Интеллектуальные информационные системы (ИИС) - ответы на вопросы

… приложение представляет собой прикладной программный продукт, ориентированный на выполнение конкретной аналитической задачи конечным пользователем (например, система консолидированной финансовой отчетности, система бюджетирования и др.)

Прочитайте отрывки текста. Это программно-технические средства (в более узком смысле программы для ЭВМ), призванные, используя логику мышления человека, выполнять функции эксперта при решении задач в рамках некоторой предмет ной области.
В них используются извлеченные из экспертов знания, которые в виде формализованной информации могут потребоваться в процессе логического вывода.
За счет возможности накапливать знания многих людей, сохранять и предоставлять возможность их использования они могут обеспечивать повышение уровня объективности проводимой экспертизы, а иногда – и формирование конечных решений.
О каком понятии говорится в приведенных отрывках?

Совокупность технологий, платформ, инструментов и методик, используемых для обработки и анализа больших данных (БД), – это … БД

Преподаватель рассказывал студентам о предметно-ориентированных, интегрированных, стабильных, поддерживающих хронологию наборах данных, организованных для целей поддержки управления, обеспечивающего менеджеров и аналитиков достоверной информацией, необходимой для оперативного анализа и принятия решений.
О чем рассказал преподаватель?

Прочитайте текст. Это средства оперативной аналитической обработки данных; класс программного обеспечения, обеспечивающий пользователю возможность в режиме реального времени получать ответы на произвольные аналитические запросы. С точки зрения лица, принимающего решения это является удобной графической оболочкой для навигации, визуализации и анализа в различных разрезах огромного количества взаимосвязанной информации о деятельности организации, поступающей из ИС организации.
О чем говорится в приведенном отрывке?

Преподаватель рассказал студентам о типе нейронной сети, используемом для сложных задач классификации и прогнозирования.
О каком типе нейронных сетей он говорил?

Поиск последовательных и временных закономерностей в данных – это последовательные …

… – это объективная характеристика отражения разнообразия, неоднородности распределения материи в пространстве и во времени; представляет собой лишь такую часть отражения, которая «опредмечивается» в ходе данной передачи и представляет собой инвариантную часть, не зависящую от материального носителя

Основой для создания экспертных систем и других интеллектуальных систем служит … знаний – раздел искусственного интеллекта, в рамках которого решаются вопросы, связанные с извлечением знаний, представлением знаний и манипулированием знаниями

… – это класс программного обеспечения, обеспечивающий пользователю возможность в режиме реального времени получать ответы на произвольные аналитические запросы, в его основе лежит понятие многомерного куба данных, в ячейках которого хранятся анализируемые (числовые) данные

Методы и технологии для выявления скрытых и ранее неизвестных закономерностей в данных – это …

… предметно-ориентированы, поддерживают хронологию данных, имеют средства поиска на онтологиях – спецификациях проблемной области и предназначены для поддержки принятия решений по результатам обработки больших массивов данных

В логике высказываний используется определение:
Высказывание - это предложение, в котором содержится какая-то информация и которое может быть оценено как истинное или ложное. Такие высказывания называют атомарными высказываниями, или атомами.
Рассмотрим фразы:
А. Число х> у.
Б. Марс планета Солнечной системы.
В. Дай мне книгу.
Г. Лондон - столица Англии.
Д. Сегодня теплая погода.

Какие из них являются высказываниями?

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

… системы – это системы, обеспечивающие функционирование автономных роботов и роботизированных комплексов, обычно с использованием элементов искусственного интеллекта

Даны две логические формулы:
¬ (А &В⟶А) и A ⟶ A∨B
Эти формулы

• 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.

