Интеллектуальные информационные системы (ИИС) - ответы на вопросы

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

• Мышление
• Знание
• Интеллект

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

• 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.

• 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

• 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

• 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)

• 1
• 2
• 3

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

• 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

• 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.

• 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.

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

Дерево решений построено алгоритмом ID3. Дерево решений используется:

• для классификации примеров обучающей выборки.

• для модификации дерева решений и получения нового, улучшенного варианта дерева решений.

• для классификации новых примеров, ранее не входящих в обучающую выборку.

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

• - 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;

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

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

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

• 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)

• неполнота
• изменчивость
• многозначность
• недостоверность
• качественность оценок

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

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

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

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

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

• 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.

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

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

• 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.

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

• все три свойства верны.
• только свойства 2 и 3 верны для этих двух алгоритмов.
• все три свойства верны только для алгоритма К-средних и не верны для алгоритма MAXMIN

• 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.

• 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.

• 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).

• 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)}

• 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

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

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

• ИС обработки и поиска информации.
• ИС автоматизированного проектирования.
• ИС поддержки принятия решений.
• ИС управления.

• инженеры по знаниям
• пользователи
• эксперты

• метод группового учета аргументов
• нейронные сети
• генетические алгоритмы
• эволюционное программирование
• эвристическое программирование

• genitor
• CHC (Cross generational elitist selection, Heterogenous recombination, Cataclysmic mutation)
• гибридные алгоритмы
• островная модель

• A ◠ A⁻ ≠ 0, A ◡ A⁻ ≠ U
• A ◡ A ≠ A, A ◠ A ≠ A
• A ◡ (B ◠ C) ≠ (A ◠ B) ◡ (A ◠ C), A ◠ (B ◡ C) ≠ (A ◡ B) ◠ (A ◡ C)

• Нет
• Да

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.

• Хранилище данных
• Витрины данных
• Многомерный куб данных

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

• 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

• Да
• Нет

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

• интеллектуального интерфейса
• базы знаний
• механизма вывода заключений
• интеллектуального интерфейса, базы знаний и механизма вывода заключений

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

• первый
• второй
• третий
• четвёртый
• все варианты верны

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

• 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

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.

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

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.

• ⱯX (R(x) & -A(x) ->D(x))
• ⱯX (R(x) & D(x)) -> vx (A(x)&-D(x))
• ⱯX (R(x)V-A(x)vD(x))
• 3x R(x) & - A(x)&D(x)
• ⱯX (R(x) -> ∃x (-D(x)&A(x))

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

• 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.

• Объект - прототип класса это точка, наиболее удалённая от всех объектов, принадлежащих другим классам.

• 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.

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

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

• Пороговый алгоритм.
• Алгоритм MAXMIN.
• Алгоритм «K средних».
• Алгоритм построения линейной разделяющей функции.
• Алгоритм построения нелинейной разделяющей функции.

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

• из m особей, где m – число особей в популяции
• из (m-1) особей, где m – число особей в популяции
• из 4 особей
• из 8 особей
• из t особей, выбор делается случайным образом, чаще всего t=2

• инженер по знаниям – активную, эксперт – пассивную
• оба играют активную роль
• оба играют пассивную роль
• инженер по знаниям – пассивную, эксперт – активную

• 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

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

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

• инженер по знаниям – активную, эксперт – пассивную
• инженер по знаниям – пассивную, эксперт – активную
• оба играют активную роль
• оба играют пассивную роль

• идентификация знаний
• реализация
• формализация знаний
• концептуализация знаний

• 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

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

• [0, ∞]
• [–∞, +∞]
• [0, 1]

• μC(u) = max{μB(u), μA(u)) = 0,5
• μC(u) = min{μB(u), μA(u)) = 0
• μC(u) = 1 – min{μB(u), μA(u)) = 0,5
• μC(u) = 1 – min{μB(u), μA(u)) = 1

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