Ответы на тест. Интеллектуальные информационные системы. 22
1. Какими основными функциями должна обладать интеллектуальная система?
а) подготовка информации, обработка, формирование решения;
б) анализ, диагностика, планирование, прогнозирование;
в) представление и обработка знаний, рассуждение, общение;
г) обеспечение процессов вычисления, хранения, поиска данных;
д) поддержка целостности данных.
2. Основные составляющие интеллектуальных систем?
а) программное и техническое обеспечение, базы данных, сопровождающая документация, обслуживающий персонал;
б) база данных, знаний, целей, механизм вывода, объяснения рассуждений, естественно-языковой интерфейс;
в) механизм ввода информации, блок обработки и манипулирования данными, подготовка, просмотри печать отчетных документов;
г) рабочая область, база данных, пользовательский интерфейс;
д) среда развития, среда рекомендаций, база данных.
3. Отличительные характеристики искусственного интеллекта по сравнению с традиционным
ФАЙЛ С ПОЛНЫМ СПИСКОМ ОТВЕТОВ БУДЕТ ДОСТУПЕН СРАЗУ ПОСЛЕ ПОКУПКИ.
Название дисциплины Интеллектуальные информационные системы
ФИО студента
Группа
Тест 1
1. Какими основными функциями должна обладать интеллектуальная система?
а) подготовка информации, обработка, формирование решения;
б) анализ, диагностика, планирование, прогнозирование;
в) представление и обработка знаний, рассуждение, общение;
г) обеспечение процессов вычисления, хранения, поиска данных;
д) поддержка целостности данных.
2. Основные составляющие интеллектуальных систем?
а) программное и техническое обеспечение, базы данных, сопровождающая документация, обслуживающий персонал;
б) база данных, знаний, целей, механизм вывода, объяснения рассуждений, естественно-языковой интерфейс;
в) механизм ввода информации, блок обработки и манипулирования данными, подготовка, просмотри печать отчетных документов;
г) рабочая область, база данных, пользовательский интерфейс;
д) среда развития, среда рекомендаций, база данных.
3. Отличительные характеристики искусственного интеллекта по сравнению с традиционным программированием?
а) характер входной и выходной информации в СИИ может быть неполной, поиск в большинстве эвристический, обеспечивается объяснение решений, в традиционных ИС - информация должна быть полной, поиск – алгоритмический, объяснение обычно не обеспечивается;
б) способности к рассуждению в СИИ ограничены, но улучшаются, в традиционных ИС – нет, по архитектуре систем – в СИИ управление интегрировано с информацией, в традиционных - нет;
в) характер только входной информации в СИИ должен быть неполным, главный интерес представляют данные, информация, в традиционных – знания, данные;
г) обработка информации в СИИ в основном алгоритмическая, в традиционных - символьная;
д) сопровождение и модернизация в СИИ легко осуществимы, в традиционных – обычно затруднительны, в качестве технического обеспечения в СИИ используются, главным образом, РС и ПК, в традиционных ИС – все типы.
4. Элементарные описания предметов, событий, действий, которые сохранены, классифицированы, но не организованы для передачи какого-либо специального содержания – это:
а) данные;
б) информация;
в) знания;
г) цели;
д) условия.
5. Данные, организованные так, что имеют значение и ценность для получателя, получатель интегрирует значения, выводит заключения и извлекает смысл – это:
а) данные;
б) информация;
в) знания;
г) цели;
д) условия.
6. Данные или информация, организованные и обработанные с целью передачи смыслового содержания накопленного опыта, результатов обучения и экспертизы таким образом, что могут использоваться для решения различных проблем – это:
а) данные;
б) информация;
в) знания;
г) цели;
д) условия.
7. Отличие декларативных знаний от процедурных?
а) в декларативном представлении семантика непосредственно заложена в описание элементов базы знаний, в процедурном - нет;
б) в декларативном представлении достаточно хранить некоторые начальные состояния предметной области (неполные), в процедурном - нет;
в) процедурные модели представляют собой множество утверждений, декларативные – описания процедур;
г) в процедурном представлении необходимо описывать все возможные состояния среды или объекта для реализации вывода, в декларативном – не обязательно;
д) в декларативных моделях описания выполняемых процедур не содержатся в явном виде, в процедурном - наоборот.
