Лабораторный практикум по интеллектуальным информационным системам

Необходимо также отметить, что в учебной группе ПИ-51 степень разнообразия студентов в рассматриваемой системе признаков выше, чем в группе ПИ-52, что можно объяснить тем, что в 51 группе больше ребят, чем девушек и они в основном из краевого центра, а в 52 группе больше девушек и в основном они из села, как это видно из конструкта «Пол» в таблице 13.
Пример решения задания 4.5: Результаты анализа отобразить в графической форме семантических сетей классов, нелокальных нейронов и семантических сетей признаков. На их основе построить классические когнитивные карты для студентов с различной успеваемостью
Семантические сети классов отображаются на экране и записываются в форме PCX-файла в поддиректории: PCX/Klas-obj в подсистеме F5 «Типология», «Типологический анализ классов», «Кластерный и конструктивный анализ», «Вывод 2d семантических сетей классов». На рисунке 18 приведена семантическая сеть классов с кодами от 1 до 14 (обобщенные классы).
Нелокальные нейроны отображаются в подсистеме F6 «Анализ», режиме: «Графическое отображение нелокальных нейронов». Они записываются в форме PCX-файла в поддиректории: PCX/NeuroNet. На рисунке 19 приведен нелокальный нейрон: «Успеваемость: очень хорошая».
Семантическая сеть признаков отображается в подсистеме: F6 «Типология», в режиме: «Типологический анализ первичных признаков – Кластерный и конструктивный анализ – Вывод 2d семантических сетей признаков». Семантическая сеть отображается на экране и записывается в виде PCX-файла в поддиректории: PCX/Klas-att.
На рисунке 20 приведена семантическая сеть для тех признаков, у которых оказались наибольшие весовые коэффициенты в приведенном на рисунке 19 нейроне (показаны только те связи между признаками, которые оказались больше 30%):

Рисунок 18. Семантическая сеть классов

Рисунок 19. Нелокальный нейрон:
«Успеваемость: очень хорошая»

Рисунок 20. Семантическая сеть признаков, оказавшихся
наиболее значимыми в нелокальном нейроне:
«Успеваемость: очень хорошая»

Если дополнить графическое изображение нейрона на рисунке 19 связями между признаками, показанными в семантической сети на рисунке 20, то получим классическую когнитивную карту. Студентам это предлагается сделать самостоятельно в 7-м режиме 6-й подсистемы, также как и получить когнитивные карты для других уровней успеваемости.

Контрольные вопросы
1. Что понимается под формализацией задачи.
2. Как создать классификационные и описательные шкалы в системе «Эйдос»?
3. Как собрать исходную фактографическую информацию и ввести в систему обучающую выборку?
4. Как осуществить синтез и верификацию модели?
5. Как оценить ценность признаков для прогнозирования и выделить признаки, наиболее существенные для решения поставленной задачи?
6. Как провести анализ модели, чтобы ответить на следующие вопросы:
– как посещаемость занятий по системам искусственного интеллекта влияет на успеваемость по этой дисциплине?
– как сказывается пол на посещаемости?