Kérdések és válaszok 90-142
Országok listája
HungaryBudapesti Műszaki FőiskolaNeumann János Informatikai Főiskolai KarMérnök informatikusIntelligens Rendszerek ElméleteKérdések és válaszok 90-142
2007.12.07 15:03:32
Az alábbi szöveg egy formázás és képek nélküli előnézete a dokumentumnak. A tökéletes megjelenítéshez jelentkezz be, majd töltsd le a dokumentumot.
90. Mi az MI program, tudásalapú rendszer, szakértQi rendszer és kapcsolatuk?
MI program
Olyan programok, amik a beérkezQ információkat valamilyen logikus módszerrel képesek feldolgozni, még akkor is, ha a hagyományos megoldásokkal a probléma nem, vagy csak nehezen lenne kezelhetQ. Azaz többek közt problémákat old meg, tanul korábbi tapasztalataiból, megért természetes nyelvq közléseket, és emellett olyan viselkedést mutat, amit emberek esetében intelligensnek neveznénk.
Tudásalapú rendszerek (Knowledge Based System)
Olyan mesterséges intelligencia program, aminek a tudásbázisa a programtól elkülönítve helyezkedik el.
SzakértQi rendszerek (Expert System)
A tudás alapú rendszerek azon fajtája, ahol szakértQi ismeretek használatával magas szintq megoldást adnak egy szqk, jól definiált problémakörre.
91. Melyek az emberi információ feldolgozás jellemzQi?
Az emberek szeretik a dolgokat egészben átlátni.
Az átláthatóság megkönnyítéséhez a hasonlóságokra (analógiákra) építenek.
Minél kevesebb információ kell egy probléma megoldásához, annál jobban tudnak az emberek együttmqködni.
Az emberek általában egyszerre több dologra koncentrálnak.
Az emberi teljesítmény csökken, ha többször ugyanazt a mqveletet kell elvégezni.
Az emberek csak korlátozottan képesek pusztán statisztikai adatokat értelmezni. (pl.: egy ezer oldalas könyv tele számokkal nem könnyen értelmezhetQ. ()
92. Jellemezze a szakértQi rendszerek piaci fázisait!
1983-85: Az új tudásalapú technológia kutatása
Általános célú, Lisp-alapú nagygépes shellek.
1986-88: Az új technológia bizonyítása a piacon.
Kialakult a közép és kisgépes piac, megjelentek a viszonteladók.
Shell háború.
Az alkalmazások fejlesztésekor prototípusokat készítettek.
TelítQdött a piac.
1989-tQl: A hagyományos és új technológia összeolvadása
Alkalmazás orientált eszközök megjelenése.
Céllá vált a tudásalapú rendszerek építése.
Integrált alkalmazások, és támogató rendszerek kialakulása.
A hibrid shell-ek nagyobb szerepet kaptak.
93. Melyek a tudásalapú technológia kialakulásának lépcsQfokai?
50-es évek
Kialakultak az idegrendszeri hálózatok. (alakfelismerés kezdetei, neurofiziológia alapjai)
60-as évek
Ezt az idQszakot a heurisztikus keresés, és a GPS (General Problem Solver) jellemezte. Rendszereket tételbizonyításokra, sakkjáték szimulálására használták. Az volt az általános feltételezés, hogy a gondolkodás szimbólum manipulációként zajlik. (azaz összehasonlítás, keresés, módosítás, stb.) Ebben a korszakban tevékenykedett pl.: Turing.
70-es évek
Kialakult a tudás reprezentáció, és a tudás alapú technológia. Létrejöttek a szakértQi rendszerek. (pl.: molibdén lelQhely meghatározó szakértQi rendszer volt a PROSPECTOR)
94. Mi a tudás elve és a tudásalapú/szakértQ rendszerek fQbb elQnyei?
A tudás elve
A feladat megoldás képessége, attól függ mennyi és milyen magasan színvonalú speciális tudást képes igénybe venni a feladat megoldása során.
A tudásalapú/szakértQi rendszerek elQnyei
Pótolják a szakértQhiányt, elérhetQ áron terjesztik a szakértQi ismereteket.
A tárgyterület változásait jól követik, a tudásbázist könnyq módosítani.
Növelik a szakértQ képességeit.
Fokozzák a szakértQ produktivitását.