В системах машинного обучения под обобщением понимается переход от рассмотрения множества объектов к рассмотрению обобщенного понятия, описывающего класс таких объектов. Таким образом, решив задачу машинного обучения мы получим:

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

… – это автоматизированная система, основанная на знаниях, или комплекс программных, лингвистических и логико-математических средств для реализации основной задачи – осуществления поддержки деятельности человека и поиска информации в режиме продвинутого диалога на естественном языке

Известно, что предикаты отражают свойства и отношения между предметами из предметной области. Предикаты содержат переменные, которые можно заменить конкретным предметом из предметной области.
Пусть предметная область – это множество людей. На множестве людей задан предикат D(x, y) , что означает « x дружит с y - ком».
Какая из приведенных формул исчисления предикатов означает: «У Петра есть друг»:

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

Какое из четырёх утверждений неверно? Решающее правило, сформированное алгоритмом обобщения «с учителем», может быть представлено в следующем виде:

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

Для двух дизъюнктов из множества S
D1 = P(x) ∨ ¬P(g(y)) ∨ ¬R(x)
и D2 = P(x) ∨ Q(x, z)
была построена резольвента.
Резольвента дизъюнктов D1, D2 это выражение

• 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)

В … году в Москве прошел первый российский форум, посвященный большим данным

Дана логическая формула (А - (B v -С)) - D.
Сколько интерпретаций данной формулы существует:

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

Какие из приведенных четырёх формул логики предикатов представлены в пренексной нормальной форме (ПНФ) В ПНФ представлены формулы 2 и 3

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

В интеллектуальных системах Data Mining (добыча данных) и Knowledge Discovery in Databases (обнаружение знаний в базах данных) обучающая выборка - это некоторый фрагмент таблицы, хранящейся в распределённой БД. Известно, что такие таблицы могут содержать очень много атрибутов различного типа. Как определяется решающий атрибут для формирования обобщенных понятий?

• Решающий атрибут указывает эксперт.
• Решающий атрибут находится на основе оценки информативности.
• Решающий атрибут определяется на основе эвристических критериев.

Существует метод построения решающей функции как получение уравнения границ, разделяющих классы.
Для случая двух классов возможно построить линейную решающую функцию, используя алгоритм построения такой функции. Если точки двух классов расположены так, что их нельзя разделить одной линейной гиперплоскостью, возможны действия: …
Какие стратегии правильные?

• 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.

Формирование понятий по сути является процессом выделения закономерностей, свойственных множествам объектов. Такие множества объектов образуют обучающие выборки. Выберите правильное определение обучающей выборки. Обучающая выборка, которая используется в алгоритме обучения «с учителем»:

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

Имеется множество дизъюнктов S = { P ∨ Q, ¬P ∨ Q, P ∨ ¬Q, ¬P ∨ ¬Q }. Для доказательства противоречивости S были получены некоторые резольвенты. Так результатом резолюции дизъюнктов 1 и 4 стал новый дизъюнкт 5. Q ∨ ¬Q, 1. P ∨ Q, 2. ¬P ∨ Q, 3. P ∨ ¬Q, 4. ¬P ∨ ¬Q. ______________ 1. Q ∨ ¬Q, (резольвента 1 и 4) Какое из следующих утверждений справедливо:

Каким из перечисленных ниже свойств обязательно обладает бинарное дерево решений?

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.

Созданная в 2018 г. организация, объединяющая крупнейших участников рынка больших данных в России, – это … больших данных

Область компьютерных наук, занимающаяся созданием машин, способных выполнять задачи, которые обычно требуют человеческого интеллекта, – это …

Даны формулы ...
Какие из этих формул представлены в конъюнктивной нормальной форме?

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

На множестве живых существ введены предикаты:
Р(х) "х - птица" и L(х) "x - летает".
Найдите формулу, двойственную формуле - Vx (P(х) -> L(x))

• 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))

Интеллектуальные системы Data Mining (добыча данных) и Knowledge Discovery in Databases (обнаружение знаний в базах данных) решают задачи поиска скрытых закономерностей с использованием реальных таблиц Баз данных.
При этом в качестве обучающей выборки выступает

• реальная таблица, хранящиеся в распределенной БД
• фрагмент реальной таблицы, хранящейся в распределённой БД
• фрагмент реальной таблицы, хранящейся в распределённой БД, где один из атрибутов выбран в качестве решающего атрибута
• качестве решающего атрибута

Дерево решений построено алгоритмом ID3 на основе конкретной обучающей выборки.
Выберите неверное утверждение.
Результат работы алгоритма считается успешным, если:

• 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.

