Kordamisküsimused: erinevus redaktsioonide vahel
Mine navigeerimisribale
Mine otsikasti
Resümee puudub |
Resümee puudub |
||
| 5. rida: | 5. rida: | ||
<!-- # Intelligentne agent. Agendi ülesande PEAS-kirjeldus. --> | <!-- # Intelligentne agent. Agendi ülesande PEAS-kirjeldus. --> | ||
# Algoritmi ajaline keerukus. Suure "O" notatsioon. ''Mis on keerulisem, kas O(n<sup>2</sup>) või O(2<sup>n</sup>)?'' | <!--# Algoritmi ajaline keerukus. Suure "O" notatsioon. ''Mis on keerulisem, kas O(n<sup>2</sup>) või O(2<sup>n</sup>)?''--> | ||
# Ülesande keerukus. NP-keerukad ülesanded. ''Miks meid huvitab ülesande keerukusklass?'' | # Ülesande keerukus. NP-keerukad ülesanded. ''Miks meid huvitab ülesande keerukusklass?'' | ||
# Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga). | # Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga). | ||
| 34. rida: | 34. rida: | ||
# Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu. ''Kui on antud ühisjaotus, kuidas ma arvutan P(mingi lause)?'' | # Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu. ''Kui on antud ühisjaotus, kuidas ma arvutan P(mingi lause)?'' | ||
# Juhuslike suuruste iseseisvus. Bayesi võrk. | # Juhuslike suuruste iseseisvus. Bayesi võrk. | ||
# | # Tõenäosuste statistiline hindamine. ''Kuidas tekivad tõenäosused Naiivse Bayesi valemisse?'' | ||
# Naiivne Bayesi mudelil arvutamine. ''Tõenäosusjaotuste alusel NB hüpoteesi arvutamine. Normaliseerimine tõenäosuste leidmiseks'' | |||
<!--# Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (''Gibbs sampling''). | <!--# Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (''Gibbs sampling''). | ||
# Peidetud Markovi mudel. ''Kuidas 1st järku Markovi mudel töötab? Mida teeb forward algoritmi üks samm?''--> | # Peidetud Markovi mudel. ''Kuidas 1st järku Markovi mudel töötab? Mida teeb forward algoritmi üks samm?''--> | ||
<!-- | <!-- | ||
# Bayesi võrgu koostamine. | # Bayesi võrgu koostamine. | ||
--> | --> | ||
Redaktsioon: 27. aprill 2020, kell 10:48
Eksamiks valmistudes arvesta, et eksami raskusaste eeldab loengute kuulamist, viidatud õpiku osade lugemist ja harjutusülesannete tegemist.
Allolev nimekiri võib veel täieneda ja muutuda.
- Ülesande keerukus. NP-keerukad ülesanded. Miks meid huvitab ülesande keerukusklass?
- Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga).
- Pimeotsing (laiuti-, sügavuti-). Laiutiotsingu ja sügavutiotsingu ajaline ja ruumiline keerukus. Kui mul on hargnemistegur b ja otsing toimub sügavuseni d, mitu tsüklit algoritm teeb?
- Heuristiline otsing. Ahne otsingu ja A* hindamisfunktsioon (i.k. evaluation function). f(n) = ?
- A* optimaalsuse tingimus. Kaugus linnulennult ja Manhattan distance. Kas maakaardil on mõlemad optimaalsed?
- Lokaalne otsing. Otsinguruum, mäeronimine, lokaalsed ja globaalsed maksimumid. Mis on mäeronimise lõpetamise tingimus? Ruumiline keerukus? Ajaline keerukus?
- Stohhastiline lokaalne otsing (simulated annealing). Miks peaks lokaalses otsingus kasutama juhuslikkust?
- Strateegia otsing intelligentse vastase vastu. Minimax puu. Kuidas jõuavad seisu väärtused puu lehtedest algseisu? Kuidas käik valitakse?
- Monte Carlo puuotsing (MCTS). Kuidas leitakse käigu võiduprotsent ja valitakse käik?
- Teadmusbaasil põhineva agendi arhitektuur.
- Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine. Kui KB-st järeldub a, mis peavad olema nende tõeväärtused kõigis võimalikes maailmates? KB|-a, KB->a, KB & -a seos.
- Forward chaining algoritm.
- Resolutsioonimeetod lausearvutuses. Kuidas toimib resolutsioonireegel? Mismoodi saab sellest ühest reeglist teha järeldamise algoritmi?
- Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks. Kui on antud Prologi reegel a(X):- b(X), siis mida see tähendab? Pane mingi teadmus kirja Prologis
- Tinglik tõenäosus. P(a,b,c|d,e,f)
- Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu. Kui on antud ühisjaotus, kuidas ma arvutan P(mingi lause)?
- Juhuslike suuruste iseseisvus. Bayesi võrk.
- Tõenäosuste statistiline hindamine. Kuidas tekivad tõenäosused Naiivse Bayesi valemisse?
- Naiivne Bayesi mudelil arvutamine. Tõenäosusjaotuste alusel NB hüpoteesi arvutamine. Normaliseerimine tõenäosuste leidmiseks
- Õppimine - mingile tundmatule funktsioonile lähendi leidmine.
- Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine DTL (tuntud ka ID3 nime all) algoritmiga. Informatsiooni entroopia. Otsustuspuu konstrueerimine, kasutamine otsuse tegemiseks.
- Lineaarne regressioon. Milleks on vaja kaofunktsiooni? Ühe muutujaga lineaarse regressiooni arvutamine.
- Tehisneuroni tööpõhimõte. Sisendid, väljundid, nende vaheline seos
- Tehisnärvivõrkude treenimise põhimõtted. Mismoodi saame väljundi veast paranduse närvivõrgu kaaludele?
- Q-learning. Käitumise õppimine. Q tabeli sisu. Kuidas sinna uusi väärtusi arvutada?