. Общая структура алгоритма синтаксического анализа (без рассмотрения оборотов).
Интерфейс на Естественном Языке: этап синтеза синтаксической структуры ответа.
Какая деятельность мозга называется мышлением, или интеллектуальной деятельностью?
Как действует человек при решении задач для которых невозможен единый эффективный алгоритм?
Какие задачи называются интеллектуальными?
Какие задачи следует исключать из класса интеллектуальных?
Какие нейронные сети называются полносвязными?.
Какие свойства объектов окружающей нас среды учитываются при формировании моделей внешней среды?
Какова зависимость выводов ассоциативных элементов с совокупностью чувствительных (сенсорных) элементов перцептрона?
Какова зависимость выходов реагирующих элементов с совокупностью ассоциативных элементов перцептрона?
Каково происхождение термина интеллект?
Каковы задачи изучения дисциплины СИИ?
Какой метод решения задачи ОРО положен в основу перцептронов?
Какой перцептрон называется элементарным
·–перцептроном?
Круг задач, которые могут решаться с помощью распознающих систем.
Лексические функции: классификация и примеры. Уровень глубинного синтаксиса и описание синонимических замен с применением аппарата стандартных Лексических Функций. Интерфейс на Естественном Языке: этап семантического анализа входного предложения. Особенности разработки интерфейса на Естественном Языке для интеллектуальной системы с фреймовой моделью в основе представления предметных знаний. Типы вопросительных ситуаций для запросов к фреймовой системе.
Лексическое Значение слова и его описание средствами лингвистических информационных ресурсов (на примере Русского общесемантического словаря). Модель Управления предикатного слова. Фреймовая модель системы Лексических Значений. Фреймовое представление ситуации и Модель Управления.
Многозначный контекст. Применение математических методов Анализа Формальных Понятий и реализующего эти методы программного обеспечения для выявления и визуализации сходств/различий семантических валентностей.
Модели представления знаний в Интеллектуальных Системах : сравнительная характеристика.
На чем базируется имитационный подход к построению ИИ?
Основная философская проблема в области ИИ.
Основное отличие «усилителя интеллекта» от «усилителя силы».
Основные свойства фреймов. Слоты. Фреймовые системы.
Основные группы предикатных слов деловой прозы. Интерфейс на Естественном Языке: обработка пустых и функциональных предикатов на этапе семантического анализа входного предложения.
Основные требования к языку представления знаний интеллектуальной системы.
Основополагающей схемой каких моделей являются перцептроны.
Охарактеризовать обучение как составную часть проблемы распознания образов.
Охарактеризовать процесс распознавания новых объектов как составную часть проблема распознавания образов.
Первое исторически сложившееся направление в моделировании ИИ.
Понятие фрейма. Особенности фреймового представления знаний.
Пояснить лингвистический, структурный подход на примере распознания зрительных изображений.
Представление знаний правилами. Структура продукционной системы.
Представление знаний как направление исследований по Искусственному Интеллекту.
Представление знаний правилами. Структура продукционной системы.
Представление системы продукций “И/ИЛИ“ графом. Вывод при наличии нечеткой информации.
Принцип обучения перцептрона распознаванию образов.
Процесс самообучения распознаванию образов и роль учителя при этом.
Прямой и обратный вывод. Разрешение конфликтов. Анализ контекста применения правила.
Пути повышения эффективности функционирования продукционной системы.
Разъяснить план имитации мышления, предложенный А. Тьюрингом.
Сколько реагирующих элементов в зависимости от числа распознаваемых образов предусмотрено в перцептроне?
Смысловые валентности предикатного слова и их описание в лексических базах данных (RussNet, Толково-комбинаторный словарь современного русского языка, Русский общесемантический словарь).
Состав простейшего перцептрона и взаимодействие составных частей.
Структура данных фрейма. Демоны и присоединенные процедуры. Способы управления выводом.
Сформулировать определение адаптации.
Сформулировать определение обучения.
Теорема №1 (определяющая основные свойства перцептрона).
Теорема №2 (определяющая основные свойства перцептрона).
Третье исторически сложившееся направление в моделировании ИИ.
Указать второй вариант решения проблемы обучения многослойной нейронной сети?
Указать первый вариант решения проблемы обучения многослойной нейронной сети.
Указать третий вариант решения проблемы обучения многослойной нейронной сети.
Указать характерные черты интеллекта.
Управление выводом в продукционной системе. Установка ограничений на генерацию конфликтного набора. Вывод по приоритету глубины. Проблемы реализации стратегий поиска вывода.
Цель обучения распознаванию образов при геометрическом подходе.
Чем обеспечивается принципиальная возможность автоматизации решения интеллектуальных задач с помощью ЭВМ?
Чему уделяется основное внимание при эволюционном подходе к построению ИИ?
Чисто поведенческие (функциональные) определения интеллекта по А.Н. Колмогорову.
Что в проблемах обучения распознаванию образов принято называть ситуацией.
Что означает алгоритмическая универсальность ЭВМ?
Что подразумевается под структурным подходом построении ИИ?
Что понимается под алгоритмом?
Что понимается под интеллектом при изучении СИИ?
Что понимается под обучением нейронной сети?
Что предусматривает собой модель биологического нейтрона?
Что является основой для логического подхода к построению ИИ?
Что является предметом изучения дисциплины СИИ?
Что является целью изучения дисциплины СИИ?
Экстенсиональные и интенсиональные представления в моделях данных. Языки описания и манипулирования данными.


Приложенные файлы

  • doc 1440064
    Размер файла: 61 kB Загрузок: 0

Добавить комментарий