8. К какому классу могут быть отнесены такие модели знаний, как исчисление предикатов, четкие продукции?
а) формальные логические модели;
б) структурированные графические модели;
в) нечеткие продукционные системы;
г) нейросетевые модели;
д) гибридные модели.
9. К какому классу могут быть отнесены фреймовые модели знаний и семантические сети?
а) формальные логические модели;
б) структурированные графические модели;
в) нечеткие продукционные системы;
г) нейросетевые модели;
д) гибридные модели.
10. К какому классу могут быть отнесены нейро-нечеткие модели знаний?
а) формальные логические модели;
б) структурированные графические модели;
в) нечеткие продукционные системы;
г) нейросетевые модели;
д) гибридные модели.
11. Под интерпретацией предикатной формулы понимается?
а) установление соответствия между объектами и отношениями предметной области;
б) установление значения функции, определенной на множестве {false, true};
в) процесс порождения правильных заключений из посылок;
г) процесс образования из одних формальных выражений языка, других, более сложных выражений этого языка;
д) формализация некоторой теории.
12. Основные компоненты продукционной системы?
а) имя правила, характеристика сферы применимости ядра правила;
б) множество условий, множество действий продукции, постусловия;
в) правило, решатель, база данных;
г) ядро правила, его имя и описания;
д) база данных, антецедент и консеквент продукции, интерпретатор.
13. Фреймы можно представить в виде (предложите несколько вариантов ответа)?
а) четких правил;
б) вложенных списков;
в) кольцевой структуры;
г) иерархической древовидной структуры;
д) сети.
14. Что важно учитывать при построении семантической сети для представления знаний?
а) классификацию типов объектов и некоторые фундаментальные виды связей между ними;
б) установление причинно-следственных связей между частями объектов;
в) выявление синтаксических и парадигматических отношений;
г) выявление новых связей, полученных из транзитивности фундаментальных отношений и наследования свойств;
д) установление направленности ориентированного семантического графа.
15. Терм-множеством нечеткой лингвистической переменной является?
а) синтаксическая процедура, описывающая процесс образования новых лингвистических переменных;
б) семантическая процедура, позволяющая приписать каждому новому значению лингвистической переменной некоторую семантику путем формирования соответствующего нечеткого множества;
в) наименования нечетких переменных из какой-либо области определения, множество значений лингвистической переменной;
г) область определения нечеткой переменной;
д) наименование лингвистической переменной.
16. Нечетким числом (величиной) называется?
а) нечеткая переменная, соответствующая значениям числовой лингвистической переменной;
б) нечеткое множество декартова произведения X×Y;
в) список элементов базового терм-множества;
г) область определения нечеткой переменной;
д) нормальный нечеткий интервал, функция принадлежности которого может быть задана трапециевидной функцией.
17. Процедура вхождения значений функции принадлежности нечетких множеств на основе обычных исходных данных в алгоритме нечеткого вывода определяется как?
а) формирование базы правил;
б) фаззификация;
в) агрегирование подусловий;
г) активизация подзаключений;
д) аккумулирование заключений.
18. Процедура определения степени истинности условий по каждому из правил системы нечеткого вывода в алгоритме нечеткого вывода определяется как?
а) формирование базы правил;
б) фаззификация;
в) агрегирование подусловий;
г) активизация подзаключений;
д) аккумулирование заключений.
19. Процедура нахождения степени истинности каждого из подзаключений правил нечеткой продукции, схожая с композицией нечетких отношений, в алгоритме нечеткого вывода определяется как?
а) формирование базы правил;
б) фаззификация;
в) агрегирование подусловий;
г) активизация подзаключений;
д) аккумулирование заключений.
20. Процедура нахождения функции принадлежности для каждой из выходных лингвистических переменных в алгоритме нечеткого вывода определяется как?
а) формирование базы правил;
б) фаззификация;
в) агрегирование подусловий;
г) активизация подзаключений;
д) аккумулирование заключений.
21. Алгоритмы Мамдани, Цукамото, Сугено и пр. используются в качестве?
а) алгоритмов формирования базы правил;
б) алгоритмов дефаззификации;
в) алгоритмов нечеткого вывода;
г) алгоритмов фаззификации;
д) нейросетевых алгоритмов.