95. Vesse össze az emberi szakértQi tudás és a szakértQi rendszerek ismereteit!
E Emberi szakismeretek M Mesterséges szakismeretek
E Múlandó (ha nem használjuk, elfelejtjük, nehéz átadni,oktatással terjeszthetQ
M Állandó tartós halhatatlan
M Könnyq átvinni reprodukálni,(oktatni a szakértQi rendszerhasználatát kell)
E Nehezen dokumentálható
M Könnyen dokumentálható
E Nem mindig következetes, gyakran labilis (emóciók)
M Mindig következetes (érzéketlen)
E Kreatív, innovatív
M Ihlettelen, lélektelen
E A körülményekhez alkalmazkodik, tanul,
M Csak azt tudja, amit belegépelnek, (nincsenek hatékony gépi tanulási mehanizmusok)
E Általában ismeri tudásának, képességeinek határait
M Nincs tudatában ismeretei korlátainak (hacsak bele nem programozzák Forduljon szakértQhöz)
E Az ember a környezetéhez különbözQ érzékszervekkel kapcsolódik (hall, lát, érez),
M A rendszer felhasználói felülete általában egy féle pl.: korlátozott természetes nyelvi kommunikációt biztosít
E A gondolkodási folyamatok változatosak, gazdagok
M A belsQ feldolgozás szimbólumokkal és numerikus értékekkel manipulál.
E Nagyon meg kell fizetni, és általában nehezen elérhetQ
M ElérhetQ áron megszerezhetQ, a helyszínre vihetQ és sokszorosítható
E Széles látószögbQl, több aspektusból (Dinamikusan, a helyzettQl függQen) vizsgálja a problémákat.
M Szqk technikai látószögq, csak a beépített aspektusokból tud a problémákhoz hozzáállni..
E Többszintq modellekkel operál
M JellemzQen felszíni modelleket használ
E Van hétköznapi józan esze
M Nincs hétköznapi józan esze, csak technikai tudása.
M Nem lehet vakon hinni benne. Csak tanácsot, javaslatot várjunk tQle.
96. Melyek a szakértQi rendszerek fQbb elQnyei?
ÀÛÜ Pótolják a szakértQhiányt, elérhetQ áron terjesztik aszakértQi ismereteket
ÀÛÜ A tárgyterület változásait jól követik, a tudásbázist könnyq módosítani
ÀÛÜ Növelik a szakértQ képességeit
ÀÛÜ Fokozzák a szakértQ produktivitását
ÀÛÜ MegQrzik a szakértelmet
ÀÛÜ Létrehozhatók hagyományos technikával meg nem valósítható rendszerek
ÀÛÜ Mindig következetesek a tanácsadásban
ÀÛÜ Állandóan rendelkezésre állnak
ÀÛÜ Képesek részleges, nem teljeses adatokkal is dolgozni
97. Melyek az emberi információ feldolgozás jellemzQi?
ÀÛÜ Holisztikus, intuitív, analógiákra épülQ információ feldolgozás
ÀÛÜ A döntések irányelvei, perspektívái és szabályai többnyire azonosíthatóak
ÀÛÜ Amint a döntéshez szükséges információ mennyisége csökken, egyre inkább növekszik az emberek közötti együttmqködés
ÀÛÜ Az emberek különösen szervezeti keretek között csak ritkán koncentrálnak csupán egy problémára,hanem bár nem szisztematikusan inkább különbözQ probléma-megoldó helyzetet párhuzamosan kezelnek
ÀÛÜ Az emberi teljesítmény csökkenhet, ha egymással összefüggQ feladatokat kell különbözQ kidolgozási szinten párhuzamosan kezelni
ÀÛÜ Az emberek csak erQsen korlátozottan képesek logikailag ellentmondásos vagy statisztikai információkat kezelni.
98. Melyek az emberi információ feldolgozás tipikus hibái?
ÀÛÜ Vágy az önigazolásra
ÀÛÜ A tények és a jelenségek összetévesztése
ÀÛÜ A megerQsítés iránti elfogultság
ÀÛÜ A személyes tapasztalat túlhangsúlyozása
ÀÛÜ Konzervativizmus
ÀÛÜ A visszaemlékezés könnyqsége
ÀÛÜ A hazárdjátékos tévhite
ÀÛÜ Utólagos éleslátás
ÀÛÜ A kontroll illúziója
ÀÛÜ Az összefüggés illúziója
ÀÛÜ Sorozat hatás,
99. Milyen feladatok megoldására készülnek a döntéstámogató rendszerek, melyek a döntési típusok?
ÀÛÜ A döntéstámogató rendszerek a részlegesen vagy rosszul strukturált helyzetekben, a szervezetek döntéshozóit segítik a technológiai és vezetQi döntések meghozatalában.
ÀÛÜ Mindennapi cselekvésekkel kapcsolatos döntések
ÀÛÜ Vezérléssel kapcsolatos döntések, melyek célja a cselekvések hatékonyságának biztosítása.
