Ifi6057kk: erinevus redaktsioonide vahel

Allikas: Lambda
Mine navigeerimisribale Mine otsikasti
PriitJ (arutelu | kaastöö)
Uus lehekülg: ' # Intelligentne agent. Agendi ülesande PEAS-kirjeldus. # Algoritmi ajaline keerukus. Suure "O" notatsioon. # Ülesande keerukus. NP-keerukad ülesanded. # Üldine iteratiivne p...'
 
PriitJ (arutelu | kaastöö)
Resümee puudub
1. rida: 1. rida:
Need on '''2015''' eksami kordamisküsimused. 2016 aasta eksamiteemadesse tuleb eeldatavalt muudatusi.


# Intelligentne agent. Agendi ülesande PEAS-kirjeldus.
# Intelligentne agent. Agendi ülesande PEAS-kirjeldus.

Redaktsioon: 12. august 2016, kell 09:42

Need on 2015 eksami kordamisküsimused. 2016 aasta eksamiteemadesse tuleb eeldatavalt muudatusi.

  1. Intelligentne agent. Agendi ülesande PEAS-kirjeldus.
  2. Algoritmi ajaline keerukus. Suure "O" notatsioon.
  3. Ülesande keerukus. NP-keerukad ülesanded.
  4. Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga).
  5. Pimeotsing (laiuti-, sügavuti-). Laiutiotsingu ja sügavutiotsingu ajaline ja ruumiline keerukus.
  6. Heuristiline otsing. Ahne otsingu ja A* hindamisfunktsioon (i.k. evaluation function).
  7. A* optimaalsuse tingimus.
  8. Lokaalne otsing. Otsinguruum, mäeronimine, lokaalsed ja globaalsed maksimumid.
  9. Itereeritud kohaliku otsingu (i.k. ILS) algoritm.
  10. Strateegia otsing intelligentse vastase vastu. Minimax puu.
  11. Alpha/beta otsing.
  12. Kitsendusülesanded. Ülesande teisendus kitsendusülesandeks (muutujad, nende piirkonnad ja kitsenduste formuleerimine).
  13. Kitsendusülesande lahendamine rekursiivse otsinguga. Optimeerimise tehnikad (MRV jne).
  14. Teadmusbaasil põhineva agendi arhitektuur.
  15. Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine.
  16. Predikaatloogika (i.k. first order logic) teadmusbaas.
  17. Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks.
  18. Tingimuslik tõenäosus.
  19. Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu.
  20. Juhuslike suuruste iseseisvus. Bayesi võrk.
  21. Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (Gibbs sampling).
  22. Bayesi võrgu koostamine.
  23. Õppimine - mingile tundmatule funktsioonile lähendi leidmine.
  24. Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine DTL algoritmiga. Informatsiooni entroopia.
  25. Tehisneuroni tööpõhimõte.
  26. Tehisnärvivõrkude struktuur.
  27. Q-learning. Käitumise õppimine.

Eksami peamine põhimõte: eksamil küsitakse kõike seda, millest on räägitud loengutes.