Fiszki
ESI
Test w formie fiszek
Ilość pytań: 60
Rozwiązywany: 445 razy
Sieci neuronowe stosujemy w sytuacji gdy w rozwiązywaniu problemu zachodzi sytuacja, że
Częściowa znajomość reguł i małą lub średnią złożoność problemu
Całkowity brak reguł i duża złożoność problemu
Mały stopień niewiedzy i małą lub średnią złożoność problemu
Całkowity brak reguł i duża złożoność problemu
Jak działa pojedynczy neuron? Która z poniższych odpowiedzi nie jest prawdziwa
Otrzymana suma jest normowana do wartości z przedziału [0,1]
Wyjścia mnożone przez wagi
Wejścia mnożone przez wagi są sumowane oraz przekazane do funkcji aktywacji
Argumentem funkcji jest otrzymana suma a na wyjście przekazana jest wartośc funkcji
Otrzymana suma jest normowana do wartości z przedziału [0,1]
Uczenie sieci neuronowej polega na
Modyfikacji wag sygnałów wejściowych sieci
Zmianie parametrów funkcji aktywacji
Modyfikacji wartości sygnałów wejsciowych
Modyfikacji wag i wartości sygnałów wejściowych sieci
Modyfikacji wag i wartości sygnałów wejściowych sieci
Z jakiej funkcji aktywacji korzysta perceptron?
Z bipolarnej funkcji skokowej
z unipolarnej funkcji liniowej
z funkcji wykładniczej
z funkcji tangesoidalnej
Z bipolarnej funkcji skokowej
Dopasuj do podanych definicji odpowiednie pojęcia
Metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
Wymiana części genotypu między dwoma osobnikami
Tworzenie kolejnego pokolenia osobników poprzez wybór i powielenie części z nich (zwykle lepiej przystosowanych)
Działanie modyfikujące genotyp osobnika lub całą populację
Losowa zmiana genotypu danego osobnika
Ruletka
Krzyżowanie
Selekcja
Operator genetyczny
Mutacja
Metoda selekcji wykorzystywana w klasycznym algorytmie genetycznym
Ruletka
Wymiana części genotypu między dwoma osobnikami
Krzyżowanie
Tworzenie kolejnego pokolenia osobników poprzez wybór i powielenie części z nich (zwykle lepiej przystosowanych)
Selekcja
Działanie modyfikujące genotyp osobnika lub całą populację
Operator genetyczny
Losowa zmiana genotypu danego osobnika
Mutacja
Algorytmy generyczne pozwalają na znalezienie
Przybliżonego rozwiązania optymalnego
Dokładnego rozwiązania optymalnego
Przybliżonego rozwiązania optymalnego
Który operator nie jest podstawowym operatorem genetycznym
Projekcja
Krzyżowanie
Selekcja
Inwersja
Projekcja
Dopasuj klasy metod optymalizacji i poszukiwania
Przypadkowe lub metody oparte na wielokrotnym losowaniu punktu w przestrzeni i zapamiętywaniu najlepszego rozwiązania
Polegające na rozwiązaniu układu równań (zazwyczaj nieliniowych) otrzymanych przez przyrównanie gradientu funkcji celu do zera
Obliczanie wartości funkcji celu, przeglądając wszystkie punkty skończonej przestrzeni np. sprawdzenie po kolei wszystkich rozwiązań
Stosowanie zasad, umożliwiających ograniczenie przestrzeni poszukiwań rozwiązania
Metody stochastyczne
Metody analityczne
Przeszukiwanie wyczerpujące
Metody heurystyczne
Przypadkowe lub metody oparte na wielokrotnym losowaniu punktu w przestrzeni i zapamiętywaniu najlepszego rozwiązania
Metody stochastyczne
Polegające na rozwiązaniu układu równań (zazwyczaj nieliniowych) otrzymanych przez przyrównanie gradientu funkcji celu do zera
Metody analityczne
Obliczanie wartości funkcji celu, przeglądając wszystkie punkty skończonej przestrzeni np. sprawdzenie po kolei wszystkich rozwiązań
Przeszukiwanie wyczerpujące
Stosowanie zasad, umożliwiających ograniczenie przestrzeni poszukiwań rozwiązania
Metody heurystyczne
Dopasuj cechy agenta programowego do definicji
Umożliwia agentowi manifestowanie własnych stanów w postaci emocji
Pozwala na dostosowanie się do zmian w otoczeniu na podstawie doświadczenie zdobytego przez agenta
Odzwierciedla cechy mentalne agenta związane z środkami komunikacji i wyrazu
osobowość
adaptacyjność
personifikacja
Umożliwia agentowi manifestowanie własnych stanów w postaci emocji
osobowość
Pozwala na dostosowanie się do zmian w otoczeniu na podstawie doświadczenie zdobytego przez agenta
adaptacyjność
