Биологический подход к решению задач искусственного интеллекта. Генетические алгоритмы и их использование. Нейронные сети и их использование. — КиберПедия 

Архитектура электронного правительства: Единая архитектура – это методологический подход при создании системы управления государства, который строится...

Индивидуальные очистные сооружения: К классу индивидуальных очистных сооружений относят сооружения, пропускная способность которых...

Биологический подход к решению задач искусственного интеллекта. Генетические алгоритмы и их использование. Нейронные сети и их использование.

2017-12-22 131
Биологический подход к решению задач искусственного интеллекта. Генетические алгоритмы и их использование. Нейронные сети и их использование. 0.00 из 5.00 0 оценок
Заказать работу

Понятие о биологическом подходе к решению задач искусственного интеллекта. Генетические алгоритмы и их использование для задач поиска оптимального решения. Структура генетического алгоритма. Отбор, мутация и скрещивание (кроссовер) в генетическом алгоритме. Моделирование нейронов (модели персептрона, адалайна, Хебба, инстар-оутстар и т.д.). Основные виды нейронных сетей и их использование.

Экспертные системы: структура, назначение, классификация. Методы построения экспертных систем. Понятие о инженерии знаний.

Понятие экспертной системы. Структура экспертной системы (основные блоки). Пояснить назначение блоков интеллектуального интерфейса, механизма логического вывода, базы знаний, системы обучения. Классификация экспертных систем по назначению и методам построения. Методы построения экспертных систем (нечеткая логика, семантические сети, продукционно-фреймовая система, нейронные сети и т.д.). Понятие машинного обучения, роль эксперта и инженера знаний в процессах пополнения знаний.

Математические модели в физике, химии, биологии и экономике.

Перечисляются известные модели физики (модели теплопроводности, колебательной системы), химии (кинетические модели химических реакций, структурные модели) и связанные с ними задачи моделирования, биологии (модель внутри и межвидовой борьбы, логистическая модель), экономики (транспортная задача, распределение ресурсов, распределение потоков в сети, определение кратчайших путей).

Стохастическое моделирование. Метод Монте-Карло в моделировании. Генерирование случайных и псевдослучайных чисел. Методы и алгоритмы генерации. Генерирование случайных чисел распределенных по экспоненциальному, нормальному и произвольно заданному закону распределения.

Понятие стохастического моделирования. Понятие детерминированного процесса, случайного процесса, шума. Сущность метода Монте-Карло. Применение данного метода для вычисления интегралов, поиска экстремума, проверки равномерности распределения. Построение генераторов случайных чисел. Понятие псевдослучайных чисел. Различные виды генераторов: табличный, аппаратный и алгоритмический способ. Примеры алгоритмических генераторов (генератор Фон-Неймана, линейный генератор, генератор Таусворта). Закон распределения случайных величин. Генерация случайных величин распределенных по экспоненциальному, нормальному и произвольному закону распределения.

Моделирование потоков случайных событий. Системы массового обслуживания. Основные понятия и характеристики потоков. Классификация систем массового обслуживания. Оценка основных параметров систем массового обcлуживания (очередь, время ожидания и т.д.).

Потоки событий их параметры и классификация. Характеристика потоков - плотность, распределение, последействие, однородность, стационарность. Системы массового обслуживания - понятие, классификация, примеры. Графовая модель СМО. Вероятность перехода. Уравнения Колмогорова. Финальные вероятности. Основные характеристики СМО - длина очереди, время ожидания, число отказов, время обслуживания. Схема гибели и размножения.

Основы теории погрешности. Прямая и обратная задачи теории погрешностей. Оценка погрешности.

Понятие погрешности и ее виды. Абсолютная и относительная погрешность, оценка погрешности. Прямая и обратная задачи теории погрешности. Пример вычисления погрешностей суммы, разности, произведения, частного.

Численные методы решения нелинейных уравнений с одним неизвестным.

Методы решения нелинейных уравнений. Отделение корней нелинейного уравнения. Уточнение корней. Метод дихотомии (деления отрезка пополам). Конечные и итерационные методы. Метод простой итерации. Сходимость метода. Метод Ньютона. Сравнение методов.

Решение систем линейных уравнений: конечные и итерационные методы.

Численные методы решения СЛАУ. Метод Гаусса. Приведение матрицы системы к треугольному виду с помощью исключений. Прямой и обратный ход метода. Выбор главного элемента. Метод полного исключения Жордана. Сравнение методов. Итерационные методы решения СЛАУ. Метод простой итерации. Норма матрицы. Метод Зейделя. Невязка.


Поделиться с друзьями:

Семя – орган полового размножения и расселения растений: наружи у семян имеется плотный покров – кожура...

Поперечные профили набережных и береговой полосы: На городских территориях берегоукрепление проектируют с учетом технических и экономических требований, но особое значение придают эстетическим...

Папиллярные узоры пальцев рук - маркер спортивных способностей: дерматоглифические признаки формируются на 3-5 месяце беременности, не изменяются в течение жизни...

История создания датчика движения: Первый прибор для обнаружения движения был изобретен немецким физиком Генрихом Герцем...



© cyberpedia.su 2017-2024 - Не является автором материалов. Исключительное право сохранено за автором текста.
Если вы не хотите, чтобы данный материал был у нас на сайте, перейдите по ссылке: Нарушение авторских прав. Мы поможем в написании вашей работы!

0.009 с.