Тема 1.2

1. Охарактеризуйте интеллектуальный анализ данных

2. Поясните смысл, вкладываемый в понятие Data Mining.

3. Опишите сложности, с которыми сталкивается исследователь при построении моделей на основе многомерных данных.

4. Объясните ключевые различия статических и динамических моделей.

5. В чём состоит различие между детерминированными, стохастическими и хаотическими моделями?

6. Поясните, какие смыслы могут вкладываться в понятие линейности модели и какие преимущества линейные модели имеют перед нелинейными.

7. Перечислите основные типы задач интеллектуального анализа и кратко охарактеризуйте каждую из них.

8. Что такое дерево классификации (дерево решений)?

9. Как построить дерево решений на основе имеющихся данных?

Тема 1.3.

1. Поясните сходство и различие биологических нейронных сетей, эволюционно созданных природой, и искусственных нейронных сетей, созданных человеком.

2. Составьте модель МакКалока-Питтса для искусственного нейрона.

3. Перечислите основные элементы нейронной сети и дайте их функциональное описание.

4. Опишите модель персептрона Розенблатта.

5. Опишите сеть, построенную на основе модели многослойного персептрона.

6. Синтезируйте сеть для решения задачи аппроксимации.

7. Синтезируйте сеть для решения задачи классификации.

8. Объясните, почему однослойная сеть не может справиться с решением задач аппроксимации и классификации в общем случае.

9. Опишите сеть, построенную на основе модели радиальных базисных функций.

10. Какова структура самоорганизующихся сетей Кохонена?

11. В чём состоит обучение искусственной нейронной сети?

12. Какие виды обучения Вам известны? Дайте классификацию.

13. Опишите процедуру обратного распространения ошибки. Приведите числовой пример.

14. Опишите метод градиентного спуска и его основные модификации.

15. Как возможно организовать самообучение нейронной сети?