Какое из утверждений верно?
Наиболее простой способ оценить, насколько хорошо построенная решающая функция (такая, как система решающих правил, или дерево решений) работает - это проверить её на тестовом множестве (экзамен).
В качестве экзаменационного множества при этом используется:

• 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

Какая из предложенных стратегий верна? После того, как решающее правило на обучающей выборке построено, проводится экзамен – с помощью решающего правила надо разделить объекты новой, экзаменационной выборки на примеры и контрпримеры. Если решающее правило правильно проводит такое разделение, обучение заканчивается. Если результат экзамена неудовлетворителен:

1. Необходимо провести экзамен повторно на новой тестовой выборке, отличной от первоначальоe
2. Необходимо удалить из тестовой выборки те примеры, на которых классификатор дал неверные ответы, и повторить процедуру экзамена.
3. Необходимо провести обучение заново. В качестве обучающего множества будем использовать экзаменационную (тестовую) выборку. Затем повторяем процедуру экзамена.
4. 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.

Какие из приведенных четырёх формул логики предикатов представлены в пренексной нормальной форме (ПНФ)
1. Vx (C(x) & -O(x) ->3y (P(y) & S(x, y )))
2. 3x Vy (A(x) & C(x) & (S(x, y) v A(y)))
3. Vx (L(x) v A(x) V-O(x))
4. Vx (A(x)&B(x) ->-O(x))

• 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

Какие из приведенных формул являются тавтологиями:
1. A>A
2. (B->(A->B))
3. (A->B)v-(A->B)
4. (A&B->-(-AV-B))

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

Обучающая выборка разбита на классы с помощью одного из алгоритмов обучения «без учителя». Какие объекты называются объектами -прототипами классов?

• 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.

В понятие неопределенности знаний входит:

• неполнота
• изменчивость
• многозначность
• недостоверность
• качественность оценок

Обучение на основе примеров является типичным случаем индуктивного обучения и широко используется в системах искусственного интеллекта. На основе предъявленных примеров (и, возможно, контрпримеров) интеллектуальная система должна сформировать общее понятие, охватывающее примеры и исключающее контрпримеры. Как представляются примеры - объекты для обучения - в системах искусственного интеллекта?

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

Примечание: В математической логике, в отличие от схемотехники, принято использовать обозначения И (истина) и Л (ложь) для значений атомарных высказываний. При работе с высказываниями, представленными в виде формул, допустимо использовать обозначения 1 (истина) и 0 (ложь) для наглядности. Правила выполнения логических операций представлены в таблицах в лекционном материале.
Какая логическая операция задана таблицей:

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

Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?

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.

. Фрейм – это:

• модель, позволяющая представить знание в виде предложений типа «ЕСЛИ (условие), ТО (действие)»
• ориентированный граф, вершины которого – понятия, а дуги – отношения между ними
• структура данных, предназначенная для представления некоторой стандартной ситуации
• совокупность классов и объектов предметной среды

Дана логическая формула F.
Что называется интерпретацией формулы F= (A ⟶ (B ∨ ¬C)) ⟶ D

• - 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;

Какие виды признаков не могут использоваться при описании объектов машинного обучения?

1. Числовые интервалы
2. Логические значения
3. Вещественные числа
4. Целочисленные признаки
5. Наборы символов
6. Графические изображения

Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Какое из четырёх ниже приведённых утверждений неверно?
Дерево решений, построенное алгоритмом ID3:
Дерево решений, построенное алгоритмом ID3:

• 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.

