Spo Skrip Taza Mob It El

8/18/2019 Spo Skrip Taza Mob It El

1/24


2/24

2

Predavanje 5 i 6 ........................................................................................................................................... 16

1. Koja su top tri razloga zbog kojih je potrebno izvršiti nadgledanje distribuiranih aplikacija? ............ 16

2. Objasniti na osnovu kojih koncepata se definiše zdravlje aplikacije. ................................................. 17

3. Grafički prikazati distribuirani sistem za podršku odlučivanju za nadgledanje distribuiranih

aplikacija. ................................................................................................................................................ 18

4. Koja je osnovna razlika između osnovnog agenta za nadgledanje i agenta za distribuirane aplikacije?

(Skicirati odgovarajuće dijagrame izvršenja) .......................................................................................... 19

5. Model induktivnog učenja na osnovu primjera. ................................................................................. 19

6. Koje su osnovne forme mašinskog učenja? ........................................................................................ 20

7. Koje su strategije mašinskog učenja spadaju u induktivno mašinsko učenje (kratko objasniti svaku

od navednih)? ......................................................................................................................................... 20

Predavanje 7 ............................................................................................................................................... 21

1. Koja dva pristupa u modeliranju fuzzy sistema možemo upotrijebiti (objasniti kroz primjer dat na

predavanju – Procjena rizika od raka prostate)? .................................................................................... 21

2. Neka su nam date ulazne varijable: PSA, starost i zapremina prostate, a izlaz rizik od raka prostate,

definisati/nacrtati prijedlog modela tih varijabli i kako bi se ti parametri modela zapakovali u

hromosome vrsta koevolucionog algoritma? ......................................................................................... 21

3. Potterov model koevolucije - objasniti! Kako se određuje fitness? (Slajd 21 - bitno je objasniti da se

fitness određuje tako što se spajaju izabrani kooperatori i predstavnici iz vrsta. Dobije se cjelina koja

se testira.) ............................................................................................................................................... 22

4. Kako određujemo fitness fuzzy modela tokom optimizacije koevolucije? ......................................... 23

5. Kratko objasniti genetički algoritam. (Kako se realizuje, koji su mehanizmi... Navesti osnovne

karakteristike da se dobije nešto bodova: da ima selekciju, crossover, mutaciju... Objasniti tipove

selekcije... ).............................................................................................................................................. 23


3/24

3

Predavanje 2

1. Koji su osnovni koraci (faze) procesa donošenja odluka? Prikazati putemodgovarajućeg dijagrama.

1. Definisanje problema (problemske situacije)

2. Konstrukcija modela koji opisuje realni problem

3. Identifikacija i ocjena mogućih rješenja modeliranog problema

4. Poređenje, izbor i preporuka mogućih rješenja problema

2. Faze procesa odlučivanja (Simon).

3. Definišite sistem za podršku odlučivanju, a potom prikažite njegovugeneralnu strukturu.


4/24

4

Računarski program koji obezbijeđuje informacije u datom domenu aplikacije pomoću:

- Analitičkih modela odlučivanja i pristupa bazama podataka

- U cilju da pomogne odlučiocu u donošenju odluka efektivno

- U kompleksnim i slabo struktuiranim (neprogramabilnim) zadacima

4. Skicirati dijagram procesa donošenja odluke (Simon) i objasniti svaki odkoraka


5/24

5

5. Opća struktura sistema za podršku odlučivanju. Objasniti svaki element ustrukturi putem odgovarajućeg primjera (Microsoft Excel).


6/24

6

Npr MS EXCEL:

Model - modeli sistema se mogu realizovati korišenjem formula i drugih računskih i programskih

mogućnosti (mogućnost proširenja npr. dodatak (Add-In) Solver, koji je namijenjen rješavanju modela

linearnog programiranja)

Podaci - baza podataka se može realizovati u obliku tabela, a moguće je pristupiti i eksternim bazama

podataka preko SQL upita

Korisnički interfejs - može se realizovati korišenjem tabela kao formi za unos podataka i brojnih

ugrađenih grafičkih mogućnosti za prikaz izlaznih rezultata

6. Koje vrste problema se mogu rješavati putem sistema za podrškuodlučivanju?


7/24

7

7. Objasniti zašto se mogu rješavati slabo struktuirani problemi putemsistema za podršku odlučivanju.

8. Koja sve ograničenja postoje kod donosioca odluke? (Opisati svako odograničenja)


8/24

8

9. Kada su sistemi za podršku odlučivanu najkorisniji?

Predavanje 3


9/24

9

1. Šta čini arhitekturu sistema za podršku odlučivanju?

2. Koje su osnovne komponente podsistema za upravljanje modelima?

3. Za koje oblike komunikacije je pogodan tekstualno orijentisan interfejs računarskog sistema

(navesti i odgovarajući primjer)?

4. Koje su osnovne funkcije posistema za upravljanje podacima u sistemu za

podršku odlučivanju?


10/24

10

5. Struktura sistema za podršku odlučivanju

6. Struktura sistema za upravljanje modelima


11/24

11

7. Zadatak – metoda rangiranja borda


12/24

12

8. Zadatak – metodom izbora poređenja u parovima


13/24

13

Predavanje 4

1. Šta se podrazumjeva pod pojmovima ekspert i ekspertiza? Navesti kojesposobnosti moraju

posjedovati eksperti i navesti

karakteristike ekspertize

ž


14/24

14

2. Skicirati strukturu ekspertnog sistema. Koje od komponenti ekspertnog

sistema su osnovne, a koje su dodatne?