22. Процесс нахождения, в соответствии с поставленной целью и описанием конкретной ситуации, относящихся к решению знаний и связыванию их (при необходимости) в цепочку рассуждений является основой механизма:
а) Объяснения рассуждений.
б) Логического вывода.
в) Формирования базы правил.
г) Приобретения новых знаний для базы знаний.
д) Общения с пользователем на ограниченном подмножестве естественного языка.
23. Цепочка обратного логического вывода в интеллектуальных системах часто используется для демонстрации -
а) Логической взаимосвязи условий.
б) Сопоставления каждого правила с фактами.
в) Применения правил для получения заключения.
г) Объяснения выдвинутого заключения.
д) Обучения системы.
24. Какие стратегии поиска Вам известны (укажите несколько вариантов ответов):
а) Метод ветвей и границ, анализ ‘цель-средство’, ‘сначала в ширину’.
б) Поддержка монотонности, Байесовская стратегия вывода, присвоение приоритетов правилам.
в) Теория Демпстера-Шеффера, ‘сначала в глубину’, поддержка истинности.
г) Наследование свойств, порог достоверности, случайный выбор правила.
д) Прямой, обратный, смешанный, немонотонный вывод.
25. Оценка, представляемая интеллектуальной системой и указывающая вероятность того, насколько заключение, полученное системой, является правильным называется:
а) Кредитным рейтингом.
б) Коэффициентом уверенности.
в) Доменом атрибута.
г) Нечетким множеством.
д) Оценкой риска принятия решения.
26. Статистический метод для модернизации вероятностей, связанных с определенными фактами новых свидетельств – это логический вывод, основанный на:
а) Байесовских правилах.
б) Нечетких правилах.
в) Предикатах.
г) Графе «И-ИЛИ».
д) Знаниях эксперта.
27. Чьи работы являются первыми в области искусственного интеллекта?
а) Лейбниц Г. В. и Декарт Р.
б) Лаплас П. С. и Кардано Дж.
в) Винер Н.
28. Какие ученые не разрабатывали искусственный интеллект?
а) Лейбниц Г. В. и Декарт Р.
б) Лаплас П. С. и Кардано Дж.
в) Винер Н. и Лейбниц Г. В.
29. Искусственный интеллект стал научным направлением с появлением новой науки — кибернетики. Чьи работы легли в основу этой новой науки?
а) Лейбниц Г. В.
б) Лаплас П. С.
в) Кардано Дж.
г) Декарт Р.
д) Винер Н.
30. Искусственный интеллект стал научным направлением с появлением новой науки — кибернетики. Когда это произошло?
а) В 1920-х г.
б) В 1940-х г.
в) В 1960-х г.
г) 1980-х г.
д) В настоящее время.
31.Термин Искусственный интеллект произошел от английского:
а) Artificial intelligence.
б) Wrong intellect.
в) Artificial brainpower.
г) Wrong intelligence.
д) Artificial intellect.
е) Wrong brainpower.
32. Какому научному направлению искусственного интеллекта соответствует принцип: «Не имеет значения, как устроено «мыслящее» устройство. Главное, чтобы на за¬данные входные воздействия оно реагировало так же, как человеческий мозг»?
а) Кибернетика черного ящика.
б) Нейронная сеть.
в) Логико-вероятностное моделирование.
г) Нечеткая логика.
д) Нейрокибернетика.
33. Какому научному направлению искусственного интеллекта соответствует принцип: «Единственный объект, способный мыслить, — это человеческий мозг. Поэтому лю¬бое «мыслящее» устройство должно каким-то образом воспроизводить ею струк¬туру»?
а) Кибернетика черного ящика.
б) Нейронная сеть.
в) Логико-вероятностное моделирование.
г) Нечеткая логика.
д) Нейрокибернетика.
34. Какому научному направлению в искусственном интеллекте принадлежат экспертные системы?
а) Кибернетика черного ящика.
б) Нейронная сеть.
в) Логико-вероятностное моделирование.
г) Нечеткая логика.
д) Нейрокибернетика.
Тест 2
1. В каких пределах лежит коэффициент определенности условия в Байесовских сетях вывода?
а) (0; 1).
б) (–1; 1).
в) [0; 1].
г) [–1; 1].
д) [–0,5 0,5].
2. Если в Байесовской сети вывода коэффициент определенности заключения равен 1, то:
а) Заключение полностью верно.
