Интеллектуальные информационные системы (ИИС) - ответы на вопросы

• ИС обработки и поиска информации.
• ИС автоматизированного проектирования.
• ИС прогнозирования.
• ИС управления.

• первая формула является произвольной, вторая общезначима;
• обе общезначимы;
• первая общезначима, вторая противоречива;
• первая противоречива, вторая общезначима;
• обе противоречивы;
• первая формула противоречива, вторая является произвольной;
• правильного ответа нет.

• Прав только студент Иванов.
• Прав только студент Сидоров.
• Правы студенты Иванов и Петров.

• А, Б и В
• А и Б
• Все фразы - высказывания
• Б, В и Г
• Б, Г и Д

• все объекты обучающей выборки описываются наборами числовых признаков
• всем объектам обучающей выборки приписаны имена классов
• все объекты обучающей выборки первоначально не отнесены к конкретным классам
• классы объектов формируются по признаку сходства объектов между собой
• критерием сходства объектов является мера близости, определяющая расстояние между объектами

• D(Петр, x)
• ∀x ∃y D(x, y)
• ∃x D(x, y)
• ∃x ∀y D(x, y)
• ∃y D(Петр, y)

• Все формулы представлены в ССФ
• Все формулы, кроме первой (она содержит импликацию)
• Ни одна из формул не представлена в ССФ
• Все формулы, кроме первых двух (в них есть кванторы 3)

• Количество объектов в каждом классе
• Обучающую выборку
• Критерии отнесения объектов классам
• Центры классов
• Количество классов, к которым относятся объекты

• ∃y D(Петр, y)
• D(Петр, Иван)
• ∃x ∀y D(x, y)
• ∀x ∃y D(x, y)

• Нет
• Да

• Хранилище данных
• Витрины данных
• Многомерный куб данных

• Утверждение 1 неверно.
• Утверждение 2 неверно.
• Все утверждения верны.
• Утверждение 3 неверно.
• Утверждение 4 неверно.

• 2014 г.
• 2018 г.
• 2022 г.
• 2023 г.

• P(g(y)) ∨ ¬R(x) ∨ Q(g(y), z)
• P(x) ∨ ¬R(x) ∨ Q(g(y), z)
• P(x) ∨ ¬R(g(y)) ∨ Q(x, z)
• P(x) ∨ P(g(y)) ∨ ¬R(x) ∨ Q(x, z)

• Р(х)& ¬Ɐх L(х)
• P(x)→¬Ɐx L(х)
• Р(х)&¬L(х)
• ¬Ɐx(P(x) → L(х))
• Ǝx(Р(x)→ L(х))
• ¬Ǝх(Р(х) → L(x))

• Решающий атрибут обязательно будет бинарным.
• Решающий атрибут может иметь произвольное числовое значение.
• Решающий атрибут может иметь произвольное число символьных значений.
• Решающий атрибут имеет ограниченное количество значений (числовых или символьных) либо является бинарным.

• Информация
• Интеллект
• Большие данные
• Инженерия знаний

• набор логических функций
• множество продукционных правил
• дерево решений
• границы между классами, заданные в виде функций

• все три свойства верны.
• только свойство 1 верно для этих двух алгоритмов.
• 1 и 2 свойства верны для двух алгоритмов.
• 1 и 3 свойства верны для двух алгоритмов.
• все три свойства верны только для MAXMIN и не верны для порогового алгоритма

• Иерархия «класс – подкласс» (ISA иерархия)
• Отношение «объект – часть объекта»
• Отношение «класс – пример класса»
• Отношение «объект – свойство объекта»
• Логические отношения

• Все формулы представлены в ПНФ
• Все формулы, кроме первой, представлены в ПНФ
• Ни одна из формул не представлена в ПНФ
• 
  

1. Логическая функция, использующая операции И ИЛИ НЕ.
2. Набор продукционных правил.
3. Дерево решений.
4. Двудольный граф.

