Rozdíly

Zde můžete vidět rozdíly mezi vybranou verzí a aktuální verzí dané stránky.

--- courses:x33kui:start [2009/12/16 16:38]
knyttvoj
+++ courses:x33kui:start [2025/01/03 18:29] (aktuální)
@@ Řádek 2: / Řádek 2: @@
   * Stránky předmětu: http://informatika.felk.cvut.cz/moodle2/course/view.php?id=4
+** Nástřel řešení příkladů k testu (rozhodně ne 100% kvalitní): **
 ====== 1 =====
 .1. Kybernetika zkoumá
@@ Řádek 60: / Řádek 63: @@
 .2. Informační entropie zprávy je
-  [ ] součtem množství informace všech symbolů ve zprávě
+  [X] součtem množství informace všech symbolů ve zprávě
   [ ] střední hodnotou informace ve zprávě, tj. množství informace připadající na jeden symbol
   [ ] funkcí pravděpodobnostního rozložení symbolů ve zprávě
 .3. Informační entropie náhodné veličiny
-  [ ] je měřítkem neurčitosti její hodnoty
+  [X] je měřítkem neurčitosti její hodnoty
   [ ] je definována pouze pro nezáporné veličiny
   [ ] je definována pouze pro veličiny nabývající hodnot z konečné množiny
@@ Řádek 86: / Řádek 89: @@
 .7. Nechť diskrétní náhodná veličina S nabývá n možných hodnot.
-  [ ] Informační entropie H(S) není nikdy nižší než logaritmus n (při základu 2)
+  [X] Informační entropie H(S) není nikdy nižší než logaritmus n (při základu 2)
   [ ] Informační entropie H(S) není nikdy vyšší než logaritmus n (při základu 2)
   [X] Informační entropie H(S) je vždy nezáporná
@@ Řádek 104: / Řádek 107: @@
   [ ] termodynamických a lingvistických
   [X] jejichž každý stav má svou známou pravděpodobnost
 ====== 3 ======
@@ Řádek 331: / Řádek 335: @@
   [ ] pro klasifikátor podle nejbližšího souseda (1-NN) je tato chyba nulová
   [ ] je nevychýleným odhadem středního rizika klasifikátoru
 ====== 9 ======
-.1. Algoritmus minimax, používaný pro [ ] je úplný [ ] má lineární časovou náročnost [ ] má lineární paměťovou náročnost
+.1. Algoritmus minimax, používaný pro prohledávání konečného herního stromu
-prohledávání konečného herního stromu
+  [X] je úplný
-prohledávání konečného herního stromu
+  [ ] má lineární časovou náročnost
+  [X] má lineární paměťovou náročnost
-.2. Algoritmus minimax, používaný pro [ ] je optimální [ ] má exponenciální časovou náročnost [ ] má exponenciální paměťovou náročnost
+.2. Algoritmus minimax, používaný pro prohledávání konečného herního stromu
+  [X] je optimální
+  [X] má exponenciální časovou náročnost
+  [ ] má exponenciální paměťovou náročnost
-.3. Algoritmus založený na alfa/beta prořezávání stavového prostoru umožní prohloubit hloubku prohledávání při zachování stejné časové náročnosti [ ] na dvojnásobek [ ] až na dvojnásobek
+.3. Algoritmus založený na alfa/beta prořezávání stavového prostoru umožní prohloubit hloubku prohledávání při zachování stejné časové náročnosti
-[ ] až o třetinu
+  [X] na dvojnásobek
+  [ ] až na dvojnásobek
+  [ ] až o třetinu
-.4. Kvalitu alfa/beta prořezávání stavového prostoru zásadním způsobem ovlivňuje [ ] hloubka stavového prostoru [ ] faktor větvení
+.4. Kvalitu alfa/beta prořezávání stavového prostoru zásadním způsobem ovlivňuje
-[ ] uspořádání následníků (expandantů)
+  [ ] hloubka stavového prostoru
+  [ ] faktor větvení
+  [ ] uspořádání následníků (expandantů)
