Kordamisküsimused

Eksamiks valmistudes arvesta, et eksamil võib küsida kõike seda, millest on räägitud loengutes.

S.t. allolev nimekiri ei ole lõplik ega täielik.

1. Algoritmi ajaline keerukus. Suure "O" notatsioon. Mis on keerulisem, kas O(n²) või O(2ⁿ)?
2. Ülesande keerukus. NP-keerukad ülesanded. Miks meid huvitab ülesande keerukusklass?
3. Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga).
4. Pimeotsing (laiuti-, sügavuti-). Laiutiotsingu ja sügavutiotsingu ajaline ja ruumiline keerukus. Kui mul on hargnemistegur b ja otsing toimub sügavuseni d, mitu tsüklit algoritm teeb?
5. Heuristiline otsing. Ahne otsingu ja A* hindamisfunktsioon (i.k. evaluation function). f(n) = ?
6. A* optimaalsuse tingimus. Kaugus linnulennult ja Manhattan distance. Kas maakaardil on mõlemad optimaalsed?
7. Lokaalne otsing. Otsinguruum, mäeronimine, lokaalsed ja globaalsed maksimumid. Mis on mäeronimise lõpetamise tingimus? Ruumiline keerukus? Ajaline keerukus?
8. Stohhastiline lokaalne otsing (simulated annealing). Miks peaks lokaalses otsingus kasutama juhuslikkust?
9. Strateegia otsing intelligentse vastase vastu. Minimax puu.
10. Teadmusbaasil põhineva agendi arhitektuur.
11. Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine.
12. Forward chaining algoritm.
13. Resolutsioonimeetod lausearvutuses.
14. Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks.
15. Tinglik tõenäosus.
16. Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu.
17. Juhuslike suuruste iseseisvus. Bayesi võrk.
18. Naiivne Bayesi mudel.
19. Peidetud Markovi mudel.
20. Õppimine - mingile tundmatule funktsioonile lähendi leidmine.
21. Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine DTL (tuntud ka ID3 nime all) algoritmiga. Informatsiooni entroopia.
22. Tehisneuroni tööpõhimõte.
23. Tehisnärvivõrkude treenimise põhimõtted.
24. Q-learning. Käitumise õppimine.