Mester Intel 5-12
Az alábbiak közül melyik jellemzik a homogén többrétegű előrecsatolt hálózatot?
A különböző rétegek neuronjainak aktivációs (kimeneti) függvénye eltérhet, de egy réteghez tartozó neuronok esetében nem.
Az i-dik réteg neuronjának kimenete csak az i+1dik réteg neuronjának lehet bemeneti értéke.
Az i-dik réteg egy neuronjának kimente csak az i-dik réteg neuronjának lehet bemeneti értéke.
Az azonos réteghez tartozó neuronok között nincs közvetlen kapcsolat.
Mit jelent az input vektorizálása?
Az inputot egy síkvektorként fogjuk fel, amelynek kiinduló pontja az origó.
Az inputok azonos hosszúságú számsorozatok.
Egy inputot a jellemzői (attribútumai) segítségével egy számsorozattal ábrázoljuk.
A megoldandó probléma lineáriasan szeparálható feladattá konvertálását
Jellemezze a szigmoid kimeneti függvényt!
Folytonos, majdnem mindenhol deriválható, monoton növekedő, ]0,1[ intervallumba képző függvény.
Egyetlen szakadási ponttal rendelkező, máshol deriválható, monoton növekedő, ]0,1[ intervallumba képző függvény.
Folytonos, mindenhol deriválható, szigorúan monton növekedő, ]0,1[ intervallumba képző függvény.
Folytonos, mindenhol deriválható, monoton növekedő, ]0,1[ intervallumba képző függvény.
Az alábbiak közül melyik hálózat NEM lehet több rétegű topológiája?
Hopfield neurális hálózat.
Rekurens neurális hálózat.
Konvolúciós neurális hálózat.
Backpropagation modell hálózata.
Mi a delta tanulási szabály?
Egy súly megváltoztatása a súlyhoz tartozó bemeneti értéknek, és a súlyt tartalmazó neuron számított és várt kimeneti értékei külömbségének szorzatától függ.
Egy súly megváltoztatása a súlyhoz tartozó bemeneti értéknek, és a súlyának szorzatától függ.
Egy súly megváltoztatása a súlyhoz tartozó bemeneti értéknek, és a súlyt tartalmazó neuron várt kimeneti értékének szorzatától függ.
Egy súly megváltoztatása a súlyhoz tartozó bemeneti értéknek, és a súlyt tartalmazó neuron számított kimeneti értékének szorzatától függ.
Mire alkalmazzák a linerárisan szeparálható kifejezést?
A Rosenblatt-féle perceptronokból épített neurális hálózatokra.
Azokra a feladatokra, amelyek lehetséges bemeneti érték n-esei egy hipersíkkal elválaszthatók aszerint, hogy az ezekre elvárt válasz A vagy B.
Arra, hogy a mintapontokhoz a legkisebb négyzetek módszerével meghatározottegyenes elválasztja egymástól a minta pontokat.
Arra, hogy a perceptronnal megoldható problémák két osztályba sorolhatók be.
A mesterséges neuronhálózatokra felügyelt vagy felügyelet nélküli tanulási módszer alkalmazható?
Csak felügyelet nélküli.
Csak felügyelt.
Mindkettő.
Egyik sem.
Hogyan lehet Rosenblatt-féle perceptronok felhasználásaval koordinátorokat úgy osztályozni, hogy megmondjuk melyek esnek bele egy megadott háromszögbe, és melyek nem?
Nem lehet, mert többrétegű Rosenblatt-féle perceptronokból álló hálózathoz nem ismerünk tanuló algoritmust.
Nem lehet, mert a Rosenblatt-féle neuronokkal csak lineárisan szeparálható problémákat lehet megoldani.
Olyan kétrétegű előrecsatolthálózattal, ahol az első rétegben három, a második rétegben egy neuron van.
Egy rétegű háromneuront tartalmazó hálózattal.
A mesterséges neuronhálózatot egy olyan paraméteres függvénynek tekinthetjük, amellyel a megoldandó problémát reprezentáló leképzést közelítjük. Melyek ebben a paraméterek?
A neuronok "bias" bemenete.
A neuronok súly tényezői.
A neuronokban használt kimeneti függvények.
A tanító minták száma és a tanulási együttható.
Mit értünk a hiba visszaterjesztés (error-backpropogation) módszere alatt?
Azt amikor egy többrétegű előrecsatolt hálózat kimeneti rétegének elvárt kimenetei alapján határozzuk meg, hogy a hálóbeli neuronoknak milyen elvárt kimenete van.
Olyan többrétegű hálózat építését, amelyben megengedjük a visszacsatolást a szomszédos rétegek között.
Azt a folyamatot, amellyel a Hopfield modell stabil konfigurációba jut.