• 1, 3 и 6.
• все, кроме №3;
• все, кроме №5;
• все формулы;

• целочисленные значения
• вещественные числа
• логические значения
• наборы символов
• изображения

• Для разделения классов возможно использовать алгоритм построения нелинейной решающей функции (метод потенциалов).
• Возможно применить совместно оба алгоритма одновременно.
• Возможно несколько раз применить алгоритм построения линейной решающей функции и построить кусочно-линейную функцию, разделяющую объекты двух классов и состоящую из нескольких линейных отрезков.

1. Дерево решений - это дерево, внутренние узлы которого представляют собой проверки для входных примеров из обучающего множества, а вершины-листы взвешены именами классов (решений).
2. Дерево решений каждому входному примеру ставит в соответствие номер класса путем фильтрации этого примера через промежуточные узлы дерева сверху вниз. Результаты каждой проверки являются взаимоисключающими и исчерпывающими.
3. Проверки для каждого входного примера начинаются с корня дерева. Проверка заканчивается, когда достигнут лист дерева.
4. Каждая проверка - это проверка значения одного из признаков, описывающих входной пример. Проверки могут приводить к двум результатам, или более, чем к двум.
5. Все утверждения верны.

• противоречивы 1, 2, 3
• Все формулы противоречивы
• противоречивы 1 и 4
• противоречивы 3 и 4
• противоречивы 2 и 5

• Мышление
• Знание
• Интеллект

• Если Петя не весел, то, если на него нельзя положиться, то он не принадлежит к нашей компании.
• Если неверно, что Петя весел, или на него можно положиться, то он не принадлежит к нашей компании.
• Если на Петю нельзя положиться, то он не весел и не принадлежит к нашей компании.
• Выберите правильную фразу, сопоставленную этой формуле:
• Либо Петя не весел, либо, на него нельзя положиться и он не принадлежит к нашей компании.
• Если Петя не принадлежит нашей компании, то он не весел и на него нельзя положиться.

• Необходимо провести экзамен повторно на новой тестовой выборке, отличной от первоначальной.
• Необходимо удалить из тестовой выборки те примеры, на которых классификатор дал неверные ответы, и повторить процедуру экзамена.
• Необходимо провести обучение заново. В качестве обучающего множества будем использовать экзаменационную (тестовую) выборку. Затем повторяем процедуру экзамена.
• Необходимо провести обучение заново. При этом к исходной обучающей выборке добавляем те примеры из тестового множества, на которых классификатор дал неверные ответы. Затем повторяем процедуру экзамена.

1. это бесконечное (счётное) множество объектов, принадлежащих точно двум классам
2. это конечное множество объектов - примеров нескольких классов
3. это конечное множество объектов, принадлежащих точно одному классу

• - приписывание конкретных значений (0, 1) атомам A, B, C, D;
• - преобразование формулы F к более простому виду.
• - все возможные значения формулы F;
• - построенная таблица истинности;

• A&(-B v.C)
• (Av-B&C)
• (AvB v C)
• (AV-B)&(AvC)

• S=[ A(a) & C(a), S(a, y) v A(y) }
• S=[A(a) & C(a) & (S(a, y) v A(y)) ]
• S=[ A(a), C(a), S(a, y), A(y) ]
• S=[ A(a), C(a), S(a, y) V A(y)}

• Все конечные вершины бинарного дерева (листья) взвешены именами точно двух классов.
• Все промежуточные вершины дерева, а также корневая вершина, имеют точно двух потомков.
• Корневая вершина дерева имеет точно двух потомков.
• В каждом узле дерева, который не является листом, выполняется проверка значений нескольких атрибутов.

• Объект – прототип класса - это точка, наиболее удалённая от всех объектов, принадлежащих другим классам.
• Объект – прототип класса – это наиболее характерная точка класса (возможно, его геометрический центр).
• Объект – прототип класса – это точка, принадлежащая классу и максимально близкая к границе, разделяющей классы.