ÀÛÜ Menedzseri döntések, melyek célja az erQforrások hatékony felszabadításának biztosítása.
ÀÛÜ Stratégiai döntések, célja a magasabb célok és irányelvek alapján az erQforrások elosztásának biztosítása.
100. Milyen tipikus részekbQl áll egy döntéstámogató rendszer? (fentrol le a sorok kozott nyilak)
Adatbazis menedzsment rendszer <-> Modellbazis menedzsment rendszer
Dialogus generalo es menedzsment rendszer
Donteshozo
101. Melyek a klasszikus tudásábrázoló módszerek, elQnyeik-hátrányaik?
A procedurális tudásábrázolás elQnyei:
Könnyq a cselekvésre vonatkozó tudást ábrázolni
Könnyq olyan tudást ábrázolni amely heurisztikát is tartalmaz
A leíró sémákkal nem kezelhetQ tudást könnyq leírni
A deklaratív tudásábrázolási technikák elQnyei:
Minden tényt csak egyszer kell ábrázolni
Könnyq új tényeket adni a rendszerhez anélkül, hogy a
korábbiakat megváltoztatnánk
102. Mit értünk adatbányászat alatt?
Az adatbányászat célja mintázatok (szabályok) automatikus keresése (felismerése) nagytömegq
adatokban.
103. Mi a lényegi különbség a hagyományos és a neurális hálózatra épülQ információ feldolgozás között
104. Melyek a neurális hálózatok általános jellemzQi?
1. A neurális hálózatok nagyon egyszerq processzorokból, az un. neuronokból épülnek fel. A processzorok változtatható súlytényezQjq összeköttetések hálózatán át kommunikálnak egymással.
2. A neurális hálózatokat nem programozzuk, hanem tanítjuk.
3. A tárolt információk a hálózatban elosztottan, a súlytényezQk közvetítésével ábrázolódnak.
4. A neurális hálózatok hibatqrQk. Az elosztott párhuzamos tudásreprezentáció miatt a súlytényezQk egy részének jelentQs megváltozása sem befolyásolja alapvetQen a hálózat mqködését.
5. A hálózat mqködését három fQ tényezQ határozza meg: A processzorok átviteli függvénye, a hálózat összeköttetési sémája és a tanítási módszer
105. Melyek a "McCulloch és Pitts" formális neuron jellemzQi?
1. Csak egy réteg tanítását teszi lehetQvé
2. Csak lineárisan elválasztható csoportokat tud osztályozni.
106. Melyek a neurális hálózatok alkalmazásainak közös jellemzQi?
A megoldandó problémával kapcsolatban adathalmaz áll rendelkezésre
A megoldáshoz szükséges szabályok ismeretlenek és túl költséges a megismerésük
A rendelkezésre álló adathalmaz nem teljes, hibás adatokat is tartalmazhat
Sok bemenQ illetve kimenQ adat, a megoldás több összefüggQ paramétertQl függ
107. Mi a különbség az ANN és a CNN között?
Mesterséges neurális hálózatok ANN
Cellular Neural Network
L.O. Chua, L.Yang, T. Roska 1988
Lokális kapcsolatok
Analóg áramkörök
ANN magaba foglalja a CNN-t (halmaz abra)
108. Melyek a neurális hálózatok legfontosabb meghatározó tényezQi?
1. A processzorok
(neuron, artificial neuron, node, unit, cell)
2. A hálózati topológia
( mit mivel kötünk össze )
3. A tanító szabályokat alkalmazó algoritmus
( súlytényezQk beállítása, hangolása )
109. Melyek a neurális hálózatoknál leggyakrabban alkalmazott átviteli függvények?
Ugrás fügvény: Oj = 0 vagy -1, ha S <= 0, Oj = 1 ha S > 0
Korlátozott lineáris függvény
Oj = 0, ha S <= 0,
Oj = S ha 0 <= S < 1
Oj = 1 ha S > 1
Szimoid függvény
Oj = 1/(1+e-Sj)
Oj = 1 - 1/(1+S) ha S >= 0
Oj = -1 + 1/(1-S) ha S < 0
110. Hogyan ábrázolhatjuk a különbözQ hálózat topológiákat?
7. PDF 14. oldal
111. Hogyan értelmezzük a neurális hálózatok tanító adatait?
7. PDF 17. oldal
112. Súlymátrix segítségével hogyan ábrázolhatjuk a különbözQ neurális hálózat topológiákat?
7. PDF 15. oldal
113. Mi a Hebb szabály és a delta szabály lényege?
114. Mi a felügyeletes tanítás lényege és algoritmusa?
Addig hangoljuk a súlytényezQket, amíg a bemenetre a hálózat megfelelQ-, elQre kiszámított választ nem ad. Algoritmusa:
1. Kezdeti súlytényezQk beállítása
2. A tanítóminta bemeneti értéke alapján a hálózat kimeneti értékének kiszámítása.
3. A tanítóminta célértékének összehasonlítása a hálózat célértékével.
4. Szükség esetén a hálózat súlytényezQinek módosítása.
5. A tanítás folytatása mindaddig, amíg a hálózat az összes tanítómintára egy elQre rögzített hibahatárnál kisebb hibával a célértéknek megfelelQ kimeneti értéket nem tudja elQállítani.