-.5. Alfa/beta prořezávání stavového prostoru [ ] zachovává úplnost [ ] nezmění časovou náročnost [ ] nezmění optimalitu algoritmu minimax
+.5. Alfa/beta prořezávání stavového prostoru
+  [X] zachovává úplnost
+  [ ] nezmění časovou náročnost
+  [X] nezmění optimalitu algoritmu minimax
-.6. Při hraní her s prvkem náhody [ ] klesá význam prohledávání do velké hloubky herního stromu [ ] klesá význam alfa/beta prořezávání [ ] klesá efektivní faktor větvení
+.6. Při hraní her s prvkem náhody
+  [ ] klesá význam prohledávání do velké hloubky herního stromu
+  [ ] klesá význam alfa/beta prořezávání
+  [ ] klesá efektivní faktor větvení
-.7. Omezení hloubky prohledávaného herního stromu (cut-off) search [ ] zachovává úplnost [ ] nahrazuje přesné hodnoty užitku (utility) uzlu odhadem [ ] zabraňuje horizontálnímu efektu
+.7. Omezení hloubky prohledávaného herního stromu (cut-off) search
+  [ ] zachovává úplnost
+  [ ] nahrazuje přesné hodnoty užitku (utility) uzlu odhadem
+  [ ] zabraňuje horizontálnímu efektu
-.8. Šachový algoritmus DeepBlue, který porazil Kasparova, prohledával stavový prostor do hloubky v řádech [ ] desítek tahů [ ] stovek tahů
+.8. Šachový algoritmus DeepBlue, který porazil Kasparova, prohledával stavový prostor do hloubky v řádech
-[ ] tisíců tahů
+  [ ] desítek tahů
+  [ ] stovek tahů
+  [ ] tisíců tahů
-.9. Algoritmus TDGammon, který hraju hru Backgamon na mistrovské úrovni, prohledává stavový prostor do hloubky v řádech [ ] desítek [ ] stovek
+.9. Algoritmus TDGammon, který hraju hru Backgamon na mistrovské úrovni, prohledává stavový prostor do hloubky v řádech
-[ ] tisíců
+  [ ] desítek
+  [ ] stovek
+  [ ] tisíců
-.10. Hodnoty, které vrací funkce eval při prohledávání herního stromu s omezenou hloubkou (cut-off search) při hrách bez prvku náhody [ ] musejí být přesné [ ] nemusejí být přesné, ale stačí když jsou monotónně transformované s ohledem na reálné hodnoty
+.10. Hodnoty, které vrací funkce eval při prohledávání herního stromu s omezenou hloubkou (cut-off search) při hrách bez prvku náhody
-[ ] nemusejí být přesné, ale stačí když jsou lineárně transformované s ohledem na reálné hodnoty
+  [ ] musejí být přesné
+  [ ] nemusejí být přesné, ale stačí když jsou monotónně transformované s ohledem na reálné hodnoty
+  [ ] nemusejí být přesné, ale stačí když jsou lineárně transformované s ohledem na reálné hodnoty
-.11. Hodnoty, které vrací funkce eval při prohledávání herního stromu s omezenou hloubkou (cut-off search) při hrách s prvkem náhody [ ] musejí být přesné [ ] nemusejí být přesné, ale stačí když jsou monotónně transformované s ohledem na reálné hodnoty
+.11. Hodnoty, které vrací funkce eval při prohledávání herního stromu s omezenou hloubkou (cut-off search) při hrách s prvkem náhody
-[ ] nemusejí být přesné, ale stačí když jsou lineárně transformované s ohledem na reálné hodnoty
+  [ ] musejí být přesné
+  [ ] nemusejí být přesné, ale stačí když jsou monotónně transformované s ohledem na reálné hodnoty
+  [ ] nemusejí být přesné, ale stačí když jsou lineárně transformované s ohledem na reálné hodnoty
 ====== 10 ======
-.1. Pokud jsou a,b,c,d atomické formule, pak Výraz a & b & c -> d je [ ] trojargumentový predikát [ ] pravidlo modus ponens [ ] formule jazyka predikátové logiky