• все проблемы с 1) по 5)
• проблемы 1) 4) и 5)
• проблемы 2) и 3)
• все эти проблемы не решаются с помощью человека – эксперта

• К→ В & П
• (К → В) & П
• K v В & П
• В & П → К
• (К → В) & (К → П)

• содержат неопределённую информацию
• содержат противоречивую информацию
• содержат неполную информацию
• содержат неточную информацию

Выберите верные для алгоритмов обучения «с учителем» утверждения.

В интеллектуальных системах машинным обучением называется процесс создания и оптимизации классификационного правила, которое разделяет предъявленные объекты на классы.

В алгоритмах обучения «с учителем» такой классификатор представляет: ...

• границы между классами, заданные в виде функций

• набор логических функций

• дерево решений

• множество продукционных правил

• Регрессия
• Кластеризация
• Ассоциация
• RPA

• 1, 3 и 6.
• все формулы;
• все, кроме №5;
• все, кроме №3;

• ∃x (A(x) & C(x) & (S(x, a) ∨ ¬A(a)))
• ∀у (A(x) & C(x) & (S(x, b) ∨ ¬A(b)))
• ∀y ∃x (A(x) & C(x) & (S(x, y) ∨ ¬A(y)))
• A(a) & C(a) & (S(a, b) ∨ ¬A(b))
• ∀y (A(a) & C(a) & (S(a, y) ∨ ¬A(y)))

• один из столбцов (А, В или С) таблицы.
• последний столбец таблицы (F);
• вся таблица;
• одна из строк таблицы;

• Эквивалентность
• Сложение по модулю 2
• Конъюнкция
• Дизъюнкция
• Отрицание

• Противоречивость S еще не доказана, продолжаем вывод, используем при этом дизъюнкт QvQ для получения новых резольвент.
• Противоречивость S еще не доказана, продолжаем вывод, но использовать дизъюнкт QV-Q для получения новых резольвент нельзя, так как Qv-Q=И
• Противоречивость S доказана, больше не нужно продолжать вывод.

• Да
• Нет

• 8
• Бесконечно много
• 4
• 32
• 16
• 2

• 1, 4, и 5
• Все пары формул равносильны
• 2 и 3
• 3 и 5
• 1 и 5

• дерево решений правильно классифицирует все примеры обучающей выборки.
• дерево решений правильно классифицирует примеры из любых наборов данных, в которых объекты отличаются от объектов обучающей выборки и имеют другие атрибуты.
• дерево решений правильно классифицирует новые примеры, аналогичные примерам обучающей выборки, но ранее не входящие в обучающую выборку.
• дерево решений может быть преобразовано в набор продукционных правил.

• Хранилище данных
• Витрины данных
• Последовательные шаблоны

• A&¬B и ¬(¬B & ¬A)
• A⟶B и ¬( A&¬B )
• A⟶B и ¬(A ⟶ B)
• A⟶¬B и ¬(¬B ⟶A)
• ¬A&B и (¬B ∨ ¬A)

• Если дед посадил репку, то она выросла, а если дед не посадил репку, то репка не выросла.
• Дед посадил репку и репка выросла, или дед не сажал репку, а репка выросла.
• Дед посадил репку и она выросла, или дед не сажал репку и она не выросла.
• Репка выросла тогда и только тогда, когда дед её посадил.
• Дед посадил репку и она выросла или если репка не выросла, то дед её не сажал.

• В ПНФ представлены формулы 2 и 3
• Ни одна из формул не представлена в ПНФ
• Все формулы представлены в ПНФ
• Все формулы, кроме первой, представлены в ПНФ

• Обучающая выборка при обучении «с учителем» существенно больше обучающей выборки при обучении «без учителя».
• При обучении «с учителем» объекты обучающей выборки снабжены атрибутом, указывающим класс каждого объекта; при обучении «без учителя» такой атрибут отсутствует.
• При обучении «с учителем» объекты обучающей выборки имеют атрибуты точно одного типа; при обучении «без учителя» объекты обучающей выборки описываются атрибутами разного типа (числовые, символьные, логические).

