|
Въпросник по дисциплината " Интелигентни системи"
|
Дата | 31.12.2017 | Размер | 26.79 Kb. | | #38458 |
| Икономически университет – Варна
Въпросник по дисциплината “ Интелигентни системи“
за студентите от IV курс, спец.”Информатика”, редовно обучение
-
Същност на понятието “изкуствен интелект”. Научната област “изкуствен интелект”- цели и основни подходи в изследванията, главни направления.
-
Интелигентни компютърни системи. Предназначение и решавани задачи. Характеристики и базова архитектура.
-
Особености на символните интелигентни системи. Сравнение с традиционните компютърни системи.
-
Инженеринг на знанията. Извличане на знания. Същност на концептуалното моделиране на знанията.
-
Решаване на проблеми чрез търсене. Същност на подхода. Видове търсене.
-
Търсене в едно пространство. Търсене в дълбочина- специфика, алгоритъм.
-
Търсене в едно пространство. Търсене в ширина- специфика, алгоритъм.
-
Евристично търсене. Създаване на евристични функции.
-
Числови подходи за отчитане на непълнотата на информацията.
-
Вероятностни мрежи.
-
Разсъждения чрез теорията на размитите множества.
-
Логически модели за представяне и обработка на знанията.
-
Продукционни модели за представяне и обработка на знанията.
-
Мрежови модели за представяне и обработка на знанията.
-
Процедурни модели за представяне и обработка на знанията.
-
Представяне и обработка на знанията чрез фрейми и сценарии.
-
Експертни системи. Същност, основни функционални блокове.Приложения.
-
Методология за създаване на експертни системи. Софтуерни средства.
-
Планиране на действията. Сравнение между планиране и търсене. Език STRIPS.
-
Системи за обработка на ограничен естествен език.
-
Машинно обучение- същност, видове.
-
Невронни мрежи- същност, модел на МакКулох и Пийтс. Активационни функции.
-
Класификация на невронните мрежи.
-
Създаване на невронни мрежи- методи. Предварителна обработка на данните. Интерпретация на отговорите на мрежата. Оценка на качеството на работа.
-
Обучение- същност, етапи. Класификация на основните подходи за обучение.
-
Перцептрони- прости и многослойни. Линейно отделими задачи.
-
Алгоритми за обучение на многослойни перцептрони.
-
Възможности на EasyNN за работа с невронни мрежи- задачи за класификация, прогнозиране, разпознаване на образи.
-
Невронни мрежи- предимства и недостатъци, приложения.
-
Генетични алгоритми. Същност, видове кодиране в хромозомите, основни генетични оператори. Eтапи на генетичния алгоритъм.
-
Генетично програмиране. Приложения на генетичните алгоритми за създаване и поддръжка на невронни мрежи.
-
Бизнес интелигентност- същност, основни групи инструменти.
-
Системи на интелигентния рояк. Алгоритъм на мравките.
-
Разпределен изкуствен интелект. Интелигентни агенти- обща характеристика. Класификация. Приложения.
-
Мултиагентни системи.Особености. Приложни области.
-
Софтуерни средства за създаване на интелигентни агенти и МАС.
Информационни източници:
-
Атанасова Т.- „Интелигентни компютърни системи”, Варна, 2005 г.
-
Атанасова Т.- „Интелигентни агенти и мултиагентни системи”, Варна, 2009 г.
-
Димитров Д.- „Системи с интелигентно поведение”, София, 2005 г.
-
Люгер, Джордж- „Искуственный интелект. Стратегии и методы решения сложных проблем”, Москва- Санкт Петербург- Киев, 2003 г.
-
Станчев В.- „Експертни системи”, София, 2006 г.
-
Bratko Iv.- “Prolog- Programming for Artificial Intelligence”,sec.ed. Addison- Wesley Publ. Comp., 1996.
-
http://ai.start.bg
-
http://www.cs.ubc.ca/labs/lci/CIspace
-
http://www.alyuda.com
-
http://ga-bg.com
2008 г. Преподавател: доц. д-р Т.Атанасова
гр.Варна
Сподели с приятели: |
|
|