Odzwierciedla cechy mentalne agenta związane z środkami komunikacji i wyrazu
personifikacja
Dopasuj definicje następujących pojęć
Działanie agenta bazuje na zachowaniach ludzkich, w których możemy próbować opisać agenta w oparciu o zestaw poglądów
Działanie agenta składa się z prostych operacji, takich jak wysyłanie i odbieranie komunikatów, wykonywanie działań prywatnych oraz aktualizacji modelu mentalnego
BDI
Agent_0
Działanie agenta bazuje na zachowaniach ludzkich, w których możemy próbować opisać agenta w oparciu o zestaw poglądów
BDI
Działanie agenta składa się z prostych operacji, takich jak wysyłanie i odbieranie komunikatów, wykonywanie działań prywatnych oraz aktualizacji modelu mentalnego
Agent_0
Dopasuj definicje następujących pojęć
Samouczenie maszynowe lub uczące się systemy
Wykrywanie nieznanych prawidłowości, tworzenie analogii i modyfikowanie
Tworzenie baz oraz wykorzystanie technologii semantycznych do przetwarzania
Machine learning
Inżynieria wiedzy
Big Data
Samouczenie maszynowe lub uczące się systemy
Machine learning
Wykrywanie nieznanych prawidłowości, tworzenie analogii i modyfikowanie
Inżynieria wiedzy
Tworzenie baz oraz wykorzystanie technologii semantycznych do przetwarzania
Big Data
Dopasuj rodzaje prototypów systemów ekspertowych
Realizuje w pełni założone zadania
Gotowy do produkcji w wymaganej skali
Przeszedł pełne testowanie
Realizuje pewne cząstkowe zadania
Charakteryzuje się szybkim działaniem
Użytkowy
Komercyjny
Eksploatacyjny
Demonstracyjny
Przemysłowy
Realizuje w pełni założone zadania
Użytkowy
Gotowy do produkcji w wymaganej skali
Komercyjny
Przeszedł pełne testowanie
Eksploatacyjny
Realizuje pewne cząstkowe zadania
Demonstracyjny
Charakteryzuje się szybkim działaniem
Przemysłowy
Co zapewnia symboliczny zapis wiedzy
Krótsze czasy przeszukiwania bazy wiedzy
Uproszczone podejmowanie decyzji
Łatwą analizę poprawności bazy wiedzy
Szybsze sprawdzanie poprawności kolejnych stanów
Łatwą analizę poprawności bazy wiedzy
Jakiego elementu nie ma w modelu pojedynczego neuronu
Funkcji przynależności
Sumatora
Funkcji aktywacji
Wejść i wag dla każdego z wejść
Funkcji przynależności
Na ile obszarów można podzielić przestrzeń cech wykorzystując pojedynczy perceptron o n wejściach
Na trzy obszary
Nie jest możliwy podział
Na n obszarów
Na dwa obszary
Na dwa obszary
Oblicz wartość sygnału na wejściu perceptronu z bipolarną funkcją aktywacji dla wejścia poniżej
X1=2,W1=0,5
X2=3.W2,0,5
1
Metoda współczynników pewności zakłada
prawdopodobieństwo danego fakty lub reguły
stopień prawdziwości faktu lub reguły
oszacowanie stopnia pewności eksperta o prawdziwości danej reguły
oszacowanie stopnia pewności eksperta o prawdziwości danej reguły
Różnice między algorytmami genetycznymi i tradycyjnymi metodami optymalizacyjnymi.
Które stwierdzenie nie jest prawdziwe
Algorytmy genetyczne korzystają tylko z funkcji celu, nie zaś z jej pochodnych i innych pomocniczych informacji
Algorytm genetyczny stosuje probabilistyczne metody selekcji
Poszukiwanie w algorytmach genetycznych odbywa się w wielu punktach jednocześnie (populacja)
Algorytmy genetyczne korzystają z pochodnych funkcji celu i innych pomocniczych informacji
Algorytmy genetycznie nie przetwarzają bezpośrednio parametrów zadania, lecz ich zakodowaną postać
Algorytmy genetyczne korzystają z pochodnych funkcji celu i innych pomocniczych informacji
Przyporządkuj pytanie do dzidziny nauki bedącej jednym z fundamentów AI
Jakie sa formalne zasady wnioskowania
W jaki sposób mózg przetwarza informacje
Skąd bierze się wiedza
Jakie podejmowaqć decyzje maksymalizujące wyniki działań
Matematyka
Neurobiologia
Filozofia
Ekonomia
Jakie sa formalne zasady wnioskowania
Matematyka
W jaki sposób mózg przetwarza informacje
Neurobiologia
Skąd bierze się wiedza
Filozofia
Jakie podejmowaqć decyzje maksymalizujące wyniki działań
Ekonomia
Które z poniższych zagadnień nie należą do kluczowych zagadnień AI
Reprezentacja wiedzy
Rozpoznawanie obrazów
Rozpoznawanie mowy
Symulacja komputerowa
Symulacja komputerowa