Azt, amikor egy többrétegű előrecsatolt hálózat kimeneti rétegének számított és várt outputja alapján határozzuk meg, hogy hogyan kell a hálóbeli neuronok súlyait változtatni.
Mit értünk a Hopfield modell konfigurációs terén?
A neuronok kimeneteinek összességét.
A neuronok bementeinek összességét.
A neuronok által felvett állapotok összességét.
A neuronok súlyainak összességét.
Az alábbiak közül mely állítások igazak a mesterséges neuronhálózatokra?
A tanulási idő hosszú
A mintákat egyesével el kell tárolni.
Optimális megoldást ad.
A válaszadási idő rövid.
Mit jelent az, hogy egy tanulás felügyelt?
A tanulás folyamata nem teljesen automatikus.
A tanulási folyamatnak ki kell számolni a tanító minták elvárt kimenetét is.
A tanító minták elvárt kimentetét is felhasználja a tanulási folyamat.
A tanulási folyamatátmódosítani kell, ha az elvárt kimenet eltér a számított tól.
mit jelent az, hogy egy tanulás felügyelet nélküli?
A tanító minták elvárt kimenetét automatikusan számolja a tanulás módszere.
A tanító mintákra kiszámolt kimenet eltérhet az elvárt kimenettől.
A tanulás folyamata teljesen automatikus.
A tanulásnak nincsen szüksége a tanító minták elvárt kimenetére.
Mit jelent a zaj a tanító minták esetén?
Amikor a tanítóminták elvárt kimenete hasonló.
Amikor a tanító minták elvárt kimentének jelentése elmosódott.
Amikor két vagy több eltérő attribútumokkal rendelkező minta elvárt kimenetei megyeznek.
Amikor azonos attribútumokkal rendelkező minták altérő elvárt kimenetekkel rendelkeznek.
Különböző tanító minták halmazának mikor a legkisebb az információ (entrópia) tartalma a döntési fáknál?
Ha mind azonos kimentei értékkel rendelkezik.
Ha a kimeneteik értékei mind különböznek.
Ha a minták kimeneti értékei közötti legnagyobb távolság (valamilyen távolsági metrika mellett) kisebb a legnagyobb kimeneti értéknél(ugyan azon metrika szerint).
Ha a minták inputjai közötti legnagyobb távolság (valamilyen távolság metrika mellett) kisebb a legnagyobb input értékénél (ugyan azon metrika szerint).
Hogyan értékelünk ki a döntési fa építése során egy levélcsúcsot akkor, ha nem tartoznak hozzá tanító minták?
A csúcshoz tartozó attribútumok alapján, ha vannak ilyenek, különben véletlenszerű értéket kap.
Ilyen eset nem fordulhat elő.
A szülőcsúcsához tartozó attribútumok alapján.
A szülőcsúcsához tartozó tanítóminták alapján.
A döntési fa építése során az alábbiak közül milyen csúcsok fordulhatnak elő a fában?
Kiértékeletlen levélcsúcsok.
Attribútummal cimkézett levél csúcsok.
Kiértékelt levélcsúcsok.
Atrribútummal cimkézett belső csúcsok.
Mely állítások igazak a döntési fára?
Egy csúcsból kivezető élei a csúcs attribútumának lehetséges értékeit szimbolizálják.
Gyökércsúcsa a kiinduló problémát reprezentálja.
Ágai egy probléma lehetséges megoldását adják.
Belső csúcsai egy-egy attribútumot reprezentálnak.
Mely állítások igazak a döntési fa módszerére?
A mintákat a válaszadásnál is ismerni kell.
Optimális megoldást ad.
A tanulási idő hosszú.
A választási idő rövid.
Mely állítások igazak k-legközelebbi szomszéd módszerére?
A válaszadási idő rövid.
Egyszerű implementálni.
A megtanult paraméter a minták összessége.
A tanulási idő hosszú.
Milyen felügyelttanulási módszereket ismert meg a kurzuson?
K-legközelebbi szomszéd módszere.
K-közép módszer.
Véletlen erdő módszere.
Error backpropogation algoritmus.
Hol jutott szerepe a véletlennek a véletlen erdő módszerében?
Az erdő egy fájának felépítéséhez a minták véletlen választott részhalmazát használja.
Az erdő fáinak számát véletlen módon határozzák meg .
Az erdő egy fájának felépítéséhez a minták attribútumai közül véletlen választott attribútumokat használ.
A fa egy csúcsához rendelt attribútumot véletlen módon választja ki.
Mely fogalmak kapcsolhatók össze az alábbiak közül a gépi tanulás témakörében?