115. Mi a felügyelet nélküli tanítás lényege és algoritmusa
A gyQztes visz mindent
1. Kezdeti súlytényezQk beállítása (inicializálás, véletlenszerq) 0
2. A tanítóminta i-ik értéke (vektora) alapján, a processzorok kimeneti értékeinek kiszámítása.
3. A legnagyobb kimeneti értékq processzor kiválasztása. A gyQztes visz mindent elv alapján, a gyQztes kimeneti értéket 1-re, az összes többi kimeneti értéket 0-ra változtatjuk
3. A gyQztes elem súlytényezQit megváltoztatjuk (csak azokat!) Wji (t+1) = Wji (t) + wji, wji = ± (Oi/m-wji(t)) ahol ± = tanulási együttható, 0 < ± << 1 (tipikusan 0.01-0.3) m = az aktív bemenetek száma
5. A 2. 3. 4. pont ismétlése amíg a kimenetek két egymást követQ tanítási ciklus során nem változnak.
116. Hogyan jellemezhetjük a perceptron paradigmát?
1. Csak egy réteg tanítását teszi lehetQvé
2. Csak lineárisan elválasztható csoportokat tud osztályozni.
117. Hogyan mqködik a perceptron tanító algoritmus?
Kezdeti súlytényezQk beállítása (random !?)
Tanítás iter amíg a hiba el nem éri a hibahatárt (Hi <= Hh)
k= 0, Hi= 0
Minták iter amíg k = p nem teljesül (ahol p = tanító minták száma)
A k.-ik tanítóminta bemeneti vektora alapján processzoronként
az aktiváció kiszámítása Sjk= £Ij
k * Wji
A köszöb átviteli függvény alapján processzoronként a
kimeneti értékek kiszámítása. (Oj)
A hálózat súlytényezQinek módosítása.
ha Oj
k = Cj
k akkor wji(t+1) = wji(t)
ha Oj
k = 0 és Cj
k = 1 akkor wji(t+1) = wji(t) + Ii
k(t)
ha Oj
k = 1 és Cj
k = 0 akkor wji(t+1) = wji(t) - Ii
k(t)
A hálózat hibájának kiszámítása Hj
k=Cj
k-Oj
k
A hibák összesítése Hi=Hi+Hj
K:=K+1
Minták end
Tanítás end
121. Hogyan jellemezhetjük a hiba visszavezetQ (ýÿBack Propýÿ) paradigmát?
A hálózat súlytényezQit a hiba létrehozásában
játszott szerepükkel arányosan változtatjuk.
123. Mi a Kohonen neurális paradigma?
124. Hogyan mqködik a Kohonen tanító algoritmus?
1.) Kezdeti súlytényezQk beállítása. Kezdeti környezet beállítása
2.) A bemeneti vektor (tanító minta) rákapcsolása a bemenetekre
3.) Minden processzor elemnél a bemenQ vektor és a súlyvektor egyezésének (távolságának) kiszámítása dj= Q%Ii-WjQ%= £ (Ii-Wji)2 ahol N = a bemeneti vektor elemeinek száma Ii = a bemeneti vektor (I) i-ik elemének értéke Wji = a j ik processzor elemhez tartozó, az i-ik bemenettQl érkezQ összeköttetés súlytényezQje
4.) A legkisebb eltérést mutató processzor kiválasztása (pl. j)
5.) A kiválasztott elem (j) környezetében (Nj) a súlytényezQk módosítása
6.) A 2., 3., 4., 5.-ik lépés ismétlése amíg a kimenetek nem változnak
125. Mi a neurális hálózatok tervezésének menete?
ÀÛÜ Reprezentatív tapasztalati adat gyqjtése (bemeneti adatok és (elvárt válaszok))
ÀÛÜ MegfelelQ feladat specifikus neurális paradigma kiválasztása
ÀÛÜ Rendszer paraméterek (a processzorok átviteli függvényének, a processzorok számának, a tanítási módszernek és paramétereinek, valamint a kezdeti súlymátrix értékeinek) kiválasztása
ÀÛÜ Teljesítmény mérQ módszer kiválasztása
ÀÛÜ A rendszer tanítása és tesztelése (Amíg az elvárt eredményhez nem jutunk!) ((Vagy a sikertelenség miatt fel nem adjuk a tanítást))
