Mesterséges intelligencia - 2006.01.26. vizsga B
Ez az oldal a korábbi SCH wiki-ről lett áthozva. Az eredeti változata itt érhető el.
Ha úgy érzed, hogy bármilyen formázási vagy tartalmi probléma van vele, akkor kérlek javíts rajta egy rövid szerkesztéssel.
Ha nem tudod, hogyan indulj el, olvasd el a migrálási útmutatót
Tartalomjegyzék
- 1 1. Hogyan működik az iteratív mélyülő keresés? Mik a jó tulajdonságai, és azok mivel magyarázhatók meg?
- 2 2. Mi a feltételes függetlenség elve?
- 3 3. Szó volt arról, hogy egy relaxált problémánál értelmezett távolság egy jó heurisztika a valódi probléma szempontjából. Mi a relaxált probléma? A légvonalbeli távolság esete-e ennek az elgondolásnak? Miért?
- 4 4. Adja meg szükséges paraméterek számát a következő diszkrét válószínűségi változókat tartalmazó Bayes hálóhoz (az értékek számát csomópontokban tüntettük fel). Hasonlítsa ezt össze egy teljes modell paraméterigényével.
- 5 5. Definiálja a következő fogalmakat: dedukció, indukció, abdukció.
- 6 6. Mik a fuzzy következtető rendszer elemei és mi az algoritmikus tartalmuk?
- 7 7. Foglalja össze a verziós teres tanulás lényegét, előnyeit és hátrányait”!
- 8 8. Fűzzön kommentárt az alábbiakhoz:
- 9 9. Megerősítéses tanulásnál tegyük fel, hogy a valószínűségek P2 = 4*P1 (P1+P2=1) és a megerősítések: 2 r1 = - r2 = 1. Adja meg az állapotok hasznosságára vonatkozó képletet és számítsa ki, mennyi lesz az I., ..., V. állapotok hasznossága?
- 10 10. Az egyetlen egy, de jó példa alapján tanuló ősember megtanulta a kezét a zsákmányát nyárson sütve kímélni. Modellezzük a tudását a következőképpen:
1. Hogyan működik az iteratív mélyülő keresés? Mik a jó tulajdonságai, és azok mivel magyarázhatók meg?
Folyamatosan növekvő mélységkorlát. a folyamatosan növőség helyett szerintem fontosabb, hogy lineáris. -- TitCar - 2007.01.10. Teljes lesz, mert nem akadhat el (pl. végtelen hosszú utakon).
2. Mi a feltételes függetlenség elve?
3. Szó volt arról, hogy egy relaxált problémánál értelmezett távolság egy jó heurisztika a valódi probléma szempontjából. Mi a relaxált probléma? A légvonalbeli távolság esete-e ennek az elgondolásnak? Miért?
Beugrófeladat.
Relaxált probléma az egyszerűsített probléma. Bizonyos szabályokat feloldunk, mint pl. a lévonalbeli távolságnál a lépések megkötését, szabályát, hogy hogyan végezzük, hogy úton kell hogy menjünk tehát esete, igen.
4. Adja meg szükséges paraméterek számát a következő diszkrét válószínűségi változókat tartalmazó Bayes hálóhoz (az értékek számát csomópontokban tüntettük fel). Hasonlítsa ezt össze egy teljes modell paraméterigényével.
19 a 119-hez.
D: 4-1=3 kell, E: 4*(2-1)=4, F: 2*(3-1)=4 G: 2*(5-1)=8
5. Definiálja a következő fogalmakat: dedukció, indukció, abdukció.
Ld. jegyzet.
6. Mik a fuzzy következtető rendszer elemei és mi az algoritmikus tartalmuk?
Ld. jegyzet.
7. Foglalja össze a verziós teres tanulás lényegét, előnyeit és hátrányait”!
Ld. jegyzet.
8. Fűzzön kommentárt az alábbiakhoz:
P(a1), P(a2), P(a3) x P(x)
Induktív általánosítás esete.
----
9. Megerősítéses tanulásnál tegyük fel, hogy a valószínűségek P2 = 4*P1 (P1+P2=1) és a megerősítések: 2 r1 = - r2 = 1. Adja meg az állapotok hasznosságára vonatkozó képletet és számítsa ki, mennyi lesz az I., ..., V. állapotok hasznossága?
Ld. A csoport megoldása.
10. Az egyetlen egy, de jó példa alapján tanuló ősember megtanulta a kezét a zsákmányát nyárson sütve kímélni. Modellezzük a tudását a következőképpen:
x Kéz (x) Távol-Tűztől (x) Nem-Fáj (x) x Hús (x) Távol-Tűztől (x) Meg-Sül (x) x, y Hús (x) Kéz (y) Nyárson-Tart (x, y) Távol-Tűztől (y) Távol-Tűztől (x)
Tudjuk persze azt is, hogy: Hús (Gyík), Kéz (Kezem), és Nyárson-Tart (Gyík, Kezem).
Vajon eléri-e az áhított eredményt, azaz, hogy: Meg-Sül (Gyík) Nem-Fáj (Kezem) = Igaz ?
A kérdéses állítás igaz értékét rezolúciós bizonyítással lássa be.
Ld. jegyzet, előbbi vizsgák, ill. a gyakorlati anyagok.
-- adamo - 2006.01.26.
- 20060126B_1:
- 20060126B_2:
