Inteligentni sistemi
-
skripta za klasično polaganje ispita, školska 2013/14 (by Stepke)
-
NAPOMENA
:
U nastavku se nalaze odgovori na pitanja za klasično polaganje ispita koji se primenjuju se počev od
januarskog roka 2014.
godine. Za njihovo rešavanje korišćena je odgovarajuća literatura
s
a predavanja i vežb
i
(zimski
semester školske 2013/14) koju možete naći na zvanično
m
sajtu
predmeta.
Pitanja iz oblasti EKSPERTNI SISTEMI (ES)
1. Kako definišemo ES?
Odgovor
:
Ekspertni sistem
(
ES
)
-
je
računarski program
kojim se emulira rešavanje problema
na način na koji to čini
ekspert
(
čovek
).
2. Navesti i objasniti svrhu osnovna tri modula (dela) ES‐a.
3.
Koja je svrha baze znanja i šta ona sadrži?
4. Koja je svrha radne memorije i
šta ona sadrži?
5. Koja je svrha mehanizma za zaključivanje?
Odgovor
na 2,3,4 i 5. pitanje
:
Osnovna tri modula
(
dela
)
ES
-
a su:
1)
Baza znanja
-
sadrži
domensko znanje
koje MORA biti formalizovano
(da bi računar mogao da ga koristi),
2)
Radna memorija
- s
adrži
činjenice
i
zaključke
(zaključci predstavljaju činjenice nastale kao posledica
rezonovanja).
3)
Mehanizam za zaključivanje
- k
ombinuje znanje
iz
baze znanja
i
činjenice
iz
radne memorije
i stvara nove
zaključke
(tako omogućava
automatizovano rezonovanje
).
6. Nacrtati arhitekturu ES.
Odgovor
:
Arhitektura ekspertnog sistema
data je na sledećoj slici:
7. Koji su osnovni uslovi koje neki program mora da zadovolji da bi mogao da se
nazove ES?
Odgovor
:
Osnovni uslovi
koje neki program mora da zadovolji da bi mogao da se nazove
ES
su da:
1. sadrži
ekspertsko znanje
iz neke
oblasti
2. omogućava
automatizovano rezonovanje
8. Koja su osnovna dva dela svakog pravila? Navesti i ukratko objasniti.
Odgovor
:
Osnovna dva dela svakog pravila
su
IF
i
THEN
deo, koji imaju ulogu da povežu
uslov
(
premisu
) sa
zaključkom
, na primer:
IF
Auto neće da “upali”
(
uslov
-
premisa
)
THEN
Kvar može da bude u električnom sistemu
(
zaključak
)
Uslov
(
premisa
)
može da bude i složena, tj. da je čine više jednostavnih premisa
povezanih logičkim operatorima
AND
,
OR
i
NOT
.
9. Objasniti šta je ulančavanje pravila i napisati konkretan primer koji sadrži makar
tri pravila koja se ulančavaju.
Odgovor
:
Ulančavanje pravila
se postiže time što
zaključak
jednog pravila predstavlja
uslov
(
premisu
)
drugog
pravila, na primer:
IF
Auto neće da “upali” AND Napon na akumulatoru < 12V
THEN
Akumulator je prazan
(
zaključak
)
IF
Akumulator je prazan
(
uslov
-
premisa
)
THEN
Napuni akumulator
IF
Auto neće da “upali” AND Napon na akumulatoru = 12V
THEN
Anlaser je neispravan
(
zaključak
)
IF
Anlaser je neispravan
(
uslov
-
premisa
)
THEN
Zameni anlaser
***
NAPOMENA
: treće ulančavanje smisliti po želji
14. Koja je uloga strategije za rešavanje konflikta u okviru algoritma za ulančavanje
unapred?
Odgovor
:
U
loga
strategije za rešavanje konflikta
u okviru algoritma za
ulančavanje unapred
jeste da se i
z
konfliktnog skupa
(sva
pravila čij
i
uslovi
-
premis
e
su zadovoljene) izabere samo jedno pravilo.
15.
Nacrtati algoritam ulančavanja unazad.
Odgovor
:
A
lgoritam za ulančavanje
unazad
dat je na sledećoj slici:
16.
Koje vrste objašnjenja može da pruži mehanizam za objašnjavanje? Ukratko
opisati svaku vrstu objašnjenja.
Odgovor
:
Vrste objašnjenja
koje
mehanizam za objašnjavanje
može da pruži su:
1.
ZAŠTO
-
objašnjenje o tome zašto ES postavlja određeno pitanje.
2.
KAKO
-
objašnjenje o tome kako je ES stigao do rešenja.