б) Заключение скорее всего верно.
в) О верности заключения нельзя сделать вывод.
г) Заключение скорее всего неверно.
д) Заключение полностью неверно.
3. Если в Байесовской сети вывода коэффициент определенности заключения равен 0,5, то:
а) Заключение полностью верно.
б) Заключение скорее всего верно.
в) О верности заключения нельзя сделать вывод.
г) Заключение скорее всего неверно.
д) Заключение полностью неверно.
4. Если в Байесовской сети вывода коэффициент определенности заключения равен 0, то:
а) Заключение полностью верно.
б) Заключение скорее всего верно.
в) О верности заключения нельзя сделать вывод.
г) Заключение скорее всего неверно.
д) Заключение полностью неверно.
5. Если в Байесовской сети вывода коэффициент определенности заключения равен –0,5, то:
а) Заключение полностью верно.
б) Заключение скорее всего верно.
в) О верности заключения нельзя сделать вывод.
г) Заключение скорее всего неверно.
д) Заключение полностью неверно.
6. Если в Байесовской сети вывода коэффициент определенности заключения равен –1, то:
а) Заключение полностью верно.
б) Заключение скорее всего верно.
в) О верности заключения нельзя сделать вывод.
г) Заключение скорее всего неверно.
д) Заключение полностью неверно.
7. Расчет коэффициента определенности условия, в которое включены логические операции «НЕ E1 И Е2», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
8. Расчет коэффициента определенности условия, в которое включены логические операции «E1 И НЕ Е2», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
9. Расчет коэффициента определенности условия, в которое включены логические операции «НЕ (E1 И Е2)», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
10. Расчет коэффициента определенности условия, в которое включены логические операции «НЕ E1 И НЕ Е2», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
11. Расчет коэффициента определенности условия, в которое включены логические операции «НЕ E1 ИЛИ Е2», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
12. Расчет коэффициента определенности условия, в которое включены логические операции «E1 ИЛИ НЕ Е2», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
13. Расчет коэффициента определенности условия, в которое включены логические операции «НЕ (E1 ИЛИ Е2)», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
14. Расчет коэффициента определенности условия, в которое включены логические операции «НЕ E1 ИЛИ НЕ Е2», в Байесовской сети вывода определяется по формуле:
а) min {–ct (E1); ct (Е2)}.
б) max {–ct (E1); ct (Е2)}.
в) min {ct (E1); –ct (Е2)}.
г) max {ct (E1); –ct (Е2)}.
д) min {–ct (E1); –ct (Е2)}.
е) max {–ct (E1); –ct (Е2)}.
15. Таким образом, в Байесовских сетях вывода изображается логическая функция:
а) Если НЕ E1 И Е2, то С.
б) Если E1 ИЛИ НЕ Е2, то С.
в) Если НЕ E1 ИЛИ Е2, то С.
г) Если НЕ E1 ИЛИ НЕ Е2, то С.
д) Если E1 И НЕ Е2, то С.
е) Если НЕ E1 И НЕ Е2, то С.
16. Таким образом в Байесовских сетях вывода изображается логическая функция:
а) Если НЕ E1 И Е2, то С.
б) Если E1 ИЛИ НЕ Е2, то С.
в) Если НЕ E1 ИЛИ Е2, то С.
г) Если НЕ E1 ИЛИ НЕ Е2, то С.
д) Если E1 И НЕ Е2, то С.
е) Если НЕ E1 И НЕ Е2, то С.
17. Таким образом в Байесовских сетях вывода изображается логическая функция:
а) Если НЕ E1 И Е2, то С.
б) Если E1 ИЛИ НЕ Е2, то С.
в) Если НЕ E1 ИЛИ Е2, то С.
г) Если НЕ E1 ИЛИ НЕ Е2, то С.
д) Если E1 И НЕ Е2, то С.
е) Если НЕ E1 И НЕ Е2, то С.
18. Если признак имеет градации «есть» или «нет», то для его измерения используется:
а) Логическая шкала.
б) Качественная шкала.
в) Числовая шкала.
19. Если признак имеет градации «красный», «синий», «зеленый», то для его измерения используется:
а) Логическая шкала.
б) Качественная шкала.
в) Числовая шкала.
20. Если признак имеет градации «[0; 1000)», «[1000; 5000)», «[5000; 100000)», то для его измерения используется:
а) Логическая шкала.
