Expert Systems, Drago(1)

1.

2 points

Кои от етапите от процеса на вземане на решение принадлежат на проучвателната фаза ?

Генериране на алтернативи за решаване на проблема.

Адресиране на проблема.

Формиране на критерии за избор.

Класификация на проблема.

Декомпозиция на проблема

2.

2 points

Кои проблеми са структурирани?

За които решение се намира чрез използването на математически модел.

За които има строго детерминирана процедура за намиране на решение.

За които няма строго детерминирана процедура за намиране на решение.

За които има предварително известно решение.

3.

2 points

Определяне на обхвата на проблема е:

Определяне на подобласт от предметната област, за която се отнася проблема.

Намиране на симптомите на проблема.

Декомпозиране на проблема.

Определяне на частта от данните за текущото състояние в предметната област.

4.

2 points

Генерирането на алтернативи чрез математически модел е:

Процес на взаимодействие между експерт и инженер по знанията.

Процес на задаване на стойности на изходните променливи.

Процес на задаване на стойности на независимите променливи.

Процес на задаване на стойности на неконтролируемите променливи.

5.

2 points

Чрез кой критерий се достига до най-евтино решение?

Достигане на максимума на целите при зададена цена.

Достигане на минимална цена при зададена ефективност.

Най-високо достигане на целите при минимална цена.

6.

2 points

Резултата при кой вид търсене е най-добър.

Пълно сляпо.

Евристично.

Аналитично.

Частично сляпо.

7.

2 points

Кой метод за търсене е най-ефективен?

Пълно сляпо.

Частично сляпо.

Евристично.

Друго.

8.

2 points

Какъв подход за търсене при вземане на решение използват най-често експертите?

Пълно сляпо търсене.

Частично сляпо търсене.

Евристично търсене.

Друг.

9.

2 points

Кое е излишно?

Метазнания (знания за знанията).

Факти за проблемната област.

Евристични правила относно предметната област.

Теории за предметната област.

Глобални стратегии за решаването на проблеми.

Метод на извод на решение.

10.

2 points

Кои от характеристиките принадлежат на експертна система ?

Необходима е пълна информация за работата.

Не се обяснява резултата.

Може да работи и ако не е напълно завършена.

Възможни са грешки при вземането на решение.

11.

2 points

Кое НЕ е предимство на експертните системи?

Работят само в тесни предметни области.

Вземат решение в условията на риск.

Проблема се формулира от потребителя.

Ускоряват вземането на решение.

12.

2 points

Модела на предметната област на ЕС съдържа:

“Следа” от процеса на извод на решение.

Алгоритми за извод на решение.

Знания за предметната област.

Данни за текущото състояние на предметната област.

13.

2 points

В декларативните продукционни модели за представяне на знания структурата на символния низ е:

Данни за текущото състояние на предметната област.

Преобразуванията в предметната област.

Метода за извод.

Знанията за предметната област.

14.

2 points

В декларативните продукционни модели за представяне на знания извода на решение е:

Независим от предметната област.

Зависим от предметната област.

В едни случаи е зависим, а в други зависим.

15.

2 points

В декларативните продукционни модели за представяне на знания управлението на извода на решение се заключава до:

Избор на подмножество от всички продукции, които могат да се приложат в дадено състояние.

Избор на алтернатива при възврат.

Избор на състояние, което е подцел за да се приложи редукция.

Избор на път в пространство на състоянията.

16.

2 points

За декларативните модели за представяне на знания е характерно:

Необходимост от пълни данни за предметната област при извод на решение.

Няма необходимост от пълни данни за предметната област при извод на решение.

Друго.

17.

2 points

Семантичната мрежа има върхове, които съответстват на:

Атрибутивни отношения.

Понятия.

Лингвистични отношения.

Събития.

18.

2 points

Процеса на извод на решение при семантичните мрежи представлява:

Търсене между всички алтернативи.

Асоциативно търсене.

Евристично търсене.

Разпределение на възбужданията между възлите на мрежата.

Оптимизационен процес.

19.

2 points

Условията за попълване на слот във фрейма са:

Имена на други фрейми.

Имена на слотове на други фрейми.

Мрежи от фрейми.

Указатели на по-общи фрейми.

20.

2 points

Структурата на невронната мрежа съответства на:

Знанията за предметната област.

Актуалното състояние в предметната област

Алгоритъма за извод на решение.

21.

2 points

Извличането на знания чрез генерация на правила е подход ,чрез който:

Използва се като помощно средство за генериране на правила за цялата ПО.

Използва се като помощно средство за генериране на правила за локални подобласти на ПО.

Може да се използва от потребителя при разширяването на МПО.

Може да бъде заменен експерта .

22.

2 points

Чрез прилагането на процедурата за извличането на знания чрез генерация на правила:

Се постига генерирането на правила за БЗ на ЕС с крайни заключения.

Се постига генерирането на правила за БЗ на ЕС с междинни заключения.

Се постига генерирането на правила за БЗ на ЕС с крайни и междинни заключения.

Се постига генерирането на правила за БЗ на ЕС с крайни заключения в рамките на части от БЗ.

