2Ciclo_INTELIGENCIArtificial

Prévia do material em texto

21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 1/7
 
Meus
Simulados
Teste seu conhecimento acumulado
 
Disc.: INTELIGÊNCIA ARTIFICIAL 
Aluno(a): ELIAS ALVES DE ABREU E SOUSA 202008422167
Acertos: 10,0 de 10,0 21/05/2022
 
 
Acerto: 1,0 / 1,0
De acordo com os paradigmas de Inteligência Artificial, pode-se afirmar que um modelo simbolista
não possui conhecimento representado explicitamente.
é um modelo que aprende a partir dos dados.
lida apenas com símbolos gráficos.
é formado por uma rede de elementos conectados por pesos que detêm o conhecimento.
 lida com conhecimento explícito e representado simbolicamente.
Respondido em 21/05/2022 20:07:34
 
 
Explicação:
A Inteligência Artificial possui vários paradigmas. Um deles é o paradigma simbólico, que consiste em estruturas
simbólicas que podem ser compreendidas por seres humanos. Dessa maneira, é correto afirmar que o modelo
simbolista lida com conhecimento explícito, facilmente interpretado por humanos. Os resultados são descrições
simbólicas das entidades dadas e devem ser compreensíveis como simples pedaços de informação e
diretamente interpretáveis em linguagem natural.
 
 
Acerto: 1,0 / 1,0
De acordo com os paradigmas de Inteligência Artificial, para que um problema possa ser representado como
um grafo de estados é necessário
conhecer o modo de como chegar à resposta.
todos os possíveis estados sejam conhecidos.
 que sejam definidos os estados inicial, final ou finais e as operações possíveis.
que o grafo seja unidimencionado, ou seja, todas as arestas sejam de mão única.
haver uma definição precisa de como proceder a busca pelos estados de interesse.
Respondido em 02/06/2022 18:56:42
 
 
Explicação:
O conjunto de todos os estados acessíveis a partir de um estado inicial é chamado de espaço de estados. E o
espaço de estados pode ser interpretado como um grafo em que os nós são estados e os arcos são ações.
Sendo assim, para que um problema possa ser representado como um grafo de estados é necessário que sejam
definidos os estados inicial, final ou finais, as operações possíveis e suas direções.
 Questão1
a
 Questão2
a
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 2/7
 
 
Acerto: 1,0 / 1,0
Selecione a opção que apresenta a busca que implementa a operação de pilha para buscar os estados.
Busca em largura limitada.
 Busca em profundidade.
Busca com profundidade limitada.
Busca em largura.
Busca pelo melhor primeiro.
Respondido em 02/06/2022 18:57:08
 
 
Explicação:
Uma das características do algoritmo de busca em profundidade é o retorno para um estado anterior a fim de
explorar outras soluções. Esse processo é conhecido como backtracking, ou seja, a trilha do caminho de
retorno. Para implementar esse processo, que, normalmente, é feito por meio de recursividade, o algoritmo
utiliza de uma estrutura de dados de pilha.
 
 
Acerto: 1,0 / 1,0
Qual método de pesquisa irá expandir o nó que está mais próximo do objetivo?
 Busca gananciosa pelo melhor primeiro (Greedy best-first search).
Busca em Profundidade.
Busca A*.
Busca pelo melhor primeiro (Best First Search).
Busca bidirecional.
Respondido em 02/06/2022 18:57:25
 
 
Explicação:
O algoritmo de busca gulosa primeiro é caracterizado por fazer escolhas que tenham o potencial de conduzir
mais rapidamente à solução alvo. Por se tratar de uma heurística, o método não garante a escolha da solução
ótima, mas, como os demais métodos heurísticos, funcionam bem na prática para determinados tipos de
problema, como, por exemplo, para traçar rotas.
 
 
Acerto: 1,0 / 1,0
As redes neurais são úteis para modelar e resolver diversas categorias de problemas. Nesse sentido, selecione
a opção correta a respeito das aplicações das redes neurais.
São aplicadas em contextos em que há limitação de dados.
Devem ser aplicadas para demonstração de teoremas.
 Problemas linearmente separáveis estão entre as categorias que podem ser modelados por redes
neurais.
São indicadas para substituir os profissionais em atividades complexas e eventuais.
São capazes de desenvolver processos criativos sem a necessidade de base de conhecimento.
Respondido em 02/06/2022 18:57:50
 
 
Explicação:
 Questão3
a
 Questão4
a
 Questão5
a
21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 3/7
As redes neurais são modelos computacionais que servem para dar suporte para os profissionais de atividades
complexas. As redes neurais extraem conhecimento de uma base de treinamento, portanto são limitadas ao
contexto de treinamento. As redes neurais artificiais podem ser aplicadas a diversas categorias de problemas,
entre elas, os de classificação. Em especial, quando os problemas de classificação são linearmente separáveis,
ou seja, aqueles que podem ser separados por linhas, trata-se de um exemplo clássico que pode ser resolvido
por modelos de redes neurais. As redes neurais devem ser aplicadas a situações para as quais foram treinadas.
As redes neurais são adequadas para tratar de problemas probabilísticos.
 