K-középmódszer
Osztályozási feladat
Kereszt entrópia
Véletlen erdő
Döntési fa
2es norma
Felügyelt tanulás
Tanító minták elvárt kimenetre
Hogyan számoljuk az A esemény valószínűségét feltéve, hogy B esemény - amely valószínűsége nagyobb, mint nulla- bekövetkezik?
P(A|B) = P(A,B) / P(A)
P(A|B) = P(B|A)P(B) / P(A)
P(A|B) = P(A,B) / P(B)
P(A|B) =P(A)P(B) / P(B)
Mikor mondjuk, hogy A és B események feltételesen függetlenek E eseményre nézve?
P(AB|E) = P(A|E) P(B|E) / P(E)
P(AB|E) = P(B|E)
P(AB|E) = P(A|E) P(B|E)
P(AB|E) = P(A|E)
Az alábbiak közül melyik egy Bayes tétel?
P(B|A,E) = P(A|B,E) P(A|E) / P(B|E)
P(A|B) = P(B|A) P(A) / P(B)
P(A|B) = P(B|A) P(B) / P(A)
P(B|A,E) = P(A,B|E) P(A|E) / P(B|E)
Az alábbiak közül melyik NEM igényel bizonytalanság kezelést?
Elmosódott jelentésű állítások alapján történő következtetés.
Ellentmondó adatokra épülő következtetés
Hiányzó adatok alapján történő következtetés.
Axiómákból kiinduló logikai következtetés.
Milyen gráf a valószínűségi háló?
Н��-gráf
Véges fa-gráf.
Véges fa.
Véges körmentes irányított gráf.
Mit mutat meg a valószínűségi háló feltételes valószínűségi táblája?
Azt, hogy egy csúcs valószínűségi változója milyen valószínűséggel vesz fel egy adott értéket feltéve, hogy a szülő csúcsok valószínűségi változói adott értékűek.
Azt, hogy egy csúcs valószínűségi változója milyen valószínűséggel vesz fel egy adott értéket feltéve, hogy a gyerek csúcsok valószínűségi változói adott értékűek.
Azt, hogy egy él valószínűségi változója milyen valószínűséggel vesz fel egy adott értéket feltéve, hogy az él kezdőcsúcsába futó élek valószínűségi változói adott értékűek
Azt, hogy egy él valószínűségi változója milyen valószínűséggel vesz fel egy adott értéket feltéve, hogy az él végcsúcsából kifutó élek valószínűségi változói adott értékűek.
Mit jelent a normalizálás technikája?
Adott kifejezések olyan együtthatóval történő szorzását, hogy ezáltal az összegük 1 legyen.
A kettes norma alkalmazását.
Bayes hálók fa-gráfokká történő átalakítását
Adott összegű kifejezések közös együtthatójának kiszámolását.
Mit jelent az, hogy egy valószínűsági háló egyszeresen kötött?
Azt, hogy a háló egy fa-gráf.
Azt, hogy a háló körmentes.
Azt, hogy a háló egy irányított fa.
Azt, hogy a háló éleinek irányításait megfordítva irányított fát kapunk
Az alábbiak közül melyek igazak a valószínűségi hálókra?
Egyetlen célcsúcsa van.
Csúcsai egy adott tárgykör valószínűségi változóit reprezentálják.
Az éleiről elhagyva az irányítást a hálóból egy irányítatlan fát kapunk.
Irányított élei a válószínűségi változók közötti közvetlen ok-okozati összefüggéseket mutatják
Hogyan javítható a valószínűségi hálóban való számítás hatékonysága, ha a háló nem fa-gráf?
Nem javítható.
Csúcsok összevonásával fa-gráffá alakítjuk a valószínűségi hálót.
Csúcsok elhagyásával több fa-gráfokra bontjuk a valószínűségi hálót
A valószínűségi hálót példák generálására használjuk, amelyekből relatív gyakoriságot számolunk
Milyen heurisztikus bizonytalanságkezelő technikákról hallott?
MYCIN szakértő rendszer következtetése.
Zárt világ feltételezés.
Fuzzy következtetés.
Bayes-i frissítés módszere.
Mely fogalmak kapcsolhatók egymáshoz a bizonytalanság kezelésnél?
Fa-gráf
Feltételes valószínűség
Valószínűségi háló
Véges körmentes gráf
Heurisztikus módszer
MYCIN
Bizonytalan következmény
Csúcsok összevonása
Mi az a rezolúciós gráf?
Az üres klóz előállítását bemutató gráf.
Az útkeresési feladatot leíró irányított gráf.
Az összes klóz előállítását bemutató gráf.
Logikai következtetést szimbolizáló ÉS/VAGY gráf
Melyek a p || q és a !p || !q rezolvensei?
üres klóz
Nem rezolválhatók
p || !p és q || !q
P || q || !q és q || p || !p
Mi a globális munkaterülete a rezolúciónak?