23.

2 points

При извличането на знания чрез генерация на правила филтрация на атрибутите се прави въз основа на следните критерии:

отхвърлят се атрибутите с числови нива.

одобряват се атрибутите, чиито нива лесно могат да се установят от потребителя при използването на ЕС.

отхвърлят се атрибутите със символни нива.

отхвърлят се атрибутите за чиито нива има данни при използването на ЕС.

24.

2 points

При извличането на знания чрез генерация на правила филтрация на атрибутите се прави въз основа на следните критерии:

отхвърлят се атрибутите, които водят до увеличаване на броя на правилата.

отхвърлят се атрибутите, които водят до увеличаване на броя на предпоставките на правилата.

отхвърлят се атрибутите, които имат най-много нива.

отхвърлят се атрибутите, които не са полезни от гледна точка на целите на ЕС.

25.

2 points

Сложността на съставяния граф при генерация на правила зависи от:

от подреждането на върховете решения в графа.

от избора на първия атрибут, за който се строи връх.

от цялата последователност на избрани атрибути за построяване на графа.

от подреждането на дъгите съответстващи на нива на атрибути.

26.

2 points

Вида на генерираните правила от процедурата за генериране на правила зависи от:

броя на нивата на атрибутите.

броя на атрибутите.

трасираните вериги в графа.

броя на върховете решение в графа.

27.

2 points

Броя на генерираните правила от процедурата за генериране на правила зависи от:

броя на нивата на атрибутите.

трасираните вериги в графа.

броя на атрибутите.

броя на върховете решение в графа.

28.

2 points

Минимизирането на броя на правилата и техните предпоставки води до:

по-трудна модификация на БЗ.

по-ефективен извод на решение.

по-лесна модификация на БЗ.

по-неефективен извод на решение.

29.

2 points

Какво е сляпо търсене?

при което се прави случаен избор на алтернатива между всички възможни алтернативи.

при което сляпо се взимат няколко алтернативи, между които се избира.

при което се избира алтернатива отговаряща на зададени критерии между всички възможни алтернативи.

при което случайно се избира първата генерирана алтернатива.

30.

2 points

При търсене “напред” ефективността зависи от:

количеството данни за текущото състояние в ПО предоставени от потребителя.

ширината на локалната област от ПО, за която потребителя предоставя данни на ЕС.

сигурността на данните предоставени от потребителя.

избора на локална област от ПО, за която потребителя предоставя данни на ЕС.

31.

2 points

При търсене “напред” ефективността на извода може да се увеличи чрез:

използване на по-бърз компютър.

използване на евристични правила за избор на фактор за сигурност.

използване на евристични правила за избор на правила които да се “използват” или “маркират” при равни други условия.

използване на евристични правила за избор на заключение при множествени заключения.

32.

2 points

Търсене “назад” е възможно ако:

няма данни за текущото състояние в ПО.

е известен атрибута цел заедно с нивото му.

е известно нивото на атрибута цел.

е известен атрибута цел.

33.

2 points

При търсене “назад” ефективността зависи от:

начина на извършване на редукцията на целите.

въпросите задавани към потребителя.

фактора за сигурност на избраните правила.

избора от множеството правила съдържащи целта в заключението си.

34.

2 points

При търсене “назад” ефективността на извода може да се увеличи чрез:

използване на евристични правила за избор на фактор за сигурност.

използване на евристични правила за избор на правила които да се “използват”.

използване на евристични правила за избор на заключение при множествени заключения.

използване на по-бърз компютър.

35.

2 points

Процедурата за търсене “назад” е процедура за:

проверка и избор между всички възможности.

търсене чрез “оптимизация”.

сляпо търсене.

изчисляване на числова стойност на атрибута цел.

36.

2 points

С каква цел се използва смесено търсене?

за увеличаване на фактора за сигурност на решението.

за да се намалят въпросите към потребителя за данни за текущото състояние на ПО.

за увеличаване на ефективността на извода.

за избягване на множествени заключения.

37.

2 points

Какъв е сумарния фактор за сигурност на предпоставката на правилото:
IF A=a cf=0.8
And B=b cf=0.87
And C=c cf=0.7
THEN………….

cf = 0.7

cf < 0.7

cf = 0.87

cf > 0.87

38.

2 points

Какъв е резултантния фактор за сигурност за правилото:
IF A = a cf = 0.6
And B = b cf = 0.5
Or C = c cf = 0.8
THEN W = w cf = 0.8

0.5 < cf > 0.6

cf < 0.5

0.6 < cf > 0.8

cf > 0.8

39.

2 points

Коe от правилата трябва да се премахнe?
Пр1 IF A=x Пр2 IF A=x
And B=y THEN C=z
THEN C=z
Пр3 IF A=x
And B=y
THEN C=z
And D=w

Пр3

Пр1

Пр2

Пр1 и Пр2

40.

2 points

Защо в МПО не трябва да има цикли от правила?

защото в противен случай ще се достигне до грешно решение.

защото в противен случай няма да се достигне до решение.

защото в противен случай резултата ще е с нисък фактор за сигурност.