1) Które z podanych stwierdzeń dotyczące strategii przeszukiwania są PRAWDZIWE, a które FAŁSZYWE i dlaczego.
a) algorytm przeszukiwania w głąb wykorzystuje kolejkę
b) algorytm przeszukiwania wszerz w każdym grafie spójnym i skończonym odnajdzie poprawne rozwiązanie
c) w przeszukiwaniu z ograniczeniami do budowy grafu nie są wykorzystywane zmienne oraz zestawy ich wartości
d) z użyciem przeszukiwania z ograniczeniami zawsze możliwe do uzyskania jest co najwyżej jedno rozwiązanie
e) istotą algorytmów przeszukiwania przestrzeni rozwiązań jest sprawdzenie wszystkich potencjalnych możliwości rozwiązania zadanego problemu
f) algorytm BFS wykorzystuje strukturę typu FIFO
g) wartość funkcji heurystycznej jest ściśle powiązań z wagami krawędzi
h) algorytm przeszukiwania przestrzeni rozwiązań generują poprawne rozwiązania zadanego problemu
i) algorytm przeszukiwania wszerz może utknąć w nieskończonej ścieżce
j) algorytm DFS pozwala na zaliczenie testu Turinga
k) suma kosztów wszystkich operacji, prowadzących w danym rozwiązaniu od stanu początkowego do stanu końcowego, stanowi koszt rozwiązania.
l) algorytm przeszukiwania wszerz w każdym przypadku odnajdzie poprawne rozwiązanie
m) metody przeszukiwania heurystycznego wykorzystują informacje o strukturze przestrzeni stanów.
n) metody przeszukiwania ślepego wykorzystują funkcje heurystyczną do oceny stanu
o) funkcja g(n), wyliczająca sumę kosztów przypisanych krawędziom, jest wykorzystywana w strategii "najpierw najlepszy" (ang. best first search)
2) Które z podanych stwierdzeń dotyczy sieci neuronowych są prawdziwe, a które nie są i dlaczego:
a) uczenie sieci neuronowej wymaga podania zbioru treningowego na każdą warstwę neuronów osobno.
b) proces uczenia sieci jest związany ze zmianą struktury neuronów sieci
c) sieci neuronowe mogą być wykorzystywane w zagadnieniach klasyfikacji
d) neurony w poszczególnych warstwach sieci mogą mieć więcej niż jedną wartość wyjściową.
e) poprawnie skonstruowana sieć neuronowa dla tablicy DT powinna posiadać 6 neuronów wejściowych i 4 neurony wyjściowe.
f) podczas uczenia sieci neuronowej wagi początkowe można ustalić w sposób losowy.
g) w procesie klasyfikacji za pomocą sieci sygnał wejściowy reprezentuje klasyfikowany obiekt, a sygnał wyjściowy jego klasę.
h) jeden cykl uczenia sieci wiąże się z ewentualną aktualizacją wag na podstawie jednego obiektu treningowego
i) w algorytmie wstecznej propagacji błędu sygnał błędu rozprzestrzenia się od warstwy wejściowej do warstwy wyjściowej.
j) jeden neuron w przypadku tablicy decyzyjnej DT może mieć 6 wejść i 2 wyjścia.
Bardzo chętnie przyjmę jakieś książki które mi pomogą, lub rozwiązanie ze wskazaniem dlaczego to zdanie jest nie prawdziwe ;) Z góry dziękuję :D