Az axiómákból és a célállítás negáltjából kialakított klózok halmaza.
A formalizációban részt vevő predikátumok halmaza.
A kiinduló és az eddig előállított klózok halmaza.
Az egyedek populációja.
Mi a keresési szabálya a rezolúciónak?
Az üres klóz előállítása.
A rezolvens képzés.
Az üres klóz levezetése
A Skolemizálás.
Melyik az alábbiak közül a visszafelé haladó szabályalapú reprezentáció jellemzője?
A szabályok L→W alakúak, ahol W egy ÉS/VAGY formula, L egy literál, és minden változó univerzálisan kvantált.
A szabályok W→L alakúak, ahol W egy ÉS/VAGY formula, L egy literál, és minden változó univerzálisan kvantált
A tényállítás egy univerzálisan kvantált ÉS/VAGY formula.
A célállítás egy L || … || L egzisztenciálisan kvantált formula, ahol L literál.
Melyik az alábbiak közül az előrefelé haladó szabályalapú reprezentáció jellemzője?
A tényállítás egy L || … || L univerzálisan kvantált formula, ahol L literál.
A szabályok W→L alakúak, ahol W egy ÉS/VAGY formula, L egy literál, és minden változó univerzálisan kvantált
A szabályok L→W alakúak, ahol W egy ÉS/VAGY formula, L egy literál, és minden változó univerzálisan kvantált.
A célállítás egy egzisztenciálisan kvantált ÉS/VAGY formula.
Hogyan kell a rezolúciót válaszadásra felhasználni?
Az A , … , A ⟹ C kérdés helyett az A && … && A && !C kielégíthetetlenségét vizsgáljuk.
A rezolúció csak igen/nem jellegű választ képes adni.
A kérdésre adható választ egy külön predikátummal jelenítjük meg a célállításban
A választ egy egzisztenciálisan kvantált változóval kell megjeleníteni a célállításban.
Mi következik abból, hogy a rezolúció módszere helyes?
Ha elakad (nem tud újabb klózt előállítani), akkor a kiinduló klózhalmaz kielégíthető.
Ha üres klózzal terminál, akkor a kiinduló klózhalmaz kielégíthetetlen.
Kicsi a futási ideje.
Mindig elő tudja állítani az üres klózt.
Mi következik abból, hogy a rezolúció módszere teljes?
Ha a kiinduló klózhalmaz kielégíthetetlen, akkor levezethető az üres klóz
Ha a kiinduló klózhalmaz kielégíthető, akkor nem állítja elő az üres klózt.
Minden A , … , A ⟹ C alakú tétel bizonyítására vagy cáfolására alkalmas
Ha a kiinduló klózhalmaz kielégíthetetlen, akkor véges lépésen belül terminál.
Melyek az alábbiak közül a rezolúció reprezentációs gráfjának különös tulajdonságai?
Nincs benne zsákutca.
Bármelyik csúcsból bármelyik csúcsba el lehet jutni.
Ha a stratcsúcsból vezet út célcsúcsba, akkor mindegyik startcsúcsból elérhető csúcsból is vezet célcsúcsba út.
Nincs benne kör.
Melyek lehetnek az alábbiak közül a rezolúció modellfüggő vágó stratégiái?
Minden rezolúciós lépésben az egyik szülőklóz az utoljára előállított klóz legyen.
Minden rezolúciós lépésben az egyik szülőklóz egyetlen literálból álljon.
Mindig azt a klózpárt rezolváljuk előbb, amelyikben a literálok száma a legkevesebb.
Soroljuk be szintekre a rezolúciós gráf klózait. Nulladik szinten a kiinduló klózok, az i+1-dik szinten azok, amelyek egyik szülője az i-dik szinten van, másik szülője az első I szint valamelyikén. Állítsuk elő szintenként a klózokat.
Melyek az alábbiak közül a rezolúció modellfüggő sorrendi stratégiái?
Minden rezolúciós lépésben az egyik szülőklóz az utoljára előállított klóz legyen.
Mindig azt a klózpárt rezolváljuk, amelyekben a literálok száma a legkevesebb
Minden rezolúciós lépésben az egyik szülőklóz egyetlen literálból álljon.
Soroljuk be szintekre a rezolúciós gráf klózait. Nulladik szinten a kiinduló klózok, az i+1-dik szinten azok, amelyek egyik szülője az i-dik szinten van, a másik szülő az első I szint valamelyikén. Állítsuk elő szintenként a klózokat.
Milyen az általános vezérlési stratégiája az evolúviós algoritmusoknak?
visszalépéses
Gráfkereső
Mohó
Nem-módosítható
Mit tárol az evolúciós algoritmus a globális munkaterületén?