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: …

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

Для случая двух классов задача сводится к построению только одной решающей функции; такая функция должна принимать положительные значения для объектов одного класса и отрицательные – для другого класса.
Существует алгоритм построения линейной решающей функции для случая двух классов, исходными данными для которого является обучающая выборка, содержащая примеры объектов этих двух классов.
Какое утверждение верно?
Алгоритм построения линейной решающей функции является:

• алгоритмом обучения «с учителем»
• алгоритмом обучения «без учителя»

При использовании реальной базы данных (БД) для машинного обучения в системах Data mining и в экспертных системах возникают следующие проблемы:
1) Базы данных создаются из расчета требований конкретных приложений, а не специально для машинного обучения.
2) Информация, содержащаяся в базах данных, как правило, неполна. Свойства объектов, необходимые для корректной классификации, не обязательно представлены в базе данных.
Отдельные значения могут содержать ошибки или вовсе отсутствовать.
Базы данных очень велики.
Базы данных изменяются со временем.
Какие из этих проблем могут быть решены с помощью человека-эксперта?

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

Являются ли две приведенные формулы исчисления высказываний равносильными?
(A&B∨A&¬B&C∨A&¬B&¬C∨A&¬C)&(B ∨ C) и B∨C

• да
• нет

Утверждение:
Если Петя принадлежит к нашей компании (К), то он весел (В) и на него можно положиться (П) представлено в виде формулы исчисления высказываний. Выберите правильную формулу для записи этого утверждения.

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

Правилом построения дерева целей не является:

• все вершины нижнего уровня подчиняются всем вершинам вышестоящего уровня иерархии
• все вершины нижнего уровня подчиняются одной вершине вышестоящего уровня иерархии
• вершина нижнего уровня подчиняются только одной вершине вышестоящего уровня иерархии

Даны формулы F1, F2, …, Fn и G.
Формула G является логическим следствием формул F1, F2, …, Fn
если:
А) для всех интерпретаций, в которых истинны F1, F2, …, Fn, истинно также G;
Б) формула F1 & F2 & … & Fn ⟶ G общезначима;
В) формула F1 & F2 & … & Fn & ¬G противоречива.
Какое из определений является правильным?

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

Ассоциации возникают

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

...-это способность человека осуществлять мыслительную деятельность с целью познания действительности и рационального поведения в ней путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам

Какие пары формул исчисления высказываний, приведенные ниже, не являются равносильными:
1. (A∨B) и ¬ (¬A&¬B)
2. (¬A&¬B) и ¬(A∨B)
3. A⟶B и ¬(A∨¬B)
4. (A⟶B) и ((¬A⟶B)⟶B)
5. А ∨B и (¬B⟶ ¬A)

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

Введём обозначения для следующих утверждений:
Петя принадлежит к нашей компании обозначим (К),
Петя весел (В) ,
На Петю можно положиться (П).
Какой фразе на естественном языке соответствует утверждение,
представленное в виде формулы логики высказываний
¬(В∨ П) ⟶ ¬К
Выберите правильную фразу, сопоставленную этой формуле:

• 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.

Какие из приведенных формул не являются тавтологиями?

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

В алгоритме AMX построения бинарного дерева решений для каждого атрибута в таблице, задающей обучающую выборку, строится бинарный вектор. Были получены три бинарных вектора X, Y, Z:
Х = <0 1 0 1 1 1>
Y = < 0 1 1 1 0 1>
Z = <0 0 0 1 1 1 >

• Какой из двух векторов: X или Y ближе к вектору Z?
• Расстояние D(X, Z) больше D(Y, Z)
• Расстояние D(X, Z) меньше D(Y, Z)
• Расстояния одинаковы

Утверждение Если Петя принадлежит к нашей компании (К), то он весел (В) и на него можно положиться (П) представлено в виде формулы логики высказываний.

Выберите правильную формулу для записи этого утверждения:

• (К - В) & П
• К- В& П
• K V B&n
• В& П-К
• (К - В) & (к -П)

Дана формула логики высказываний
(-A&CVB)->(BVC-> A&B)
Формула приведена к конъюнктивной нормальной форме.
Укажите правильный ответ:

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

Обучающая выборка задана таблицей, где каждая строка таблицы – это один объект, или пример понятия, заданный набором свойств (значений атрибутов). Один из множества атрибутов является решающим определяет класс, к которому относится каждый объект. Какое утверждение является правильным:

• 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.

