Учебник. 1. Как называлась первая экспертная системанет правильного ответаmacsymamaksymaDendrealDendreal,macsyma2
 Скачать 204.63 Kb.
|
|
195. По типам отношений семантические сети подразделяются на: √ бинарные, парные • неоднородные • однородные, неоднородные • бинарные, неоднородные • однородные, бинарные 196. По количеству отношений семантические сети подразделяются на: √ однородные, неоднородные • неоднородные • бинарные, парные • бинарные, неоднородные • однородные, бинарные 197. Модель, основанная на изображении понятий с помощью точек и отношений между ними с помощью дуг на плоскости является: • продукционная модель • логическая модель • фреймовая модель • фреймовая сеть √ семантическая сеть 198. Модель, построенная на отдельных фреймах (рамках), которые являются единицами представления информации называется: √ фреймовая модель • логическая модель • продукционная модель • семантическая сеть • фреймовая сеть 199. Модель, основанная на представлении знаний в форме правил, структурированных в соответствии с образцом <<ЕСЛИ (условие), ТО (действие)>> является: • семантической сетью • математичкской моделью • логической моделью • фреймовой моделью √ продукционной моделью 200. Вслед за правилом Друг(Х):-Собака (X) записано правило Друг(Х):-Кот(Х). Каким будет ответ на цель: ?Друг(Х) • нет; • да. √ тузик, фантик, кузя; • фантик, кузя; • кузя 201. В БЗ записаны правила: Друг(Х):-Собака(X). Друг(X):-Кот(X). Каким будет ответ на цель: ?Друг(Х),Кот(Х) √ кузя; • тузик, фантик. • нет решения • да; • тузик, фантик, кузя 202. Переменная (в терминологии Пролога) служит для обозначения √ различных объектов • конкретного факта; • различных правил; • конкретной цели; • различных фактов 203. Запись сын(А,В):–отец(В,А) является: √ правилом; • нет правильного ответа. • механизмом вывода; • целью; • фактом; 204. Запись сын(А,В):–отец(В,А) означает: √ ЕСЛИ А – сын В, ТО В является отцом А; • нет правильного ответа. • ЕСЛИ В – сын А, ТО А является отцом В; • ЕСЛИ А – отец В, ТО В является сыном А; • ЕСЛИ В – отец А, ТО А является сыном В; 205. В записи сын(А,В):–отец(В,А) – … • сын(А,В) – тело правила; √ отец(В,А) – тело правила; • сын(А,В) – левая конечность правила; • отец(В,А) – правая конечность правила • нет правильного ответа. 206. В записи сын(А,В):–отец(В,А) – … • отец(В,А) – голова правила; • отец(В,А) – правая конечность правила √ сын(А,В) – голова правила; • нет правильного ответа. • сын(А,В) – левая конечность правила; 207. В записи сын(А,В):–отец(В,А) – … √ А,В – аргументы; • А,В – факты. • В,А – тело правила; • А,В – голова правила; • А,В – результаты; 208. В записи сын(А,В):–отец(В,А) – А и В … √ переменные, не являющиеся именами конкретных объектов • переменные, являющиеся именами конкретных объектов • все ответы правильные. • константы, являющиеся именами конкретных объектов • аргументы, являющиеся именами конкретных объектов; 209. Если планета движется вокруг Солнца, то это планета Солнечной системы. Это … √ правило • нет правильного ответа; • механизм вывода; • цеь • факт 210. В основу языка логического программирования ПРОЛОГ положена … • логическая модель структуры базы знаний; • нет правильного ответа. • модель правил базы знаний; • модель эксперта; √ модель логических рассуждений на основе базы знаний; 211. Обучающее множество состоит • Из обратных связей • Из достаточно близких входных векторов √ Лишь из входных векторов • Из выходных векторов • Из входных и выходных векторов 212. Способность к обучению возможна в • Алгоритмах оптимизации • Все ответы верны √ Нейронной сети • Нейроне • Алгоритмах прогнозирования 213. Нейронная сеть способна • Предъявлять на вход вектора √ Обучаться • Минимизировать ошибку • Выделять статистические свойства • Состоять лишь из входных векторов 214. Модель, основанная на представлении знаний в форме правил, структурированных в соответствии с образцом <<ЕСЛИ (условие), ТО (действие)>> является: • логической моделью • модель √ продукционной моделью • семантической сетью • фреймовой моделью 215. Какие операции возможны над нечеткими отнощениями? • объединение двух отношений R1 и R2, дизъюнктивная сумма, обычное