б) Качественная шкала.
в) Числовая шкала.
21. Кто из перечисленных ученых раньше других предложил искусственную модель нейрона?
а) Видроу.
б) Гроссберг.
в) Хебб.
г) МакКаллок.
д) Винер.
22. В чем состоят преимущества искусственных нейронных сетей в процессе обработки информации (выберите несколько вариантов)?
а) Принимать точные решения при нечеткой исходной информации.
б) Быстрая скорость принятия решений.
в) Надежность функционирования.
г) Обработка больших массивов данных.
д) Малые затраты при их создании.
23. Биологическая нервная клетка (нейрон) имеет (выберите несколько вариантов):
а) Сому.
б) Аксон.
в) Мехосы.
г) Дендриты.
д) Ламии.
24. Искусственный нейрон состоит из (выберите несколько вариантов):
а) Умножители.
б) Процессор.
в) Сумматор.
г) Нелинейный преобразователь.
д) Делители.
25. Выберите существующие топологии нейронных сетей (несколько вариантов):
а) Шинная.
б) Рекурсивная.
в) Полносвязная.
г) Многослойная монотонная.
д) Рекуррентная обратной связью.
26. Гибридная нейро-нечеткая сеть имеет топологию:
а) Многослойная сеть с обратным распространением.
б) Односвязная сеть прямого распространения.
в) Полносвязная сеть прямого распространения.
г) Многослойная сеть без обратных связей.
д) Рекуррентная с обратной связью.
27. Какой минимальный набор исходных данных необходим для создания нейро-нечеткой сети:
а) Проверочные данные.
б) Обучающие, тестовые и проверочные данные.
в) Обучающие, тестовые и демонстрационные данные.
г) Тестовые и проверочные данные.
д) Обучающие данные.
28. В чем заключается различие между аналитическими и синтетическими экспертными системами:
а) В способе учета временного признака, решение задач либо при неизменяемых в процессе решения данных, либо с допущением изменения.
б) В виде используемых данных и знаний, либо четко определенные, либо допускается неполнота, недостоверность, нечеткость.
в) В способе формирования решений, либо выбирается решение из множества известных альтернатив, либо генерируется неизвестное решение.
г) В числе источников знаний, построение системы с использованием одного или множества источников(экспертов).
д) В методике обучения, обучающая выборка формируется с классифицирующим признаком, либо по степени близости значений признаков классификации система сама выделяет классы ситуаций.
29. В чем заключается различие между статическими и динамическими экспертными системами:
а) В способе учета временного признака, решение задач либо при неизменяемых в процессе решения данных, либо с допущением изменения.
б) В виде используемых данных и знаний, либо четко определенные, либо допускается неполнота, недостоверность, нечеткость.
в) В способе формирования решений, либо выбирается решение из множества известных альтернатив, либо генерируется неизвестное решение.
г) В числе источников знаний, построение системы с использованием одного или множества источников(экспертов).
д) В методике обучения, обучающая выборка формируется с классифицирующим признаком, либо по степени близости значений признаков классификации система сама выделяет классы ситуаций.
30. Обобщенная процедура поиска решения задачи, которая на основе базе знаний и в соответствии с информационной потребностью пользователя строит цепочку рассуждений, приводящую к конкретному результату – это:
а) База знаний.
б) Механизм вывода.
в) Механизм приобретения знаний.
г) Механизм объяснения рассуждений.
д) Интеллектуальный интерфейс пополнения базы знаний.
31. Процедура накопления знаний в базе знаний, включающая ввод, контроль полноты и непротиворечивости единиц знаний и, возможно, автоматический вывод новых единиц знаний из вводимой информации:
а) База знаний.
б) Механизм вывода.
в) Механизм приобретения знаний.
г) Механизм объяснения рассуждений.
Интеллектуальный интерфейс пополнения базы знаний.
ФАЙЛ С ПОЛНЫМ СПИСКОМ ОТВЕТОВ БУДЕТ ДОСТУПЕН СРАЗУ ПОСЛЕ ПОКУПКИ.
ФАЙЛ С ПОЛНЫМ СПИСКОМ ОТВЕТОВ БУДЕТ ДОСТУПЕН СРАЗУ ПОСЛЕ ПОКУПКИ.
