Вопросы к экзамену
Примерные вопросы к экзамену по курсу «Методы поддержки принятия решений»
1. Особенности принятия решений в сложных динамических системах
2. Сложные системы. Основные понятия (определение, свойства, особенности жизненного цикла).
3. Основные направления искусственного интеллекта, используемые для поддержки принятия решений.
4. Задача поддержки принятия решений. Основные характеристики.
5. Мультиагентный подход к решению задачи. Особенности мультиагентных технологий.
6. Интеллектуальные агенты в задачах поддержки принятия решений. Структура агентов.
7. Рациональный агент. Критерии рациональности агента. Функция полезности.
8. Методы искусственного интеллекта для поддержки принятия решений
9. Основные компоненты интеллектуальной системы.
10. Проблемная среда. Спецификация проблемной среды. Свойства проблемной среды.
11. Основные виды агентов.
12. Представление знаний в сложных системах. Модели для представления знаний.
13. Агенты, основанные на логике. Особенности. Достоинства и недостатки.
14. МППР, используемые логическими агентами.
15. Особенности поддержки принятия решений в условиях неопределенности
16. МППР, используемые вероятностными агентами.
17. Логический вывод с использованием полных совместных распределений.
18. Байесовские сети
19. Семантика байесовских сетей и вывод в байесовских сетях.
20. Метод построения байесовских сетей
21. Точный вероятностный вывод. Сложность точного вероятностного вывода. Кластеризация. Полидеревья.
22. Причинно-следственные байесовские сети
23. Представление нечетких знаний средствами нечетких множеств.
24. Эвристические МППР.
25. Метод принятия решений на основе нечетких отношений.
26. Нечеткие отношения. Способы задания нечетких отношений.
27. Использование лингвистических переменных в МППР
28. Использование операции нечеткой фильтрации (Q-отбор) в МППР
29. Нечеткая модель принятия решений
30. Методы инженерии знаний. Теоретические аспекты получения знаний. Методы извлечения явных и скрытых знаний.
31. Логическая модель представления знаний.
32. Основы исчисления предикатов.
33. Семантические сети. Понятия, события и свойства. Виды семантических сетей.
34. Фреймы. Слоты. Структура фрейма.
35. Нечеткая логика. Нечеткие множества. Строгое представление нечетких множеств. Основные характеристики нечетких множеств.
36. Операции над нечеткими множествами. Логические операции. Алгебраические операции.
37. Особенности человеческого восприятия информации и современных систем управления. Вычислительный интеллект (ВИ). Методы ВИ.
38. Искусственные нейронные сети. Основные проблемы, решаемые искусственными нейронными сетями.
39. Биологический нейрон. Искусственный нейрон. Активационная функция. Классификация и свойства искусственных нейронных сетей. Обучение искусственных нейронных сетей.
40. Нейронная сеть обратного распространения. Алгоритм обучения сети обратного распространения.
41. Нейронная сеть встречного распространения (сеть Кохонена). Алгоритм обучения сети Кохонена.
42. Стохастические методы обучения. Обучение Больцмана. Алгоритм обучения Больцмана. Обучение Коши.
43. Сети с обратными связями. Сеть Хопфилда.
44. Правило обучения Хебба. Ортогонализация образов.
45. Методы оптимизации комбинаторных задач различной степени сложности. Генетические алгоритмы. Базовый генетический алгоритм. Последовательные модификации базового генетического алгоритма.
46. Параллельные модификации базового генетического алгоритма. Классификация генетических алгоритмов.
47. Когнитивная компьютерная графика. Определение. Степень организованности информации.
48. Задача сжатия информации. Анаморфозы (определение).
49. Метод анаморфирования. Проблемы реализации анаморфоз.
50. Численные методы построения анаморфоз.
51. Гибридные интеллектуальные системы с самоорганизацией
52. Системы ППР. Коллективные рассуждения в сложных ситуациях.
53. Моделирование координации в гибридных ИС
54. Моделирование согласованности в гибридных ИС
55. Моделирование спора в гибридных ИС