126. Mikor célszerq neurális hálózatot alkalmazni?
ÀÛÜ A megoldandó problémával kapcsolatban gazdag adathalmaz áll rendelkezésre
ÀÛÜ A megoldáshoz szükséges szabályok ismeretlenek
ÀÛÜ A rendelkezésre álló adathalmaz nem teljes, hibás adatokat is tartalmazhat
ÀÛÜ Sok összefüggQ bemenQ adat-, összefüggQ kimeneti paraméter áll rendelkezésre
127. Milyen kérdéseket kell eldönteni a neurális hákózatok tervezése során?
Processzor szinten:
- a processzor átviteli függvénye
- a bemenQ jelek típusa
Hálózat szinten:
- a hálózat topológiája
- rétegelt struktúránál a rétegek száma
- processzorok száma a különbözQ rétegekben
- processzorok típusa a különbözQ rétegekben
Tanítási szinten
- tanító algoritmus
- tanítási paraméterek (pl.: ±, ²,& .)
- a tanítás megállásának feltételei
128. Hogyan lehet összehasonlítani a neurális hálózatok és a szakértQi rendszerek 129. jellemzQit?
Neurális hálózatok SzakértQi rendszerek
Nincs tudás-hozzáférési probléma - Nehéz a tudás megszerzése
Dinamikus tudásábrázolás - Statikus(abb) tudásábrázolás
Minta kiegészítQ képesség - Feltételezzük az adatok
(általánosítás = generalizálás) hibátlanságát és ellentmondás
mentességét
Robusztus (nem érzékeny az adatvesztésre) - Érzékeny az adatvesztésre
Interpolálni képes - Nincs intuitív képessége
Többet tudhat mint ami az - Legfeljebb olyan jó lehet
adatokból látszik mint a szakértQ
Nincs magyarázat adás - Részletes magyarázat kérhetQ
Nincs igazoló képessége - A döntéseket viszonylag
könnyq igazolni.
130. Mit értünk lágy számítási modell alatt, melyek tipikus formái?
Fuzzy fogalom eredeti értelme: életlen, homályos
A fuzzy fogalomhoz kapcsolható szinonimák:
éles homályos (crisp fuzzy)
tiszta zqrös
A logikára (gondolkodásra) értve pejoratív!!!
kemény lágy
A fuzzy (halmazokra épülQ) rendszerek a lágy számítási modellek
közé tartoznak, melyek a biológiai információ feldolgozást
tekintik kiindulásnak.
Területei: 1. neurális hálózatok, 2. fuzzy rendszerek, 3. genetikus algoritmusok
131. Mi a Fuzzy logika lényege és alkalmazásának alapfeltevése?
ÀÛÜ A matematika, a számítástudomány és a villamosmérnöki tudományok határán helyezkedik el.
ÀÛÜ A rendszerek mqködését és vezérlését meghatározó törvények nyelvi eszközökkel (szavakkal) leírhatók.
ÀÛÜ Alapja a Fuzzy halmazelmélet.
ÀÛÜ Átmenet van az igaz és a hamis között. Bevezeti a részleges igazságtartalmat
ÀÛÜ Az emberi tudás megjeleníthetQ a technikában.
ÀÛÜ Szinte mindenre ki lehet terjeszteni (?).
132. Melyek a Fuzzy logika alkalmazásának ígéretei?
ÀÛÜ Következetes és szilárd alapot ad a pontatlan és bizonytalan információ feldolgozáshoz.
ÀÛÜ Interfészt biztosít az emberek által kedvelt nyelvi változók és a számítógépek mennyiségi változói
között.
ÀÛÜ Hidat képezhet az MI szimbólum feldolgozó megközelítése és a neurális hálózatok között.
ÀÛÜ A hagyományos modellekkel szemben jelentQsen egyszerqbb rendszer leírást tesz lehetQvé.
