Rozdíly

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

--- courses:x33kui:start [2009/12/16 18:13]
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 438: / Řádek 442: @@
   [ ] 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.1260983605.txt.gz · Poslední úprava: 2025/01/03 18:25 (upraveno mimo DokuWiki)

Nahoru