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 (атрибутов), описывающих входной пример. Проверки могут приводить к двум результатам, или более, чем к двум.
Какие из приведённых утверждений ошибочны, если речь идёт о дереве решений?

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

Выберите утверждения, верные для алгоритмов обучения «без учителя» .
В интеллектуальных системах машинным обучением называется процесс создания и оптимизации алгоритма, который разделяет предъявленные объекты на классы. Для обучения используется определенный набор объектов, называемый обучающим множеством или обучающей выборкой.
В алгоритмах обучения: …

• 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

Для представления знаний в экспертной системе на основе семантических сетей, онтологий, используются отношения: …
Какие из перечисленных отношений обеспечивают наследование свойств объектами разных уровней?

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

На множестве живых существ введены предикаты: R(x) “x – рыба” и А(x) “x – акула” D(x) «х – добрый». Какая из приведенных формул исчисления предикатов имеет смысл «Все акулы -рыбы, и ни одна из акул не является доброй» :

Какие из перечисленных ниже алгоритмов относятся к алгоритмам обучения «без учителя»:

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

С точки зрения кибернетики, связывание представлений с темпоральными (временными) координатами и, вытекающая из этого способность предвидеть будущее, есть …

• · моделирование (построение модели окружающей среды)
• · формирование рефлексов
• · планирование действий
• · распознавание сложных ситуаций

Даны формулы ...
Какие из этих формул представлены в конъюнктивной нормальной форме?

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

В создании ЭС участвует:

• заказчик
• пользователь
• эксперт
• инженер по знаниям
• заказчик и эксперт
• эксперт и инженер по знаниям
• заказчик, эксперт и инженер по знаниям

Базу знаний формируют:

• инженеры по знаниям
• пользователи
• эксперты

Каким из перечисленных ниже свойств не обладает бинарное дерево решений:

• 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.

Объекты обучающей выборки заданы наборами числовых параметров и принадлежат нескольким классам. Как принять решение – к какому классу отнести новый объект, не встречавшийся ранее в обучающей выборке?
Возможны стратегии:
1 Объект будет включен в один из классов, если известны центры классов и расстояние от объекта до центра этого конкретного класса минимально по сравнению с расстояниями до центров других классов.
2 Объект будет отнесён к определённому классу, если существует граница, разделяющая классы, например, гиперплоскость, для которой есть аналитическое описание (функция). Надо проверить, как расположен объект относительно этой границы.
Выберите правильную стратегию.

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

Какое из четырёх утверждений неверно? Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку. Это дерево решений:

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

Какое из четырёх утверждений неверно? Алгоритм ID3 Куинлана строит дерево решений на основе обучающей выборки. Это дерево решений:

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.

Формула
∀y (A(a) & C(a) & (S(a, y) ∨ A(y)))
представлена в Сколемовской стандартной форме (ССФ) и преобразована в множество дизъюнктов
S={ A(a), C(a) , S(a, y) ∨ A(y)}
Сколько всего дизъюнктов содержит S?

• Три дизъюнкта
• Четыре дизъюнкта
• Два дизъюнкта
• Один дизъюнкт

Высказывания:
«Посадил дед репку» обозначим как А,
«Выросла репка большая-пребольшая» обозначим B.
Какое утверждение соответствует формуле:
A&B ∨ (¬В⟶ ¬А) ?

• 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.

Какие из приведенных формул являются противоречиями:

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

На множестве людей задан предикат D(x, y), что означает « x дружит с y ». Какие из приведенных формул исчисления предикатов содержат свободные переменные, и, следовательно, не могут принять конкретное значение И или Л:

Эксперт – это:

• специалист, занимающийся извлечением знаний и их формализацией в БЗ
• специалист, знания которого помещаются в БЗ
• специалист, интеллектуальные способности которого расширяются благодаря использованию ЭС

Обучающую выборку составляют:

• признаки классификации, использующиеся для описания возможных вариантов развития событий
• примеры реальных ситуаций, накопленных за некоторый исторический период, описывающиеся множеством признаков классификации
• примеры искусственных ситуаций, сгенерированных путем перебора всех возможных вариантов развития событий, описывающиеся множеством признаков классификации
• нет правильного ответа

Разработка БЗ на языке представления знаний – это:

• идентификация знаний
• реализация
• формализация знаний
• концептуализация знаний

Какие из приведенных формул исчисления предикатов представлены в пренексной нормальной форме (ПНФ)

Алгоритм, основанный на использовании метрики Хэмминга, строит дерево решений, используя обучающую выборку.
Какое из четырёх утверждений верны?
Это дерево решений:

• 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.