+.1. Pokud jsou a,b,c,d atomické formule, pak Výraz a & b & c -> d je
+  [X] trojargumentový predikát
+  [ ] pravidlo modus ponens
+  [X] formule jazyka predikátové logiky
-.2. Formalismus sémantické sítě umožňuje [ ] řešit konflikty [ ] vyvozovat děděním [ ] modularizovat znalosti
+.2. Formalismus sémantické sítě umožňuje
+  [ ] řešit konflikty
+  [ ] vyvozovat děděním
+  [ ] modularizovat znalosti
-.3. Součástmi produkčního systému jsou [ ] báze pravidel [ ] interferenční stroj [ ] báze dat
+.3. Součástmi produkčního systému jsou
+  [X] báze pravidel
+  [X] interferenční stroj
+  [X] báze dat
-.4. Relace ISA se v systému rámců využívá [ ] k dědění vlastností [ ] k označení konkrétní instance generického rámce [ ] k označení relace mezi generickými rámci
+.4. Relace ISA se v systému rámců využívá
+  [ ] k dědění vlastností
+  [X] k označení konkrétní instance generického rámce
+  [ ] k označení relace mezi generickými rámci
-.5. Relace AKO se v systému rámců využívá [ ] k dědění vlastností [ ] k označení konkrétní instance generického rámce [ ] k budování ontologií
+.5. Relace AKO se v systému rámců využívá
+  [X] k dědění vlastností
+  [ ] k označení konkrétní instance generického rámce
+  [ ] k budování ontologií
-.6. Scénář je [ ] časová posloupnost predikátových výrazů [ ] posloupnost rámců [ ] soubor podmínek pro aktivaci pravidel produkčního systému
+.6. Scénář je
+  [ ] časová posloupnost predikátových výrazů
+  [X] posloupnost rámců
+  [ ] soubor podmínek pro aktivaci pravidel produkčního systému
-.7. Výraz matka(petr, jana). Je [ ] trojargumentovým predikátovým výrazem [ ] elementárním faktem [ ] tvrzením, které může nabývat hodnot T a F
+.7. Výraz matka(petr, jana). Je
+  [ ] trojargumentovým predikátovým výrazem
+  [X] elementárním faktem
+  [ ] tvrzením, které může nabývat hodnot T a F [//to by tam nesměla být ta tečka//]
-.8. Povinnou položkou každého rámce je [ ] odkaz k podřazenému rámci [ ] jméno rámce [ ] nastavená hodnota počtu povolených položek
+.8. Povinnou položkou každého rámce je
+  [ ] odkaz k podřazenému rámci [//povinný je odkaz k nadřazenému//]
+  [X] jméno rámce
+  [ ] nastavená hodnota počtu povolených položek
-.9. Předností znalostních taxonomií je [ ] efektivní řešení konfliktů [ ] zpětné řetězení pravidel [ ] vysoká modularita znalostí
+.9. Předností znalostních taxonomií je
+  [ ] efektivní řešení konfliktů
+  [ ] zpětné řetězení pravidel
+  [ ] vysoká modularita znalostí
-.10. Prohledávání stavového prostoru lze formalizovat produkčním systémem pokud [ ] nepoužíváme backtracking [ ] se prohledává jenom do šířky
+.10. Prohledávání stavového prostoru lze formalizovat produkčním systémem pokud
-[ ] pokud není třeba řešit konflikty
+  [ ] nepoužíváme backtracking
+  [ ] se prohledává jenom do šířky
+  [ ] pokud není třeba řešit konflikty
 ====== 11 ======
-.1. Expertní systémy diagnostické [ ] generují vhodnou posloupnost operátorů pro dosažení cíle [ ] jsou vhodné pro návrh terapie v medicíně [ ] uvažují n(n-1) možných hypotéz, kde n je počet listových tvrzení
+.1. Expertní systémy diagnostické
+  [ ] generují vhodnou posloupnost operátorů pro dosažení cíle