3. Navesti i objasniti osnove tipovi ekspetnog sistema.

●

Ekspertni sistem na bazi pravila – znanje se predstavlja kao serija pravila●

Ekspertni sistem bazi okvira (frame) – pristup objektno orijetnisanom programiranju (slot = set

atributa i aspekt = znanje i/ili proceduralna informacija )

● Hibridni ekspertni sistem – kombinacija više tipova ES-a

●

Sistem na bazi modela – model kao potencijalni prototip budu ćeg sistema

●

Ekspertni sistemi u realnom vremenu – strikno ograničeni na sisteme koji su vremenski zahtjevni

u pogledu resursa i o čekivanih akcija


15/24

15

4. Kako rade ekspertni sistemi? Nacrtati odgovarajuću sliku i putem dvajednostavna pravila izvesti dva osnovna načina zaključivana.

5. Koje aktivnosti je potrebno izvršiti prilikom dizajniranja ekspertnogsistema u fazi planiranja (Objasniti svaku od navednih aktivnosti)?


16/24

16

Predavanje 5 i 6

1. Koja su top tri razloga zbog kojih je potrebno izvršit i nadgledanjedistribuiranih aplikacija?


17/24

17

2. Objasniti na osnovu kojih koncepata se definiše zdravlje aplikacije.


18/24

18

3. Grafički prikazati distribuirani sistem za podršku odlučivanju zanadgledanje distribuiranih aplikacija.


19/24

19

4. Koja je osnovna razlika između osnovnog agenta za nadgledanje i agenta zadistribuirane aplikacije? (Skicirati odgovarajuće dijagrame izvršenja)

5. Model induktivnog učenja na osnovu primjera.


20/24

20

6. Koje su osnovne forme mašinskog učenja?

7. Koje su strategije mašinskog učenja spadaju u induktivno mašinsko učenje(kratko objasniti svaku od navednih)?


21/24

21

Predavanje 7

1. Koja dva pristupa u modeliranju fuzzy sistema možemo upotrijebiti(objasniti kroz primjer dat na predavanju – Procjena rizika od raka prostate)?(Varijanta 1 i varijanta 2: prvi je čisto matematski, bez ulaženja u domen problema, a drugi pristup je

da se upozna sa problemom... )

Odgovor: Slajd 26 - 32 u Predavanju 7.

2. Neka su nam date ulazne varijable: PSA, starost i zapremina prostate, a izlaz

rizik od raka prostate, definisati/nacrtati prijedlog modela tih varijabli i kako

bi se ti parametri modela zapakovali u hromosome vrsta koevolucionog

algoritma?

(Nacrtati skupove da se vide parametri x1, d1... )

Detaljnije je na slajdovima 33 > .. Ja ne znam sta se ocekuje u odgovoru.


22/24


23/24

23

4. Kako određujemo fitness fuzzy modela tokom optimizacije koevolucije?(Nacrtati sliku sa slajda 25 i objasniti. Mora se testirati izgrađeni model koristeći podatke i na taj način

izračunati fitness.)

5. Kratko objasnit i genetički algoritam. (Kako se realizuje, koji su

mehanizmi... Navesti osnovne karakteristike da se dobije nešto bodova: daima selekciju, crossover, mutaciju... Objasniti tipove selekcije... )

Genetički algoritam je metoda optimizacije jer:

Ima kriterijalnu funkciju – fitness funkciju koja omogućava da kavntitativno odredimo koje je rješenje

najbolje.

Ima mehanizam lokalnog pretraživanja – mehanizam ukrštanja, koji daje rješenja približna polaznim.

Ima mehanizam izbjegavanja zapadanja u lokalne ekstremume – mehanizam mutacije, koji omogućava

da se dobije bilo koje rješenje u prostoru pretraživanja.

Genetički algoritam je heuristička metoda optimizacije inspirisana prirodnom evolucijom koja koristi

mehanizme nasljeđivanja, ukrštanja, mutacije i selekcije. Pripada klasi evolucionih algoritama.


24/24

24

Evolucioni algoritmi predstavljaju grupu metoda pretraživanja i optimizacije, baziranu na principima

prirodne evolucije i spadaju u grupu slučajnih (engl. random) metoda pretraživanja. Osnovni mehanizmi

evolucionih algoritama su: ukrštanje, mutacija i selekcija.

Ovi mehanizmi rade sa hromozomima koji sadrže genetičke informacije o individui (genotip), a ne sa

samim individuama (fenotip).

Ukrštanje (engl. crossover) kombinuje dijelove hromozoma roditelja, prenoseći po dio genetičke

informacije od oba roditelja na dijete.

Mutacija uvodi male greške u naslijeđene hromozome tokom reprodukcije.

Selekcija bira individue koje će učestvovati u reprodukciji na osnovu mjere pogodnosti (engl. fitness).

Individue sa većom mjerom pogodnosti imaju veće šanse da učestvuju u reprodukciji i na taj način

prenesu svoje gene na naredne generacije.

Detaljnije: 8-20 slajd.

Documents

Spo Skrip Taza Mob It El