„Mesterséges intelligencia - 2006.01.26. vizsga B” változatai közötti eltérés

A VIK Wikiből
Újabb szerkesztés →
VizuálisWikiszöveges
Új oldal, tartalma: „{{GlobalTemplate|Infoalap|MestersegesIntelligenciaVizsga20060126B}} ==1. Hogyan működik az iteratív mélyülő keresés? Mik a jó tulajdonságai, és azok mivel m…”
 
aNincs szerkesztési összefoglaló
1. sor: 1. sor:
{{GlobalTemplate|Infoalap|MestersegesIntelligenciaVizsga20060126B}}
==1. Hogyan működik az iteratív mélyülő keresés? Mik a jó tulajdonságai, és azok mivel magyarázhatók meg?==
==1. Hogyan működik az iteratív mélyülő keresés? Mik a jó tulajdonságai, és azok mivel magyarázhatók meg?==


A lap 2018. december 3., 03:07-kori változata

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?

20060126A-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?

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.


Ezen a helyen volt linkelve a 20060126B_abra1.PNG nevű kép a régi wiki ezen oldaláról. (Kérlek hozd át ezt a képet ide, különben idővel el fog tűnni a régi wikivel együtt)


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?

Ezen a helyen volt linkelve a 20060126B_abra2.PNG nevű kép a régi wiki ezen oldaláról. (Kérlek hozd át ezt a képet ide, különben idővel el fog tűnni a régi wikivel együtt)


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:
A lap eredeti címe: „https://vik.wiki/index.php?title=Mesterséges_intelligencia_-_2006.01.26._vizsga_B&oldid=194852”