Интеллектуальные информационные системы

         

Контрольные вопросы по лекции


1. Экспертные системы, базовые понятия.

2. Экспертные системы, методика построения.

3. Этап-1 синтеза ЭС: "Идентификация".

4. Этап-2 синтеза ЭС: "Концептуализация".

5. Этап-3 синтеза ЭС: "Формализация".

6. Этап-4 синтеза ЭС: "Разработка прототипа".

7. Этап-5 синтеза ЭС: "Экспериментальная эксплуатация".

8. Этап-6 синтеза ЭС: "Разработка продукта".

9. Этап-7 синтеза ЭС: "Промышленная эксплуатация".


1. Основные положения информационно-функциональной теории развития техники.

2. Процессы труда и познания, как информационные процессы снятия неопределенности.

3. Организм человека и средства труда как информационные системы.

4. Законы развития техники.

5. Детерминация формы сознания человека функциональным уровнем средств труда.

6. Неизбежность возникновения компьютеров, информационных систем и систем искусственного интеллекта.



7. Информационная теория стоимости.

8. Связь количества и качества информации с меновой и потребительной стоимостью.

9. Информация, как сырье и как товар: абсолютная, относительная и аналитическая информация. Данные, информация, знания.

10. Стоимость и амортизация систем искусственного интеллекта и баз знаний.

11. Источники экономической эффективности систем искусственного интеллекта и интеллектуальной обработки данных с позиций информационной теории стоимости (повышение уровня системности и "охлаждение" объекта управления).

12. Интеллектуализация - генеральное направление и развития информационных технологий.

13. От электронных вычислительных машин к компьютерам. Функциональное определение компьютера.

14. Эволюция понятия: "Обработка информации" от информационного сырья к информационному продукту.

15. Эволюция технологий создания и поддержки информационных систем: автоматизация функций посредников.

16. Перспективы информационных технологий: интеллектуализация, создание самообучающихся, саморазвивающихся (эволюционирующих) и самовоспроизводящихся систем.



1. Данные, информация, знания. Системно- когнитивный анализ как развитие концепции смысла Шенка-Абельсона.

2. Когнитивная концепция СК-анализа и синтез когнитивного конфигуратора.

3. Мышление как вычисление смысла и реализация операций со смыслом в инструментарии СК-анализа - системе "Эйдос".

4. Понятие: "Система искусственного интеллекта", место СИИ в классификации информационных систем.

5. Определение и классификация систем искусственного интеллекта, цели и пути их создания.

6. Тест Тьюринга и критерии "интеллектуальности" информационных систем. Может ли машина мыслить? Может ли искусственный интеллект  превзойти своего создателя?

7. Классификация систем искусственного интеллекта.

8. Особенности технологии создания систем искусственного интеллекта (обучение, "социализация", как технологический этап).

9. Информационная модель деятельности специалиста и место систем искусственного интеллекта в этой деятельности.

10. Жизненный цикл системы искусственного интеллекта и критерии перехода между этапами этого цикла.



1. Системный анализ, как метод познания.

2. Принципы системного анализа.

3. Методы и этапы системного анализа.

4. Этапы когнитивного анализа.

5. Обобщенная схема системного анализа, ориентированного на интеграцию с когнитивными технологиями.

6. Когнитивная концепция и синтез когнитивного конфигуратора.

7. Понятие когнитивного конфигуратора и необходимость естественно-научной (формализуемой) когнитивной концепции.

8. Формализуемая когнитивная концепция

9. Когнитивный конфигуратор и базовые когнитивные операции системного анализа.

10. Задачи формализации базовых когнитивных операций системного анализа.

11. СК-анализ, как системный анализ, структурированный до уровня базовых когнитивных операций.

12. Место и роль СК-анализа в структуре управления.

13. Структура типовой АСУ.

14. Параметрическая модель адаптивной АСУ сложными системами.

15. Модель рефлексивной АСУ активными объектами и понятие мета-управления.