• Все конечные вершины бинарного дерева (листья) взвешены именами более, чем двух классов.
• Атрибут, размещённый в корне дерева, может использоваться повторно при движении от корневой вершины к листу дерева.
• Выбор очередного атрибута для размещения в узле дерева делается на основе метрики Хемминга.

• Все, кроме 1)
• Все, кроме 2)
• Все, кроме 3)
• Все, кроме 4)
• Все, кроме 5)
• Все пять свойств

1. В каждом узле дерева, который не является листом, выполняется проверка значений точно двух атрибутов.
2. Корневая вершина дерева имеет точно двух потомков.
3. Все конечные вершины бинарного дерева (листья) взвешены именами точно двух классов.
4. Все промежуточные вершины дерева, а также корневая вершина, имеют точно двух потомков.

• (В → (В → А))
• (А→ В)→ (¬В→ ¬А)
• ¬¬А→А
• (А→(В→А))
• А&В → ¬(¬Av ¬В)

• бесконечное число примеров
• бесконечное, но обязательно счётное число примеров
• счётное число примеров
• конечное число примеров

• тождественными;
• теоремами.
• выводимыми;
• общезначимыми;
• равносильными;

• 3x (P(x) & - L(x))
• -3x (P(x) -> L(x))
• P(x) & - Vx L(X)
• Vx (P(x)&-L(x))
• - VX (P(x) &-L(x))
• 3x (-P(x) & L(x))

• 3,4
• Все формулы являются тавтологиями
• 3
• 1,2,4
• 2,3

• дерево решений правильно классифицирует все примеры обучающей выборки.
• дерево решений правильно классифицирует новые примеры, аналогичные примерам обучающей выборки, но ранее не входящие в обучающую выборку.
• дерево решений может быть преобразовано в набор продукционных правил.
• дерево решений правильно классифицирует примеры из любых наборов данных, в которых объекты отличаются от объектов обучающей выборки и имеют другие атрибуты.

• Правильным является определение В)
• Правильным является определение А)
• Правильным является определение Б)
• Все определения верны.
• Правильными являются определения Б) и В)

• неполнота
• изменчивость
• многозначность
• недостоверность
• качественность оценок

1. Конечные вершины дерева (листья) могут быть взвешены именами двух и более классов.
2. В корне дерева находится наиболее информативный признак.
3. Обязательно будет бинарным.
4. Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.

• да
• нет

• Пороговый алгоритм.
• Алгоритм построения линейной разделяющей функции.
• Алгоритм «K средних».
• Алгоритм построения дерева решений ID3.
• Алгоритм MAXMIN.

• В корне дерева находится наиболее близкий к решающему атрибуту признак.
• Обязательно будет бинарным.
• Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.
• Конечные вершины дерева (листья) могут быть взвешены именами более чем двух классов.

• Обучающая выборка, из которой удалены те примеры, для которых классификация была ошибочна
• Обучающая выборка, к которой добавлены несколько новых примеров
• Множество примеров, ни один из которых не входил в исходную обучающую выборку
• Обучающая выборка полностью

• (AVB V - C)
• A&(-BV-C)
• (A V-B&-C)
• (AV-B)&(AV-C)

• Расстояние D(X, Z) меньше D(Y, Z)
• Расстояние D(X, Z) больше D(Y, Z)
• Расстояния одинаковы

• Обязательно будет бинарным.
• В корне дерева находится наиболее информативный признак.
• Конечные вершины дерева (листья) могут быть взвешены именами двух и более классов.
• Каждый путь от корня дерева к листу не содержит повторных проверок уже использованных атрибутов.

• Стратегия 1 правильная.
• Стратегия 2 правильная.
• Обе стратегии допустимы.

1. Логическими выражениями
2. Упорядоченным набором линейных функций
3. Упорядоченным набором признаков
4. В виде ориентированного графа

• в иерархических структурах для сохранения существенной и отбрасывания несущественной информации
• в простейших нейронных сетях
• в популяциях одноклеточных организмов