+  [ ] jsou vhodné pro návrh terapie v medicíně
+  [ ] uvažují n(n-1) možných hypotéz, kde n je počet listových tvrzení
-.2. Expertní systémy s tabulí využívají stratgeie [ ] řízení tokem dat [ ] řízení peer-to-peer (já-pán ty-pán) [ ] typu démon
+.2. Expertní systémy s tabulí využívají stratgeie
+  [ ] řízení tokem dat
+  [ ] řízení peer-to-peer (já-pán ty-pán)
+  [X] typu démon
-.3. Obecný model pro práci s neurčitou informací vždy zahrnuje [ ] vzorec pro výpočet neurčitosti logické kombinace tvrzení [ ] odhady neurčitostí pravidel [ ] vzorec pro kombinaci vlivu více cest uvažování
+.3. Obecný model pro práci s neurčitou informací vždy zahrnuje
+  [ ] vzorec pro výpočet neurčitosti logické kombinace tvrzení
+  [ ] odhady neurčitostí pravidel
+  [ ] vzorec pro kombinaci vlivu více cest uvažování
-.4. Kompozicionální model pro práci s neurčitou informací vyžaduje brát do úvahy [ ] hodnotu kompozicionálního predikátu pro vágnost [ ] všechny podmíněné a sdružené pravděpodobnosti tvrzení
+.4. Kompozicionální model pro práci s neurčitou informací vyžaduje brát do úvahy
-[ ] podmínku nezávislosti všech tvrzení
+  [ ] hodnotu kompozicionálního predikátu pro vágnost
+  [ ] všechny podmíněné a sdružené pravděpodobnosti tvrzení
+  [ ] podmínku nezávislosti všech tvrzení
-.5. Listový uzel inferenční sítě je [ ] nedotazovatelný [ ] cílový [ ] mezilehlý
+.5. Listový uzel inferenční sítě je
+  [ ] nedotazovatelný
+  [ ] cílový
+  [ ] mezilehlý
-.6. Mezilehlý uzel inferenční sítě může být [ ] listovým [ ] dotazovatelným či nedotazovatelným [ ] ohodnocený měrou důvery
+.6. Mezilehlý uzel inferenční sítě může být
+  [ ] listovým
+  [ ] dotazovatelným či nedotazovatelným
+  [ ] ohodnocený měrou důvery
-.7. Ve fuzzy modelu pro práci s neurčitou informací platí [ ] CF (E1 & E2) = max {CF (E1); CF(E2)} [ ] CF (E1 & E2) = CF(E1) + CF(E2) – CF(E1).CF(E2) [ ] CF (E1 & E2) = CF(E1) + CF(E2)
+.7. Ve fuzzy modelu pro práci s neurčitou informací platí
+  [ ] CF (E1 & E2) = max {CF (E1); CF(E2)}
+  [ ] CF (E1 & E2) = CF(E1) + CF(E2) – CF(E1).CF(E2)
+  [ ] CF (E1 & E2) = CF(E1) + CF(E2)
-.8. Míra postačitelnosti lambda v Pseudobayesovském modelu pro práci s neurčitou informací leží [ ] v intervalu <0,1) [ ] v intervalu (0, nekonecno)
+.8. Míra postačitelnosti lambda v Pseudobayesovském modelu pro práci s neurčitou informací leží
-[ ] v intervalu (1, P(H/E))
+  [ ] v intervalu <0,1)
+  [ ] v intervalu (0, nekonecno)
+  [ ] v intervalu (1, P(H/E))
-.9. Na začátku konzultace expertního systému je aktuální model tvořen: [ ] nulovými měrami důvěry ve všechna tvrzení [ ] expertovými odhady síly pravidel [ ] apriorními měrami důvěry, které dodal uživatel
+.9. Na začátku konzultace expertního systému je aktuální model tvořen:
+  [ ] nulovými měrami důvěry ve všechna tvrzení
+  [ ] expertovými odhady síly pravidel
+  [ ] apriorními měrami důvěry, které dodal uživatel
-.10. Grafem inferenční sítě může být [ ] orientovaný strom [ ] les [ ] orientovaný graf s cykly
+.10. Grafem inferenční sítě může být
+  [X] orientovaný strom
+  [X] les
+  [ ] orientovaný graf s cykly
 ~~DISCUSSION~~

courses/x33kui/start.1260977918.txt.gz · Poslední úprava: 2025/01/03 18:25 (upraveno mimo DokuWiki)

Nahoru