Ifi6057kk: erinevus redaktsioonide vahel
Mine navigeerimisribale
Mine otsikasti
Resümee puudub |
Resümee puudub |
||
| 1. rida: | 1. rida: | ||
2016 aasta eksamiteemad: | |||
# Intelligentne agent. Agendi ülesande PEAS-kirjeldus. | # Intelligentne agent. Agendi ülesande PEAS-kirjeldus. | ||
| 12. rida: | 12. rida: | ||
# Strateegia otsing intelligentse vastase vastu. Minimax puu. | # Strateegia otsing intelligentse vastase vastu. Minimax puu. | ||
# ''Alpha/beta'' otsing. | # ''Alpha/beta'' otsing. | ||
<!-- | |||
# Kitsendusülesanded. Ülesande teisendus kitsendusülesandeks (muutujad, nende piirkonnad ja kitsenduste formuleerimine). | # Kitsendusülesanded. Ülesande teisendus kitsendusülesandeks (muutujad, nende piirkonnad ja kitsenduste formuleerimine). | ||
# Kitsendusülesande lahendamine rekursiivse otsinguga. Optimeerimise tehnikad (''MRV'' jne). | # Kitsendusülesande lahendamine rekursiivse otsinguga. Optimeerimise tehnikad (''MRV'' jne). | ||
--> | |||
# Teadmusbaasil põhineva agendi arhitektuur. | # Teadmusbaasil põhineva agendi arhitektuur. | ||
# Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine. | # Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine. | ||
<!-- | |||
# Predikaatloogika (i.k. ''first order logic'') teadmusbaas. | # Predikaatloogika (i.k. ''first order logic'') teadmusbaas. | ||
--> | |||
# Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks. | # Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks. | ||
# Tingimuslik tõenäosus. | # Tingimuslik tõenäosus. | ||
# Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu. | # Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu. | ||
# Juhuslike suuruste iseseisvus. Bayesi reegel. | |||
<!-- | |||
# Juhuslike suuruste iseseisvus. Bayesi võrk. | # Juhuslike suuruste iseseisvus. Bayesi võrk. | ||
# Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (''Gibbs sampling''). | # Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (''Gibbs sampling''). | ||
# Bayesi võrgu koostamine. | # Bayesi võrgu koostamine. | ||
--> | |||
# Õppimine - mingile tundmatule funktsioonile lähendi leidmine. | # Õppimine - mingile tundmatule funktsioonile lähendi leidmine. | ||
<!-- | |||
# Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine ''DTL'' algoritmiga. Informatsiooni entroopia. | # Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine ''DTL'' algoritmiga. Informatsiooni entroopia. | ||
--> | |||
# Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine ''DTL'' algoritmiga. | |||
# Tehisneuroni tööpõhimõte. | # Tehisneuroni tööpõhimõte. | ||
# Tehisnärvivõrkude | # Tehisnärvivõrkude treenimise põhimõtted. | ||
<!-- | |||
# ''Q-learning''. Käitumise õppimine. | # ''Q-learning''. Käitumise õppimine. | ||
--> | |||
# Eksistentsiaalne risk. Tehisintellekti eetika. | |||
Eksamiks valmistudes arvesta, et '''eksamil küsitakse kõike seda, millest on räägitud loengutes'''. | |||
Viimane redaktsioon: 11. detsember 2016, kell 10:10
2016 aasta eksamiteemad:
- Intelligentne agent. Agendi ülesande PEAS-kirjeldus.
- Algoritmi ajaline keerukus. Suure "O" notatsioon.
- Ülesande keerukus. NP-keerukad ülesanded.
- Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga).
- Pimeotsing (laiuti-, sügavuti-). Laiutiotsingu ja sügavutiotsingu ajaline ja ruumiline keerukus.
- Heuristiline otsing. Ahne otsingu ja A* hindamisfunktsioon (i.k. evaluation function).
- A* optimaalsuse tingimus.
- Lokaalne otsing. Otsinguruum, mäeronimine, lokaalsed ja globaalsed maksimumid.
- Itereeritud kohaliku otsingu (i.k. ILS) algoritm.
- Strateegia otsing intelligentse vastase vastu. Minimax puu.
- Alpha/beta otsing.
- Teadmusbaasil põhineva agendi arhitektuur.
- Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine.
- Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks.
- Tingimuslik tõenäosus.
- Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu.
- Juhuslike suuruste iseseisvus. Bayesi reegel.
- Õppimine - mingile tundmatule funktsioonile lähendi leidmine.
- Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine DTL algoritmiga.
- Tehisneuroni tööpõhimõte.
- Tehisnärvivõrkude treenimise põhimõtted.
- Eksistentsiaalne risk. Tehisintellekti eetika.
Eksamiks valmistudes arvesta, et eksamil küsitakse kõike seda, millest on räägitud loengutes.