17. Navesti bar 4 oblasti primene ES.
Odgovor
:
Ekspertni sistemi
se primenjuju u sledećim
oblastima
1
:
1) Upravljanje industrijskim procesima
2) Praćenje rada medicinskih uređaja
3) Autonomno kretanje vozila (na zemlji i vodi)
4) Automatski piloti
5) Upravljanje satelitima
6) Nadgledanje instalacija
7) Operativno i taktičko upravljanje vojnim operacijama na bojnom polju
8) Analize složenih finansijskih transakcija itd.
1
“Veštačka inteligencija”, Velibor Ilić (novembar 1999) ,
http://solair.eunet.rs/~ilicv/AI_index.htm
(21.1.2014. 20:15)
18. Navesti osnovne uloge u razvoju ES.
19. Koja je uloga eksperta u razvoju ES?
20.
Koja je uloga inženjera znanja u razvoju ES?
21. Koja je uloga korisnika u razvoju ES?
Odgovor
na 18,19,20 i 21. pitanje
:
Osnovne uloge
u
razvoju ES
su:
1.
Ekspert
-
koji
daje (“pozajmljuje”) svoje znanje
i pomaže pri proveri (testiranju) znanja
2.
Inženjer znanja
-
koji:
a) Vodi intervju sa ekspertom i iz njega “izvlači” znanje
b) Vrši izbor:
-
Odgovarajućih tehnika za predstavljanje znanja
-
Odgovarajućih tehnika za zaključivanje
-
Razvojnog alata
c) Formalizuje, formuliše i “sređuje” ekspertovo znanje
d) Testira ES
3.
Korisnik
-
koji:
a) Koristi gotov ES
b) Učestvuje u formiranju zahteva
c) Može da učestvuje u testiranju i pisanju
dokumentacije za ES
22. Nacrtati proces razvoja ES.
Odgovor
:
5. Koje su osnovne karakteristike učenja uz podsticaje?
Odgovor
:
Osnovne karakteristike
učenja uz podsticaje
su
da:
1) Program (agent) deluje na okruženje
izvršavanjem niza akcija
2) Akcije utiču na stanje okruženja, koje povratno utiče na agenta pružajući mu povratne informacije koje mogu biti
“nagrade” ili “kazne”
3) Cilj agenta je da nauči kako da deluje u datom okruženju tako da vremenom maximizira nagrade
(ili minimizira kazne)
6.
Koji su osnovni koraci procesa mašinskog učenja?
Odgovor
:
Osnovni koraci
procesa
mašinskog učenja
su:
1) Prikupljanje podataka potrebnih za formiranje dataset
-
ova za obuku, validaciju i testiranje algoritama mašinskog
učenja
2) Priprema podataka, što tipično podrazumeva “čišćenje” i transformaciju podataka
3) Analiza rezultujućih dataset
-
ova, i njihovo, eventualno, dalje unapređenje kroz selekciju/transformaciju atributa
4) Izbor jednog
ili više algoritama za obuku nad kreiranim trening dataset
-
om
5) Evaluacija izabranih algoritama na dataset
-
u za validaciju
6) Izbor algoritma koji će se koristiti (na osnovu rezultata
koraka 5
) i njegovo testiranje na test dataset
-
u
7. Kakva je uloga podataka u procesu mašinskog u
čenja? U kojim fazama procesa se
podaci direktno koriste i kako se ukupno raspoloživi podaci dele na te faze?
Odgovor
:
Uloga podataka
u procesu mašinskog učenja
je u
formiranj
u dataset
-
ova koji se direktno koriste u
fazama
obuke
,
validacij
e
i
testiranja
algoritama mašinskog učenja
, gde se ukupno raspoloživi podaci dele
:
-
60
% za trening
(obuku),
-
20
% za validaciju i
-
20
% za testiranje
8.
Koja je uloga atributa (features) u procesu mašinskog učenja?
Odgovor
:
Uloga
atributa
(
features
) u procesu mašinskog učenja je da:
1. Najbolje opišu neke pojave/entitete koje prepoznajemo uočavajući njihove osobine (ili izostanak nekih osobina) i
uviđajući odnose između različitih osobina
2. Omoguće programu da koristi osobine pojava/entiteta za potrebe njihove identifikacije/grupisanja
9. Kojim faktorima je, generalno posmatrano, uslovljen odabir algoritma mašinskom
učenja?
Odgovor
:
Odabir algoritma mašinskom učenja
je, generalno posmatrano, uslovljen sledećim
faktorima
:
1.
Vrstom problema
koji rešavamo,
2.
Karakteristikama skupa atributa
(
features
):
a)
Tipom atributa
i
stepenom homogenosti tipova atributa
b)
Stepenom međuzavisnosti
(
korelisanosti
)
atributa
3.
Obimom podataka
koji su nam na raspolaganju