отношение , ближайшее к нечеткому, композиция √ объединение двух отношений R1 и R2, пересечение двух отношений R1 и R2 , алгебраическое произведение двух отношений R1 и R2 , алгебраическое сумма двух отношений R1 и R2 , дополнение, дизъюнктивная сумма, обычное отношение , ближайшее к нечеткому, композиция • объединение двух отношений R1 и R2, пересечение двух отношений R1 и R2 , алгебраическое произведение двух отношений R1 и R2 , дополнение, дизъюнктивная сумма, обычное отношение , ближайшее к нечеткому, композиция • объединение двух отношений R1 и R2, пересечение двух отношений R1 и R2 , алгебраическое произведение двух отношений R1 и R2 , алгебраическое сумма двух отношений R1 и R2 , дополнение, • нет правильного ответа 216. Как задается нечеткое толерантное число? • соответственно, четверкой параметров A=( a1 ,a2, ,β), где a1 ,a2 – границы толерантности, т.е. в промежутке [a1 ,a2] значение функции принадлежности равно 1 • соответственно, четверкой параметров A=( a1 ,a2, α,), где a1 ,a2 – границы толерантности, т.е. в промежутке [a1 ,a2] значение функции принадлежности равно 1 √ соответственно, четверкой параметров A=( a1 ,a2, α,β), где a1 ,a2 – границы толерантности, т.е. в промежутке [a1 ,a2] значение функции принадлежности равно 1 • соответственно, четверкой параметров A=( a1 ,a2, α,β), где a1 ,a2 – границы толерантности, т.е. в промежутке [a1 ,a2] значение функции принадлежности равно 1 • соответственно, четверкой параметров A=( a1 , α,β), где a1 ,a2 – границы толерантности, т.е. в промежутке [a1 ,a2] значение функции принадлежности равно 1 217. Нечеткое число A положительно… • если xЄSA , x= 0 и отрицательно, если xЄSA ,если x<0 √ если xЄSA , x> 0 и отрицательно, если xЄSA ,если x<0 • если xЄSA , x> 0 , если xЄSA ,если x<0 • если xЄSA , x< 0 и отрицательно, если xЄSA ,если x>0 • если xЄSA , x> 0 и отрицательно, если xЄSA ,если x=0 218. Нечеткие числа A нормально… • если max μA(x)=1, выпуклое ,если для любых x≤y≤z выполняется μA(x)≤ μA(y)≤ μA(z) √ если max μA(x)=1, выпуклое ,если для любых x≤y≤z выполняется μA(x)≥ μA(y)≥ μA(z) • если max μA(x)=1, выпуклое ,если для любых выполняется μA(x)≥ μA(y)≥ μA(z) • если min μA(x)=1, выпуклое ,если для любых x≤y≤z выполняется μA(x)≥ μA(y)≥ μA(z) • если minmax μA(x)=1, выпуклое ,если для любых x≤y≥z выполняется μA(x)≥ μA(y)≥ μA(z) 219. Нечеткие числа… • переменные, определенные на числовой оси,т.е. нечеткое число определяется как нечеткое множество A на множестве действительных чисел R с функцией принадлежности • переменные, определенные на числовой оси,т.е. нечеткое число определяется как нечеткое множество A на множестве действительных чисел R с функцией принадлежности μA(x) Є[0,1], где x-действительное число, xЄR √ нечеткие переменные, определенные на числовой оси,т.е. нечеткое число определяется как нечеткое множество A на множестве действительных чисел R с функцией принадлежности μA(x) Є[0,1], где x-действительное число, xЄR • переменные, определенные на числовой оси,т.е. нечеткое число определяется как нечеткое множество A на множестве действительных чисел R с функцией принадлежности μA(x) Є[0,1] • нет правильнго ответа 220. Булева алгебра применяется в • Построениях бах данных √ Компьютерной технике • Физике • Математике • Информационных технологиях 221. Операции в булевой алгебре продуманы таким образом, чтобы ее можно было использовать в … рассуждениях • Интеллектуальных • Практических √ Логических • Теоретических • Человеческих 222. : Объекты, с которыми оперирует булева алгебра • числа √ не числа • различные алгебры • некоторые количества • некоторые интерпретации 223. Наращение – это: • Отношение наращенной суммы к первоначальной сумме долга; • Базисный темп уменьшения. √ Процесс увеличения капитала за счет присоединения процентов; • Базисный темп роста; • Движение денежного потока от настоящего к будущему; 224. Через ¦А¦ обозначают количество элементов конечного множества А. Число ¦А¦ называют также • размерностью • силой • тягой • весом √ мощностью 225. Что представляет из себя сеть Петри? • Ориентированный граф N={F,R} • Ориентированный граф N={F,T} • Не ориентированный граф √ Ориентированный граф N={T,P,F,R} • Ориентированный граф N={T} 226. Лингвистической переменной называется набор… √ (β,T,X,G,M) , где β - наименование лингвистической переменной, T- терм множеств,X- области определения,G-синтаксическая процедура,M- семантическая процедура • (β,T,X,G,M) , где β - наименование лингвистической переменной, T- терм множеств,X- области определения, M- семантическая процедура • (β,T,X,G,M) , где β - наименование лингвистической переменной, T- терм множеств,X- области определения,G-синтаксическая процедура • (β,T,X,G,M) , где β - наименование лингвистической переменной, T- терм множеств, G-синтаксическая процедура,M- семантическая процедура • (β,T,X,G,M) , где β - наименование лингвистической переменной, X- области определения,G-синтаксическая процедура,M- семантическая процедура 227. Нечеткая переменная как характеризуется? • X- универсальное множество, A- нечеткое множество на X, описывающее ограничения на значения нечеткой переменной α • α – наименование, X- универсальное множество, A- нечеткое множество на X, описывающее ограничения на значения нечеткой переменной β √ α – наименование, X- универсальное множество, A- нечеткое множество на X, описывающее ограничения на значения нечеткой переменной α • α – наименование, A- нечеткое множество на X, описывающее ограничения на значения нечеткой переменной α • α – наименование, X- универсальное множество, A- нечеткое множество на X 228. Как определяется четкое множества α-уровня ? √ A α={x/ μA(x)≥ α }, где α≤1, где A α подмножество универсального множества E • A α={x/ μA(x)≥ α }, где α=1, где A α подмножество универсального множества E • A α={x/ μA(x)≥ α }, где α≤1, где A α подмножество универсального множества E • A α={x/ μA(x)≤ α }, где α≤1, где A α подмножество универсального множества E • A α={x/ μA(x)≥ α }, где A α подмножество универсального множества E 229. Оператор увлечения нечеткости используется… √ для преобразования четких множеств в нечеткие и для увлечения нечеткости нечеткого множества • для преобразования четких множеств в нечеткие и для увлечения нечеткого множества • для преобразования четких множеств в нечеткие и для увлечения четкости нечеткого множества • для преобразования нечетких множеств в четкие и для увлечения нечеткости нечеткого множества • для преобразования четких множеств в нечеткие и для увлечения нечеткости множества 230. Как определяется Декартовое произведение нечетких множеств? • μA(x1,x2,..xn)=max( μA(x2),… μA(xn)) • μA(x1,..xn)=min(μA(x1), μA(x2),… μA(xn)) √ μA(x1,x2,..xn)=min(μA(x1), μA(x2),… μA(xn)) • μA(x1,x2,..xn)=max(μA(x1), μA(x2),… μA(xn)) • μA(x1,x2,..xn)=min(μA(x1),… μA(xn)) 231. К алгебраическим операциям над нечеткими множествами не относится? (Çəki: 1) • коммутативность, ассоциативность, идемпотентность, дистрибутивность • ассоциативность, идемпотентность, теоремы де Моргана • Декартово произведение нечетких множество оператор увеличения нечеткости, четкое множество • коммутативность, идемпотентность, дистрибутивность, теоремы де Моргана √ идемпотентность, дистрибутивность 232. В случае ограниченных операций не будут выполняться ..? • Нет правильного ответа • AU(B ∩C) ≠(A ∩B)U(A ∩C), A ∩(BUC) ≠(AUB) ∩(A ∩C) √ AU(B ∩C) ≠(A ∩B)U(A ∩C), A ∩(BUC) ≠(AUB) ∩(AUC) • A∩A-≠0, AUA-≠1 • AUA-≠A, A∩A-≠A 233. К алгебраическим операциям относится? √ коммутативность, ассоциативность, теоремы де Моргана • коммутативность, ассоциативность, идемпотентность, теоремы де Моргана • коммутативность, идемпотентность, дистрибутивность, теоремы де Моргана • коммутативность, ассоциативность, идемпотентность, дистрибутивность • коммутативность, ассоциативность, идемпотентность, дистрибутивность, теоремы де Моргана, умножение на числа, выпуклая комбинация нечетких множеств, Декартово произведение нечетких множество оператор увеличения нечеткости, четкое множество 234. Какие условия должна удовлетворять треугольная конорма (t-конорма)? √ ассосицивность, коммутативность, монотонность, органичность • ассосицивность, коммутативность, монотонность • коммутативность, монотонность, органичность • ассосицивность, коммутативность, органичность • ассосицивность, монотонность, органичность 235. Какие условия должна удовлетворять треугольная конорма (t-конорма)? 