Az evolúciós operátorokat.
Az egyedek alkotta problémateret.
A populációt.
A rekombinációra kiválasztott egyedek halmazát.
Melyik NEM evolúciós operátor az alábbiak közül?
Egy egyed kódolása.
Véletlen cseréje a kód két elemének.
Rulett kerék algoritmus.
Kétpontos keresztezés.
Hogyan szokták az egyedeket kódolni?
Úgy, hogy a kód darabjai az egyed egy-egy tulajdonságát mutassa.
Úgy, hogy a dekódolás gyors legyen, mert a fittnesz függvényt az egyedre lehet kiszámolni.
Úgy, hogy a kódolás és a dekódolás is hatékony legyen.
Úgy, hogy az egyed kódja egy kromoszóma legyen.
Hol épülhet véletlenített módszer az evolúciós algoritmusba?
Csak a populáció lecserélendő egyedeinek előállításában.
Csak a keresztezési pontok megadásában.
Csak a kiválasztásban, a rekombinációban, és a mutációban.
Csak a kezdeti populáció kialakításában és mind a négy evolúciós operátorban.
Hol van szerepe a kiválasztásnak az evolúciós algoritmusban?
Ez az első lépése az evolúciós ciklusnak.
A keresztezési pontok megadásában.
A populáció lecserélendő egyedeinek előállításában
A rekombinációhoz szükséges szülő egyedek előállításában és az új populáció kialakításában.
Mi a lényege a jó kiválasztási módszernek az evolúciós algoritmusokban?
A fittnesz függvény alapján rendezi sorba a populáció egyedeit.
Megkeresi a populáció legjobb egyedét.
Figyelembe veszi, hogy a kódban melyek az egyed tulajdonságait jelző szakaszok.
A rátermett egyedeket nagyobb valószínűséggel választja ki, de ad esélyt a kevésbé rátermettek kiválasztására is.
Mi a kapcsolat a keresztezés és a rekombináció között?
A rekombinációk speciális keresztezések.
A rekombináció a szülő egyedeken, míg a keresztezés azok kódjával dolgozik.
A keresztezés mindig megelőzi a rekombinációt.
A keresztezések speciális rekombinációk.
Melyek lehetnek a feltételei az evolúciós algoritmus leállásának?
Nincsen a populációnak adott korlátnál nagyobb fittneszértékű egyede.
A populáció minden egyedének fittneszértéke meghalad egy adott korlátot.
A populáció összesített fittneszértéke már egy ideje nem változik.
Célegyed megjelenése a populációban.
Mely keresztezési módszerek őrzik meg permutáció tulajdonságot?
Ciklikus keresztezés.
Egyenletes keresztezés
Parciálisan illesztett keresztezés.
Egypontos keresztezés.
Az alábbiak közül, melyek alkalmas módszerek a permutáció tulajdonságot megőrző mutációra?
Kód két véletlen választott elemének cseréje.
Kód első két elemének cseréje.
Kód egy szakaszának átrendezése.
Kód növekvő sorba rendezése.
Mely fogalmak kapcsolhatók egymáshoz az evolúciós algoritmusoknál?
Kiválasztás
Fittnesz függvény
Stratégiai paraméter
Kód
Kétpontos keresztezés
Populáció mérete
Egyed
Parciális illesztett keresztezés
A kurzuson speciális kétszemélyes játékokkal foglalkoztunk. Az alábbiak közül melyik tulajdonság NEM volt érvényes ezekre?
véges
Zéró összegű
Egyik játékosnak biztos van győztes stratégiája
Determinisztikus
Hogyan modellezzük a kétszemélyes játékokat?
Állapottér modellel.
ÉS/VAGY fákkal
Probléma dekompozícióval.
Korlátkielégítéses modellel.
Mi a nyerő stratégiája egy játékosnak egy kétszemélyes játékban?
Győztes végállásba vezető játszmáinak összessége
Azon győztes végállásba vezető játszmáinak összessége, amelyek közül valamelyiket biztosan végig tudja játszani, ha nem hibázik.
Győztes végállásainak összessége.
A győztes végállásba vezető egyik játszmája.
Melyik állítás igaz az alábbiak közül egy játékos nyerő stratégiára?
A játékfából a játékos szempontjából készített ÉS/VAGY fában egy olyan hiperút, amelyik a startcsúcsból csupa, a játékos számára nyerő végállásba vezet.
Az egyik játékos biztosan rendelkezik vele.
A játékfából készített ÉS/VAGY fában egy olyan hiperút, amelyik a startcsúcsból csupa, a játékos számára nyerő végállásba vezet.
Mindkét játékos számára előállítható.
Hogyan lehet megtudni, hogy kinek van győztes stratégiája egy két kimenetelű kétszemélyes játékban?