133. Mikor célszerq Fuzzy logikát használni?
ÀÛÜ Összetett rendszerekben, ahol nehéz, vagy lehetetlen megfelelQ rendszermodellt kialakítani
ÀÛÜ Olyan rendszerekben, melyeket szokásosan emberi szakértQ irányít, (emberek adják a bemeneteket vagy a szabályokat)
ÀÛÜ Olyan rendszerekben melyek folyamatos, vagy közel folyamatos bemenetekkel és nem lineáris kimeneti válaszfüggvényekkel jellemezhetQk
ÀÛÜ Olyan rendszerekben, melyekben a pontatlanság és a homályosság a rendszer gyakori velejárója
134. Mi a tagsági függvény értelmezése (gyakorlati megvalósításai)?
140. Mi a Mamdani-féle következtetés értelmezése?
A következtetés eredményeként keletkezQ fuzzy halmazt a
BemenQ adatok fuzzy halmaza és a szabálybázist leíró fuzzy
reláció (max-min) kompozíciójaként állítja elQ
127. Mi a biológiai inspirációjú informatika, az un. "lágy számítási modellek" kapcsolata?
1 a.) a neurális hálózat tanítása (súlykeresés), topológia megkeresése
b.) az egyed rátermettségének változtatása a tesztelés során
2 a.) Fuzzy változók tagsági függvényeinek meghatározása, Fuzzy szabályok keresése
b.) Fuzzy kiértékelQ módszerek alkalmazása az egyedek rátermettségének meghatározására
3 a.) a neurális hálózatok adaptív tulajdonságainak bevitele a Fuzzy logikát alkalmazó rendszerekbe.
b.) szabályok automatikus feltárása tapasztalati adatokból
129. Jellemezze és hasonlítsa össze a hagyományos és az elosztott mesterséges intelligencia (EMI) megközelítéseket!
Koncentrált (MI) ! Elosztott (EMI)
- Holland-féle osztályozó rendszer
- Tábla paradigma
- Ambiens (Ambient) intelligencia
130. Melyek az elosztott mesterséges intelligencia rendszerekben megoldandó alapvetQ problémák?
" Hogyan írjuk le, bontsuk fel és rendeljük hozzá a problémákat a feladat megoldására szervezQdQ külön-külön intelligens alrendszerek között, valamint a részeredményeket hogyan szintetizáljuk?
Hogyan biztosítsuk az alrendszerek kommunikációját és interakcióját?
Milyen nyelvet protokollt használjanak és mikor kommunikáljanak?
Hogyan biztosítsuk az alrendszerek koherens viselkedését, és hogyan kerüljük el az esetlegesen káros összeütközéseket?
" Hogyan jön létre az alrendszerek mqködésének ütemezése?
" Milyen technikai megoldásokat használjunk az elosztott mesterséges intelligencia rendszerek tervezésére és építésére, optimalizálására?
131. Mit értünk beágyazott ýÿambiensýÿ intelliges rendszer alatt?
" a befogadó fizikai/kémiai/biológiai környezetükkel intenzív, valós idejq információs kapcsolatban álló,
" autonóm mqködésq,
" szolgáltatásbiztos (dependable),
" láthatatlan számítógépes rendszerek, melyek
" lokálisan (általában) korlátozott,
" globálisan (általában) bQséges erQforrásokkal (idQ, adat, tápellátás, memória, ...) rendelkeznek.
132. Jellemezze a Holland féle osztályozó (Classifier) rendszer fQbb részeit és mqködését!
ÀÛÜ Bemeneti interfész: a környezet aktuális állapotát szabványos üzenetté alakítja át.
ÀÛÜ Az osztályozók tárolója: a rendszer információ feldolgozó eljárásait leíró szabályokat tartalmazza.
ÀÛÜ Üzenet lista: egyrészt a bemeneti interfésztQl, másrészt az aktivizált és engedélyezett szabályoktól érkezQ üzeneteket tartalmazza.
ÀÛÜ Kimeneti interfész: alakítja át az üzenetek egy részét olyan rendszer-válaszokká, melyek módosítják a környezet állapotát.
133. Mi a "Bucket Brigade" algoritmus célja és mqködése?
Célja : elosztott , inkrementális tanulás
Az osztályozó (szabály) felépítése:
Ha (feltétel) akkor (következmény,hatás,üzenet) erQsség(s(t))
A szabály aktivizálásában szerepet játszó tényezQk:
feltétel megfelelés (relevance) R(c)
korábbi sikeresség (strength) S(c,t)
A szabályok az aktivizálásukért versenyeznek.
A verseny a felajánlás (bid) alapján dQl el B(c)
B(c,t)=k*R(c)*S(c,t)
A gyQztes a felajánlást átadja annak a szabálynak, ahonnan az üzenet kapta.
134. Melyek a Holland féle osztályozó rendszer fQbb jellemzQi?
ÀÛÜ Párhuzamos rendszer.
ÀÛÜ Üzenet-továbbításos rendszer.
ÀÛÜ Szabály alapú tudásábrázolás.
ÀÛÜ Adaptív, a tanulás az un. Bucket brigade algoritmusra épül.