1) S(1,1)= 1, S(μA,1)= μA; S(0, μA)= μA - органичность 2) S(μA, μB)≥ S(μC, μD), если μA≥μC, μB ≥μD – монотонность 3) S(μA, μB)=S(μB, μA,) – коммутативность 4) S(μA,S( μB, μC)=S(S(μA, μB ),μC)- ассосицивность • 1,2,4 • 2.4 • 1,2,3 √ 1,2,3,4 • 2,3,4 236. Какие условия должна удовлетворять треугольная норма ( t- норма)? √ ассосицивность, коммутативность, монотонность, органичность • ассосицивность, коммутативность, монотонность • коммутативность, монотонность, органичность • ассосицивность, коммутативность, органичность • ассосицивность, монотонность, органичность 237. Какие условия должна удовлетворять треугольная норма ( t- норма)? 1) T(0,0)= 0, T(μA,1)= μA; T(1, μA)= μA - органичность 2) T(μA, μB)≤ T(μC, μD), если μA≤ μC, μB ≤ μD – монотонность 3) T(μA, μB)=T(μB, μA,) – коммутативность 4) T(μA,T( μB, μC)=T(T(μA, μB ),μC)- ассосицивность • 1.3 • 1,4,3 √ 1,2,3,4 • 1,2,3 • 2.4 238. Гибридная нейронная сеть- • это нейронная сеть с четкими числами, весами и активационной функций, но с объединением хi и ui , p1 с использованием t - нормы, t- конормы или других непрерывных операций • это нейронная сеть с четкими числами, весами и активационной функций, но с объединением хi, p1 и p2 с использованием t - нормы, t- конормы или других непрерывных операций • это нейронная сеть с четкими числами, весами и активационной функций, но с объединением хi и ui , p1 и p2 с использованием t- конормы или других непрерывных операций • это нейронная сеть с четкими числами, весами и активационной функций, но с объединением ui , p1 и p2 с использованием t - нормы, t- конормы или других непрерывных операций √ это нейронная сеть с четкими числами, весами и активационной функций, но с объединением хi и ui , p1 и p2 с использованием t - нормы, t- конормы или других непрерывных операций 239. Каким будет ответ на цель: ?Хозяин(Х, кузя),Хозяин(Х,тузик). • да; • нет. • оля; √ андрей; • андрей, оля; 240. Выбрать цель, позволяющую найти всех собак в возрасте 3 года и имеющих хозяина Андрея. • Собака(X), Возраст(3,X), Хозяин(андрей,X). • Собака(Y), Возраст(Х,3), Хозяин(андрей,Х); • Собака(X), Возраст(Y,3), Хозяин(андрей,Y); • Собака(Y), Возраст (3,Х), Хозяин(андрей,Х); √ Собака(Х), Возраст(Х,3), Хозяин(андрей,Х); 241. Выбрать цель, позволяющую найти всех котов в возрасте 6 лет. √ Кот(Х),Возраст(Х,6); • Кот(Х),Возраст(6,Х); • Кот(Х),Возраст(6,Y); • Возраст(Кот,6). • Кот(Х),Возраст(Y,6); 242. В БЗ записаны правила: Друг(Х):-Собака(X). Друг(X):-Кот(X). Каким будет ответ на цель: ?Друг(Х),Кот(Х) √ кузя; • да; • нет решения • тузик, фантик. • тузик, фантик, кузя 243. Каким будет ответ на цель: ?Друг(Х) √ тузик, фантик; • нет; • кузя; • да. • тузик; 244. В каких случаях в ПРОЛОГЕ употребляется конъюнкция? √ в теле правил и в сложных запросах; • в теле правил; • в фактах; • во всех случаях в ПРОЛОГЕ употребляется только дизъюнкция. • в сложных запросах; 245. Данные хранятся в одном в единственном экземпляре при архитектуре..? √ трехуровневое хранилище данных • функциональной системы • четырехуровневое хранилище данных • нет правильного ответа • трехуровневое хранилище данных 246. Какие архитектуры систем поддержки принятия решений бывают? √ независимые витрины данных; трехуровневое хранилище данных • независимые витрины данных; • одноуровневое хранилище данных, • зависимые витрины данных • трехуровневое хранилище данных 247. К какому классу относится система поддержки принятия решения, чья база знаний сформирована многими экспертами? √ первому • третьему • первому, третьему • второму, третьему • второму 248. На концептуальном уровне выделяют системы поддержки принятия решений… √ управляемые сообщениями; управляемые данными; управляемые документами; управляемые знаниями; управляемые моделями. • управляемые сообщениями ;управляемые документами ;управляемые знаниями ;управляемые моделями. • управляемые сообщениями; управляемые данными; управляемые моделями. • управляемые сообщениями; управляемые данными; • управляемые сообщениями; управляемые данными; управляемые документами; управляемые знаниями; |