Átalakítjuk a játékfát ÉS/VAGY fává, és ebben keresünk olyan gyökérből induló hiperutat, amely vagy kizárólag az egyik, vagy kizárólag a másik játékos csupa győztes levélcsúcsába vezet.
Úgy, hogy a minimax algoritmust alkalmazzuk a teljes játékfára úgy, hogy az első játékos győztes állásaihoz +1-et, a vesztes állásaihoz -1-et rendelünk. Ha a gyökérbe felfuttatott érték +1, akkor az első játékosnak van győztes stratégiája, egyébként a másodiknak.
Nem lehet véges lépésben megválaszolni ezt a kérdést.
A játékfa leveleit megcímkézzük annak a játékosnak a nevével, aki a levélcsúccsal jelzett állásban nyerni fog. Szintről szintre felfelé haladva az Y játékos szintjén levő csúcs, ha van Y címkéjű gyereke, akkor Y címkét kap; különben a másik játékos nevét írjuk oda. A gyökér címkéje adja meg a választ.
Mikor következik be vágás az alfa-béta algoritmus működése során?
Ha az aktuális út egy alfa értéke kisebb vagy egyenlő az út egy béta értékénél.
Ha az aktuális út egy alfa értéke nagyobb vagy egyenlő az út egy béta értékénél.
Ha az aktuális csúcs alfa értéke nagyobb vagy egyenlő az alatta vagy felette levő csúcs béta értékénél.
Ha az aktuális csúcs alfa értéke nagyobb vagy egyenlő a csúcs béta értékénél.
Mi az a nyugalmi teszt?
Egy szülőcsúcs és egy gyerekének kiértékelő függvényértékei különbségét vizsgáló teszt.
Váltakozó mélységű keresésnél a részfa felépítéséhez használt feltétel.
A heurisztikus kiértékelő függvény konstruálásához használt lehetséges módszer.
Az alfa-béta algoritmus vágási feltételét ellenőrző teszt.
Mely állítások igazak az alábbiak közül a játékfákra?
Ágai a lehetséges játszmákat szimbolizálják.
Csúcsai a játék állásait szimbolizálják.
Levelei a győztes állásokat szimbolizálják.
Szintjei a soron következő játékost szimbolizálják
Melyek az alábbiak közül a minimax algoritmusnak a lépései?
Megadjuk a legnagyobb értékű levélcsúcshoz vezető ágat.
A saját szintjeink csúcsaihoz a gyerekeik értékeinek maximumát írjuk.
Kiértékeljük a felépített fa leveleit.
Felépítjük a játékfát.
Az alábbi részleges játékfa kiértékelő módszerek közül melyik ad a minimax-szal azonos eredményt?
Negamax algoritmus
(n,m) átlagoló algoritmus
Szelektív algoritmus
Alfa-béta algoritmus
Mi a játékfa?
Egy ÉS/VAGY fa.
A kétszemélyes játék modelljének állapotgráfjából kialakított irányított fa.
Az összes játszmát irányított útként megjelenítő irányított fa.
Olyan ÉS/VAGY fa, amelyik szintjeiről váltakozva vagy csak ÉS kapcsolatú élek indulnak ki, vagy csak VAGY kapcsolatú élek.
Mely fogalmak kapcsolhatók egymáshoz a részleges játékfa-kiértékeléseknél?
Negamax algoritmus
Megbízhatóbb kiértékelés
Váltakozó mélységű kiértékelés
Kiértékelő függvény tévedése
Alfa-béta algoritmus
Hatákonyabb módszer
(m,n) átlagoló kiértékelés
Könnyebb implementáció
Lehet-e sorrendi heurisztika egy nem-informált gráfkeresés másodlagos vezérlési stratégiájában?
Igen.
Nem.
Csak akkor, ha már az elsődleges vezérlési stratégia is alkalmaz heurisztikát.
A másodlagos stratégiába nem lehet heurisztikát beépíteni.
Mit jelent a gráfkereséseknél a megengedhetőség fogalma?
Olyan heurisztikus függvényt, amely alulról becsüli egy reprezentációs gráfban a csúcsokból a célba vezető optimális út költségét.
Olyan gráfkereső algoritmust, amelyik optimális megoldást talál, ha van.
Olyan algoritmust, amely lépésről lépésre szűkíti a megoldások halmazát, amíg az már csak az optimális megoldásokat tartalmazza.
Olyan gráfkereséseket, amelyek kiértékelő függvényében megengedett a heurisztika használata.
Melyik állítás NEM igaz az azonosan nulla függvényről?
Nem válaszható kiértékelő függvénynek.
Becsli a célba vezető optimális út költségét.
Megengedhető és monoton megszorításos.