ÀÛÜ Folyamatos szabálykeresQ mechanizmussal rendelkezik, mely a genetikus algoritmusokra épül.
135. Mi a tábla- (blackboard) paradigma lényege, melyek fQbb komponensei?
Tudás források
ÀÛ¾Ü független alrendszer
ÀÛ¾Ü belsQ tudásábrázolása és következtetQ mechanizmusa rejtett
ÀÛ¾Ü minden kommunikáció csak táblán keresztül jöhet létre
Tábla
ÀÛ¾Ü kommunikációs interfész
ÀÛ¾Ü általános hozzáférhetQ adatbázis (kollektív emlékezet)
ÀÛ¾Ü átmeneti tároló és trigger mechanizmus
ÜtemezQ
ÀÛ¾Ü mint felügyelQ és ütemezQ irányítja a problémamegoldás menetét figyelembe véve az egyes tudás források közremqködésébQl eredQ várható hasznot
ÀÛ¾Ü nyomon követi a problémamegoldás menetét
136. Melyek a tábla- (blackboard) paradigma fontosabb jellemzQi?
ÀÛÜ INKREMENTÁLIS PROBLÉMAMEGOLDÁS
ÀÛÜ TUDÁSFORRÁSOK (szakértQk) FÜGGETLENSÉGE
Moduláris rendszer, az újabb szakértQk adhatók a rendszerhez a korábbiak módosítása nélkül. A gyengén szereplQ szakértQk munkája javítható, vagy eltávolíthatók a rendszerbQl.
ÀÛÜ KÜLÖNBÖZP PROBLÉMA-MEGOLDÓ TECHNIKÁK EGYIDE-JpLEG ALKAZMAZHATÓK
Minden szakértQ fekete doboznak tekinthetQk, csak a kommunikációs nyelvük közös.
ÀÛÜ FLEXIBILIS TUDÁS ÁBRÁZOLÁS
Nincsenek korlátozások, hogy milyen információk kerülhetnek a táb
ÀÛÜ KÖZÖS INTERAKCIÓS NYELV
A szintakszis és a szemantika elQre meghatározott
ÀÛÜ ESEMÉNY ALAPÚ AKTIVÁCIÓ
Célvezérelt aktivitás. Minden szakértQ keresi a lehetQséget, hogy közremqködjön a feladat megoldásában
ÀÛÜ A VEZÉRLÉS SZÜKSÉGESSÉGE
Ki írhat a táblára? Mi a közremqködés ára?
137. Melyek a képfeldolgozás területei, megoldandó feladatai és jellemzQi?
ÀÛÜ Képfeldolgozás: digitális kép létrehozása, a leképezési hibák kijavítása, jellemzQ tulajdonságok
kiemelése, kép átalakítása (kép-kép leképzés)
ÀÛÜ Alakfelismerés: a képen elQforduló alakzatok, képet jellemzQ sajátságok felismerése (jellemzQk
meghatározása, azonosítás)
ÀÛÜ Képfelismerés: a képen rögzített objektumok felismerése adatbázis alapján (leírás, értelmezés,
azonosítás)
138. Melyek a nyelvtechnológia területei, megoldandó feladatai és jellemzQi?
1. Beszéd elQállítás
kötött-szavas ! kötetlen szótáras
(Text To Speech)
Tárolt mintákból építkezQ
Szintetizált beszéd
2. Beszéd felismerés SzemélyfüggQ Személyfüggetlen
Izolált szavakat felismerQ:
Folyamatos beszédet felismerQ:
3. Gépi fordítás
A nyevtechnológia területei
139. Melyek a robotok típusai, generációi, jellemzQi, megoldásra váró problémái?
ElsQ generáció: kizárólag vezérléssel mqködtethetQk, a környezet változásait nem érzékelik.
A második generáció: környezetüket szenzorokkal vizsgálják, az így szerzett és a saját mqködésükrQl nyert információk alapján a számítógép bármikor képes módosítani a robot mozgását,
például kikerüli a váratlanul útjába került akadályokat. Feladataikat magas szintq programnyelven határozzák meg.
A harmadik generáció: alkalmazkodnak a környezet változásaihoz, alakokat és helyzeteket ismernek fel, hanggal is vezérelhetQk, esetenként hanggal tudnak válaszolni, önálló döntéseket hoznak, bonyolult feladatokat oldanak meg, tanuló mechanizmusokkal is rendelkeznek.
140. Mi az inkrementális-, alulról építkezQ robotépítés célja, elvárásai és javasolt módja?
Cél: Olyan autonóm és intelligensnek tekinthetQ lény létrehozása, amely az emberekkel együtt létezik (él?).