16. Двухконтурная модель РАСУ в АПК.



1. Теоретические основы системной теории информации.

2. Требования к математической модели и численной мере СТИ.

3. Выбор базовой численной меры СТИ.

4. Конструирование системной численной меры на основе базовой в СТИ.

5. Семантическая информационная модель СК-анализа.

6. Формализм динамики взаимодействующих семантических информационных пространств. Двухвекторное представление данных.

7. Применение классической теории информации К.Шеннона для расчета весовых коэффициентов и мер сходства.

8. Математическая модель метода распознавания образов и принятия решений, основанного на системной теории информации.

9. Некоторые свойства математической модели СК-анализа (сходимость, адекватность, устойчивость и др.).

10. Непараметричность модели. Робастные процедуры и фильтры для исключения артефактов в математической модели СК-анализа.

11. Зависимость информативностей факторов от объема обучающей выборки.

12. Зависимость адекватности семантической информационной модели от объема обучающей выборки (адекватность при малых и больших выборках).

13. Семантическая устойчивость модели СК-анализа.

14. Зависимость некоторых параметров модели СК-анализа от ее ортонормированности.

15. Взаимосвязь математической модели СК-анализа с другими моделями.

16. Взаимосвязь системной меры целесообразности информации со статистикой Х2 и новая мера уровня системности предметной области.

17. Сравнение, идентификация и прогнозирование как разложение векторов объектов в ряд по векторам классов (объектный анализ).

18. Системно-когнитивный и факторный анализ. СК-анализ, как метод вариабельных контрольных групп.

19. Семантическая мера целесообразности информации и эластичность.

20. Связь семантической информационной модели с нейронными сетями.

21. Математический метод СК-анализа в свете идей интервальной бутстрепной робастной статистики объектов нечисловой природы.



1. Принципы формализации предметной области и подготовки эмпирических данных.

2. Иерархическая структура данных и последовательность численных расчетов в СК-анализе

3. Обобщенное описание алгоритмов СК-анализа

4. БКОСА-2.1. "Восприятие и запоминание исходной обучающей информации".

5. БКОСА-2.2. "Репрезентация. Сопоставление индивидуального опыта с коллективным (общественным)".

6. БКОСА-3.1.1. "Обобщение (синтез, индукция). Накопление первичных данных".

7. БКОСА-3.1.2. "Обобщение (синтез, индукция). Исключение артефактов".

8. БКОСА-3.1.3. "Обобщение (синтез, индукция). Расчет степени истинности содержательных смысловых связей между предпосылками и результатами (обобщенных таблиц решений)".

9. БКОСА-3.2. "Определение значимости шкал и градаций факторов, уровней Мерлина".

10. БКОСА-3.3. "Определение значимости шкал и градаций классов, уровней Мерлина".

11. БКОСА-4.1. "Абстрагирование факторов (снижение размерности семантического пространства факторов)".

12. БКОСА-4.2. "Абстрагирование классов (снижение размерности семантического пространства классов)".

13. БКОСА-5. "Оценка адекватности информационной модели предметной области".

14. БКОСА-7. "Сравнение, идентификация и прогнозирование. Распознавание состояний конкретных объектов (объектный анализ)".

15. БКОСА-9.1. "Дедукция и абдукция классов (семантический анализ обобщенных образов классов, решение обратной задачи прогнозирования)".

16. БКОСА-9.2. "Дедукция и абдукция факторов (семантический анализ факторов)".

17. БКОСА-10.1.1. "Классификация обобщенных образов классов".

18. БКОСА-10.1.2. "Формирование бинарных конструктов классов".

19. БКОСА-10.1.3. "Визуализация семантических сетей классов".

20. БКОСА-10.2.1. "Классификация факторов".

21. БКОСА-10.2.2. "Формирование бинарных конструктов факторов".

22. БКОСА-10.2.3. "Визуализация семантических сетей факторов".

23. БКОСА-10.3.1. "Содержательное сравнение классов".

25. БКОСА-10.3.2. "Расчет и отображение многомногозначных когнитивных диаграмм, в т.ч. диаграмм Вольфа Мерлина".

26. БКОСА-10.4.1. "Содержательное сравнение факторов".

27. БКОСА-10.4.2. "Расчет и отображение многомногозначных когнитивных диаграмм, в т.ч. инвертированных диаграмм Мерлина".

28. БКОСА-11. "Многовариантное планирование и принятие решения о применении системы управляющих факторов".

29. Детальные алгоритмы СК-анализа.



1. Назначение и состав системы "Эйдос".

2. Цели и основные функции системы "Эйдос".

3. Обобщенная структура системы "Эйдос".

4. Пользовательский интерфейс, технология разработки и эксплуатации приложений в системе "ЭЙДОС".

5. Начальный этап синтеза модели: когнитивная структуризация и формализация предметной области, подготовка исходных данных (подсистема "Словари") (БКОСА-1, БКОСА-2).

6. Синтез модели: пакетное обучение системы распознавания (подсистема "Обучение") (БКОСА-3).

7. Оптимизация модели (подсистема "Оптимизация") (БКОСА-4).

8. Верификация модели (оценка ее адекватности) (БКОСА-5).

9. Эксплуатация приложения в режиме адаптации и периодического синтеза модели (БКОСА-7, БКОСА-9, БКОСА-10).

10. Технические характеристики и обеспечение эксплуатации системы "ЭЙДОС" (версии 12.5).

11. Состав системы "Эйдос": Базовая система, системы окружения и программные интерфейсы импорта данных.

12. Отличия системы "Эйдос" от аналогов: экспертных и статистических систем.

13. Некоторые количественные характеристики системы "Эйдос".

14. Обеспечение эксплуатации системы "Эйдос".

15. АСК-анализ, как технология синтеза и эксплуатации рефлексивных АСУ активными объектами.



1. Интеллектуальные интерфейсы. Использование биометрической информации о пользователе в управлении системами.

2. Идентификация и аутентификация личности по почерку. Понятие клавиатурного почерка.

3. Соотношение психографологии и атрибуции текстов.

4. Идентификация и аутентификация личности пользователя компьютера по клавиатурному почерку.

5. Прогнозирование ошибок оператора по изменениям в его электроэнцефалограмме.

6. Системы с биологической обратной связью (БОС).

7. Мониторинг состояния сотрудников сборочного конвейера с целью обеспечения высокого качества продукции.

8. Компьютерные тренажеры, основанные на БОС, для обучения больных навыкам управления своим состоянием.

9. Компьютерные игры с БОС.

10. Системы с семантическим резонансом. Компьютерные (Y-технологии и интеллектуальный подсознательный интерфейс.

11. Системы виртуальной реальности и критерии реальности. Эффекты присутствия, деперсонализации и модификация сознания пользователя.

12. Классическое определение системы виртуальной реальности.

13. "Эффект присутствия" в виртуальной реальности.

14. Применения систем виртуальной реальности.

15. Модификация сознания и самосознания пользователя в виртуальной реальности.

16. Авторское определение системы виртуальной реальности.

17. Критерии реальности при различных формах сознания и их применение в виртуальной реальности.

18. Принципы эквивалентности (относительности) Галилея и Эйнштейна и критерии виртуальной реальности.

19. Системы с дистанционным телекинетическим интерфейсом.



1. Основные понятия и определения, связанные с системами распознавания образов.

2. Признаки и образы конкретных объектов, метафора фазового пространства.

3. Признаки и обобщенные образы классов.

4. Обучающая выборка и ее репрезентативность по отношению к генеральной совокупности. Ремонт (взвешивание) данных.

5. Основные операции: обобщение и распознавание.

6. Обучение с учителем (экспертом) и самообучение (кластерный анализ).

7. Верификация, адаптация и синтез модели.

8. Проблема распознавания образов.

9. Классификация методов распознавания образов.