Nem tartalmaz extra ismeretet, azaz heurisztikát.
Melyik gráfkereső algoritmust nevezzük A* algoritmusnak?
Amelyik kiértékelő függvénye g+h alakú, ahol h nem-negatív és megengedhető.
Amelyik kiértékelő függvénye g+h alakú, ahol h nem-negatív, megengedhető és monoton megszorításos.
Amelyik garantáltan optimális megoldást talál, ha van.
Amelyik kiértékelő függvénye g+h alakú, ahol h megengedhető, és garantáltan optimális megoldást talál, ha van.
Mi az alábbiak közül az A algoritmus tulajdonsága?
Н��-gráfban megengedhető heurisztikával optimális megoldást talál, ha van.
Heurisztikus függvénye megengedhető.
𝛿-gráfban egy csúcsot legfeljebb egyszer terjeszt ki.
Н��-gráfban optimális megoldást talál, ha van
Mely állítás NEM igaz a következetes (A^c) algoritmusra?
A kiterjesztéseinek száma akár a kiterjesztett csúcsok száma mínusz egynek a kettő hatványa is lehet.
Egy csúcsot legfeljebb egyszer terjeszt ki.
Amikor egy csúcsot kiterjeszt, már ismeri a start csúcsból odavezető optimális utat.
Optimális megoldással terminál, ha van megoldás.
Mennyi a B algoritmus kiterjesztéseinek száma legrosszabb esetben, ha a kiterjesztett csúcsok száma k?
½ k^2
2^(k-1)
K
K*logˇ2(k)
Mikor mondunk egy A* algoritmust jobban informáltnak egy másiknál?
Ha a heurisztikus függvényének értéke a nem célcsúcsokban kisebb, mint a másik algoritmus heurisztikus függvényének értéke.
Ha kevesebb csúcs kiterjesztése mellett terminál.
Ha a memória igénye nem nagyobb a másikénál.
Ha a heurisztikus függvényének értéke a nem célcsúcsokban közelebbi becslést ad, mint a másik algoritmus heurisztikus függvényének értéke.
Mikor mondjuk a gráfkereséseknél egy heurisztikus függvényről azt, hogy monoton megszorításos?
Ha bármelyik él költsége nagyobb-egyenlő, mint az a különség, amit úgy kapunk, hogy az él kezdőcsúcsának függvényértékéből levonjuk a végcsúcsának függvényértékét.
Ha a függvényt használó gráfkeresés működési grafikonja monoton növekedő.
Ha a függvény megengedhető és nem negatív.
Ha a függvény alulról becsüli minden csúcsban a hátralevő optimális költséget.
Melyik állítás igaz az egyenletes gráfkeresésre?
Optimális megoldást talál, ha van.
Egy már kiterjesztett csúcshoz soha nem talál minden addiginál olcsóbb utat.
Kiértékelő függvénye az élek élköltségeit egységnyinek tekinti.
Dijkstra legrövidebb utak algoritmusának szinonimája.
Az alábbiak közül melyek a megengedhető gráfkereső algoritmusok?
A algoritmus
B algoritmus
Egyenletes gráfkeresés
A** algoritmus
Mely fogalmak kapcsolhatók egymáshoz a gráfkereséseknél?
B algoritmus
Nem-informált gráfkeresés
A* algoritmus
Martelli
Memória igény
Zárt csúcsok száma
Mélységi gráfkeresés
Optimális megoldás
Mit tartalmaz a gráfkeresés globális munkaterülete?
A startcsúcsból kiinduló eddig felfedezett összes utat a nyílt csúcsokkal együtt.
A reprezentációs gráfot, de külön megcímkézve benne a már bejárt csúcsokat.
A reprezentációs gráf egy tetszőleges részgráfját.
Csak a nyílt csúcsok halmazát.
Melyek a gráfkeresés keresési szabályai?
A nyílt csúcsok kiterjesztései.
Egy újabb él hozzávétele a kereső gráf egyik csúcsához.
A továbblépés (újabb él felfedezése) és a visszalépés.
A továbblépés (egy csúcsból kivezető összes él felfedezése) és a visszalépés.
Mi a gráfkeresés általános vezérlési stratégiája?
Minden lépésben a legígéretesebb nyílt csúcsot választja kiterjesztésre.
A legutoljára felfedezett nyílt csúcs kiterjesztése.
A startcsúcsból legkisebb költségű úton elérhető nyílt csúcs kiterjesztése.
A startcsúcsból legkisebb költségű már felfedezett úton elérhető nyílt csúcs kiterjesztése.
Mely csúcsokat nevezzük a gráfkereséseknél nyílt csúcsoknak?