Elvárások az autonóm és intelligens viselkedésq lényekkel szemben:
ÀÛÜ MegfelelQen és idQben reagáljon a dinamikusan változó környezeti hatásokra.
ÀÛÜ Robusztus legyen : a környezet kisebb nagyobb változása ne okozhassa a viselkedés összezavarodását.
ÀÛÜ Célokkal kell rendelkeznie. szerepe van a földön
Megvalósítás javasolt módja:
ÀÛÜ Inkrementális építkezés
ÀÛÜ Minden egyes részfunkció megvalósításánál biztosítjuk a rendszer teljes mqködését
ÀÛÜ Minden alrendszer önálló érzékelQ és vonatkozó képességgel rendelkezzen
ÀÛÜ Az alrendszerek üzenetekkel tartják egymással a kapcsolatot, egymást serkentik vagy gátolják.
141. Jellemezze a Brooks féle magába foglaló architektúrát, rajzolja le a tipikus alrendszer sémáját!
ÀÛÜ A részfunkciók önálló megvalósítása, az alrendszereknek nincs szüksége a felettük levQ rendszerek kontrolljára
ÀÛÜ Minden rétegnek önálló szerepe van
ÀÛÜ Az összetett rendszer építése inkrementálisan, lépésrQl lépésre történik, a magasabb rétegek építik az alacsonyabb rétegeket
ÀÛÜ A céloknak nincs központi reprezentációja, amelyek közül valamilyen központi eljárás választana. Minden alrendszer végzi a feladatát
ÀÛÜ Az alrendszerek tesztelése mindig a valóságos helyzetben történik. Így elkerülhetQ, hogy csak leegyszerqsített un. játék problémákkal foglalkozzon
ÀÛÜ A rétegek az elnyomás és a tiltás-gátló mechanizmusokon keresztül mqködnek együtt
A végesállapotú alrendszer részei:
ÀÛÜ regiszterek (üzenetek fogadására, belsQ állapotok tárolására)
ÀÛÜ véges állapotú gép egyszerq információ feldolgozó
ÀÛÜ kapacitással belsQ idQzítQk
Az alrendszerek jellemzQi:
ÀÛÜ rögzített hosszúságú üzeneteket fogad és küld
ÀÛÜ aszinkron
142. Mi az ágens paradigma értelmezése, melyek a tipikus ágens feladatok, és alkalmazások?
Az ágensek esemény vagy célvezérelt autonóm programok, amelyek valaki érdekében cselekszenek. soft botok
Tipikus ágens feladatok:
A bejövQ információk szqrése, megválaszolása
Döntéstámogatás (különbözQ adatbázisok alapján)
IsmétlQdQ feladatok elvégzése (pl: rendszergazdai
munkák)
Titkári feladatok (program szervezés)
Ágens alkalmazások:
szakértQi ágensek, oktató ágensek, interfész ágensek
bevásárló ágensek, kereskedQ ágensek
Hasonló témájú dokumentumok
Egyelőre még egyetlen hasonló témájú file sincs feltöltve a rendszerbe
A mások által feltöltött dokumentumokat értékelheted. Ha úgy ítéled meg, hogy a vizsgára való felkészülés szempontjából hasznos volt egy dokumentum, akkor adj rá sokcsillagos értékelést.
Ha hibákat tartalmaz, vagy egyéb probléma van vele, akkor keveset.
A dokumentumok sorrendje az értékelések alapján adódik. Ami fentebb van a listában, azt hasznosabbnak ítélték társaid. Az új dokumentumok pedig (értékelések hiányában) szintén a lista tetején kezdenek.
Hozzászólások
Ha észrevételed van egy dokumentummal kapcsolatban (például hibát találtál benne), akkor a Hozzászólások részben jelezheted. Az olyan jellegű kérdéseket mint pl.: A 2. feladat 4. sorából milyen átalakítással jutottunk az 5. sorban szereplő képlethez? - szintén ide érdemes írni
Egy tipp az oldalhoz! - Sikeres vizsga után írd meg tapasztalataid a tantárggyal, vizsgával kapcsolatban. Miből érdemes tanulni, mennyi készülés kell, milyen volt a vizsga... Ha mindenki így tesz, sokkal egyszerűbb lesz elkezdeni a tanulást egy olyan ember tapasztalatainak a birtokában, aki már elvégezte a tantárgyat. Ehhez kattints a tantárgyra a Tanulmányaimban, majd a Véleményem a tárgyról linkre a jobb felső részen.
Egy felsőoktatási közösségi oldal amely segít kapcsolatot tartani a hallgatók között, így segítséget nyújt a sikeres tanulmányokhoz...