10. Применение распознавания образов для идентификации и прогнозирования. Сходство и различие в содержании понятий "идентификация" и "прогнозирование".

11. Роль и место распознавания образов в автоматизации управления сложными системами.

12. Обобщенная структура системы управления.

13. Место системы идентификации в системе управления.

14. Управление как задача, обратная идентификации и прогнозированию.

15. Методы кластерного анализа.

16. Метод кластеризации: "Древовидная кластеризация".

17. Метод кластеризации: "Двувходовое объединение".

18. Метод кластеризации: "Метод K средних".



1. Многообразие задач принятия решений.

2. Принятие решений, как реализация цели.

3. Принятие решений, как снятие неопределенности (информационный подход).

4. Связь принятия решений и распознавания образов.

5. Классификация задач принятия решений.

6. Языки описания методов принятия решений.

7. Критериальный язык.

8. Язык последовательного бинарного выбора.

9. Обобщенный язык функций выбора.

10. Групповой выбор.

11. Выбор в условиях неопределенности.

12. Информационная (статистическая) неопределенность  в исходных данных.

13. Неопределенность последствий.

14. Расплывчатая неопределенность.

15. Решение как компромисс и баланс различных интересов. О некоторых ограничениях оптимизационного подхода.

16. Экспертные методы выбора.

17. Юридическая ответственность за решения, принятые с применением систем поддержки принятия решений.

18. Условия корректности использования систем поддержки принятия решений.

19. Хранилища данных для принятия решений.



1. Основные понятия, принципы и предпосылки генетических алгоритмов.

2. Пример работы простого генетического алгоритма.

3. Достоинства и недостатки генетических алгоритмов.

4. Примеры применения генетических алгоритмов.




1. Биологический нейрон и формальная модель нейрона Маккалоки и Питтса.

2. Возможность решения простых задач классификации непосредственно одним нейроном.

3. Однослойная нейронная сеть и персептрон Розенблата.

4. Линейная разделимость и персептронная представляемость.

5. Многослойные нейронные сети.

6. Многослойный персептрон.

7. Модель Хопфилда.

8. Когнитрон и неокогнитрон Фукушимы.

9. Проблемы и перспективы нейронных сетей.

10. Модель нелокального нейрона и нелокальные интерпретируемые нейронные сети прямого счета.

11. Метафора нейросетевого представления семантической информационной модели.

12. Соответствие основных терминов и понятий.

13. Гипотеза о нелокальности нейрона и информационная нейросетевая парадигма.

14. Решение проблемы интерпретируемости весовых коэффициентов (семантическая мера целесообразности информации и закон Фехнера).

15. Семантическая информационная модель, как нелокальная нейронная сеть.

16. Гипотеза о физической природе нелокального взаимодействия нейронов в нелокальной нейронной сети.

17. Решение проблемы интерпретируемости передаточной функции.

18. Решение проблемы размерности.

19. Решение проблемы линейной разделимости.

20. Моделирование причинно-следственных цепочек в нейронных сетях и семантической информационной модели.

21. Моделирование иерархических структур обработки информации.

22. Нейронные сети и СК-анализ.

23. Графическое отображение нейронов, Паррето-подмножеств нелокальной нейронной сети, семантических сетей, когнитивных карт и диаграмм в системе "Эйдос".




1. Ограничения АСК-анализа и обоснованное расширение области его применения на основе научной индукции.

2. Перспективы применения АСК-анализа в управлении.

3. Оценка рисков страхования и кредитования предприятий.

4. Мониторинг, прогнозирование и управление в финансово-экономической сфере.

5. Некоторые перспективные области применения АСК-анализа.

6. Развитие АСК-анализа.

7. Многоагентные распределенные системы обнаружения, накопления и использования знаний в Internet.

8. Развитие АСК-анализа с применением теории нечетких множеств и неклассической логики.

9. Динамика взаимодействующих семантических пространств и создание континуального АСК-анализа.

10. Перспективные области применения АСК-анализа и систем искусственного интеллекта.



Содержание раздела