A keresőgráf azon csúcsait, amelyek gyermekeit még nem, vagy nem eléggé jól ismerjük, ennél fogva kiterjesztésre várnak.
A keresőgráf azon csúcsait, amelyekből kivezető éleket még nem fedeztük fel.
A keresőgráf azon csúcsait, amelyeket még nem terjesztettünk ki.
A reprezentációs gráf azon csúcsait, amelyeket még nem terjesztettünk ki.
Mit mutat a gráfkereséseknél a szülőre visszamutató pointerfüggvény (𝜋)?
A keresőgráfbeli csúcsok egyik szülőjét.
A reprezentációs gráfbeli csúcsok legjobb szülőjét.
A keresőgráfbeli csúcsok legjobb szülőjét.
A reprezentációs gráfbeli csúcsok egyik szülőjét.
Mit mutat a gráfkereséseknél a költségfüggvény (g)?
A startcsúcsból a keresőgráfbeli csúcsokhoz, a keresőgráfban vezető egyik út költségét.
A startcsúcsból a keresőgráfbeli csúcsokhoz vezető egyik út költségét.
A startcsúcsból a keresőgráfbeli csúcsokhoz, a keresőgráfban vezető legolcsóbb út költségét.
A startcsúcsból a keresőgráfbeli csúcsokhoz a szülőre visszamutató pointerfüggvény által kijelölt út költségét.
Mikor nevezünk egy kiértékelő függvényt csökkenőnek?
Ha egy csúcs függvényértéke soha nem nő, viszont mindig csökken valahányszor olcsóbb odavezető utat találunk hozzá.
Ha egy csúcs értéke csak akkor változik, de akkor csökken, ha egy olcsóbb odavezető utat találunk hozzá.
Ha egy startcsúcsból kiinduló már felfedezett út mentén a csúcsok függvényértékei monoton csökkennek.
Ha az algoritmus által kiterjesztett csúcsok függvényértékei monoton csökkennek.
Hogyan lehet a keresőgráf korrektségét fenn tartani?
Minden kiterjesztés után bejárjuk a kiterjesztéssel elért gyerekcsúcsok leszármazottait (ha vannak), és kijavítjuk azok korrektségét.
Olyan kiértékelő függvényt használunk, amely kizárja, hogy egy már korábban kiterjesztett csúcshoz minden addiginál olcsóbb odavezető utat találjunk a startcsúcsból.
Visszahelyezzük az OPEN halmazba azt a zárt csúcsot, amelyhez minden addiginél olcsóbb odavezető utat találtunk a startcsúcsból.
Amikor egy minden addiginél olcsóbb odavezető utat találunk egy csúcshoz, akkor módosítjuk a szülőre visszamutató pointerfüggvény értékét és a költségfüggvény értékét.
Mikor mondjuk a keresőgráf egyik csúcsára, hogy korrekt?
Ha a szülőre visszamutató pointerek a keresőgráfra nézve optimális utat jelölnek ki hozzá a startcsúcsból, és ennek az útnak a költségét mutatja a költségfüggvény.
Ha optimális és konzisztens
Ha a gráfkeresés már kiterjesztette a gyerekeit is.
Ha a költségfüggvény értéke a visszamutató pointerfüggvény által kijelölt szülő csúcsánál mért költségfüggvény értékének, és a szülőtől hozzávezető él költségének összege.
Mely állítások igazak az alábbiak közül a gráfkeresés általános algoritmusára?
Véges 𝛿-gráfban mindig terminál.
Egy csúcsot legfeljebb véges sokszor terjeszt ki még végtelen nagy 𝛿-gráfok esetén is.
Véges 𝛿-gráfban talál megoldást, ha van.
Véges 𝛿-gráfban optimális megoldást talál, ha van megoldás
{"name":"Mester Intel 5-12", "url":"https://www.quiz-maker.com/QPREVIEW","txt":"Az alábbiak közül melyik jellemzik a homogén többrétegű előrecsatolt hálózatot?, Mit jelent az input vektorizálása?, Jellemezze a szigmoid kimeneti függvényt!","img":"https://www.quiz-maker.com/3012/images/ogquiz.png"}
More Quizzes
Dental test
1169
Match with the correct answer
940
Marvel movies
1168
YOUR MZANSI TELENOVELA TRIVIA
1160
What One Punch Man Character Are You? Discover Your Hero
201024880
Early British Literature and Culture
15825090
Physical Chemistry Seminar
15819233
Gender Test: How Well Do You Really Know Gender?
201030464
Which Is True for Fastidious Organisms? Take the!
201029801
How Old Is Jessie J? Take the Ultimate Free Age Now!
201027460
Free 5.06 Biodiversity - Exam Review
201020383
Ultimate Kellin Quinn: Sleeping With Sirens Trivia
201031529