Утверждение Неверно, что если погода пасмурная (П), то дождь идёт (Д) если дует ветер (В) представлено в виде формулы логики высказываний. Выберите правильные формулы для записи этого утверждения:

Способность кибернетической системы решать интеллектуальные задачи путем приобретения, запоминания и целенаправленного преобразования знаний в процессе обучения на опыте и адаптации к разнообразным обстоятельствам - это есть …

• · Интерфейс
• · Эволюция
• · Прогресс
• · Интеллект
• · Адаптация

Формализация знаний – это:

• разработка неформального описания знаний о предметной области в виде графа, таблицы, диаграммы или текста
• получение инженером по знаниям наиболее полного из возможных представлений о предметной области и способах принятия решения в ней
• создание прототипа ЭС
• разработка БЗ на языке представления знаний

Две логические формулы, значения которых совпадают на всех интерпретациях, называются:

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

В алгоритме AMX построения бинарного дерева решений для каждого атрибута в таблице, задающей обучающую выборку, строится бинарный вектор.
Какое расстояние D(X, Y) будет между ,бинарными векторами X и Y, если
Х = <0 1 0 0 1 1>
Y = < 0 1 1 1 0 1>?

• Расстояние D(X, Y) равно 4
• Расстояние D(X, Y) равно 5
• Расстояние D(X, Y) равно 3

Являются ли две приведенные формулы исчисления высказываний равносильными? ((B&A⟶C)⟶(B∨C⟶B&¬A))⟶B&C и B&C

Дана формула исчисления высказываний (A→(Bv¬C))→D
Сколько интерпретаций данной формулы существует?

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

Инженер по знаниям – это:

• специалист, занимающийся извлечением знаний иихформализациейв БЗ
• специалист, знания которого помещаются в БЗ
• специалист, интеллектуальные способности которого расширяются благодаря использованию ЭС

К системам с интеллектуальным интерфейсом относят:

• интеллектуальные базы данных
• системы, основанные на прецедентах
• гипертекстовые системы
• прикладные программы
• системы когнитивной графики

Отличие между синтетическими и динамическими экспертными системами заключается в:

• обработке неопределенности знаний
• использовании множества источников знаний
• реакции на события

Концептуализация знаний – это:

• получение инженером по знаниям наиболее полного из возможных представлений о предметной области и способах принятия решения в ней
• создание прототипа ЭС
• разработка неформального описания структуры знаний о предметной области в виде графа, таблицы, диаграммы или текста
• разработка БЗ на языке представления знаний

Какие значения могут иметь признаки, которые используются при описании объектов обучающей выборки в алгоритмах машинного обучения:

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

В системе Data Mining возможна работа с обучающими выборками, которые содержат противоречивую информацию. Это значит, что в обучающей выборке присутствуют объекты, идентичные по всем атрибутам (признакам), но отнесённые к разным классам. Обучающие множества, содержащие противоречия, могут быть обработаны с помощью алгоритма:

• ID3
• MaxMin
• алгоритм RS1 построения приближённого множества
• алгоритм построения дерева решений, использующий метрику Хемминга

Выберите правильный вариант.

В системе Data Mining возможна работа с обучающими выборками, которые содержат противоречивую информацию. Это значит, что в обучающей выборке присутствуют объекты, идентичные по всем атрибутам (признакам), но отнесённые к разным классам. Обучающие множества, содержащие противоречия, могут быть обработаны с помощью алгоритма:

• алгоритм RЅ1 построения приближённого множества
• ID3
• MaxMin
• алгоритм построения дерева решений, использующий метрику Хемминга