 
Acerto: 1,0 / 1,0
É possível aplicar algoritmos de inteligência artificial em equipamentos que utilizam informações vagas com
uma habilidade que simulam a intuição humana. Nesse sentido, selecione a opção correta sobre essa técnica
de Inteligência Artificial.
Lógica de primeira ordem.
Lógica booleana.
Lógica de segunda ordem.
Lógica das sentenças.
 Lógica fuzzy.
Respondido em 02/06/2022 18:57:56
 
 
Explicação:
A lógica booleana, ou lógica das sentenças, trata de valores lógicos binários. As lógicas de primeira e de
segunda ordem não são adequadas para representação da incerteza. As redes neurais artificiais são úteis para
resolver muitos problemas práticos. Essa capacidade está associada à característica de flexibilidade da rede que
pode conter diversas camadas ocultas. Dessa forma, comportamentos nebulosos, representados pela lógica
fuzzy, podem ser representados por uma rede neural.
 
 
Acerto: 1,0 / 1,0
Modifique o programa Restrições Domínios Finitos para resolver o seguinte problema de restrição de domínios
finitos: VERY + NICE = MEMES, onde cada letra representa um algarismo de 0 a 9. Quantas soluções têm esse
problema?
 
% S E N D
% + M O R E
% _________
% M O N E Y
 
 
10
5
 8
7
4
Respondido em 02/06/2022 18:58:06
 
 
Explicação:
Para resolver o problema, basta adaptar as condições do exemplo de Restrições Domínios Finitos. Assim, as
variáveis serão V,E,R,Y,N,I,C,M,S. E a condição de igualdade será: (1000*V + 100*E + 10*R+Y ) + (1000*N +
 Questão6
a
 Questão7
a
21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 4/7
100*I + 10*C+E ) #= (10000*M + 1000*E + 100*M + 10*E + S). Os dígitos iniciais devem ser diferentes de
0: V #\= 0, N #\=0,M #\=0. Sendo assim, ao rodar a consulta puzzle([V,E,R,Y,N,I,C,M,S]), há o retorno de 8
soluções. 
 
 
Acerto: 1,0 / 1,0
Ao se modificar o algoritmo em Prolog em Coloração de Mapas, disponível logo abaixo, para o mapa
apresentado abaixo, quantas soluções existem?
 
/*
* Variáveis: A,B,C,D,E,F
Domínio: {vermelho,verde,azul}
Restrições: A!=B, A!=C, B!=C, B!=D, C!=D, C!=E, C!=F, D!=E, E!=F
*/
 
/*
* Impomos as restrições: different(A,B) significa que a cor de A deve ser diferente da de B.
* */
 
coloring(A,B,C,D,E,F) :-
different(A,B),
different(A,C),
different(B,C),
different(B,D),
different(C,D),
different(C,E),
different(C,F),
different(D,E),
different(E,F).
 
/*
* Os fatos: vermelho é diferente de azul, que é diferente de verde , etc
* */
different(vermelho,azul).
different(azul,vermelho).
different(vermelho,verde).
different(verde,vermelho).
different(verde,azul).
different(azul,verde).
24
 6
36
 Questão8
a
21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 5/7
10
12
Respondido em 02/06/2022 19:03:22
 
 
Explicação:Bastava perceber que as novas condições do problema são: A!=B, A!=C, A!=D, B!=C, C!=D, C!=E, D!=E,
E!=C. Com isso, conseguimos forçar essas condições na regra de coloring(A,B,C,D,E), como mostrado no
código logo abaixo. Logo, no total são 6 soluções.
 
 
Acerto: 1,0 / 1,0
Seja S uma variável nebulosa com a seguinte descrição:
Supondo a inferência usando o método de corte para a implicação e a condensação pelo centro de gravidade e
considerando que os valores de x estão discretizados de 10 em 10, o valor de saída obtido é:
7
10
32
25
 16
Respondido em 02/06/2022 19:00:58
 
 
Explicação:
Como as regras combinam seus antecedentes por meio do operador AND, o valor de inclusão no conjunto que
está no consequente é dado pelo mínimo entre os graus de inclusão nos antecedentes. Portanto, após a
execução das regras, os resultados obtidos são: C2(0,20) e C1(0,60). Considerando o método de corte para a
implicação, a região de resposta obtida é representada pelo gráfico a seguir:
 
 
 Questão9
a
10a
21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 6/7
Acerto: 1,0 / 1,0
Um sistema nebuloso pode ser entendido como um aproximador de função em que a base de regras é
responsável pelo mapeamento entre os valores das variáveis de entrada e o valor da variável de saída. Diante
disso, imagine que um processo industrial foi observado e para um conjunto de valores de entrada foram
medidas suas respectivas saídas. A partir dessas observações, foi possível construir o gráfico a seguir, que
ilustra a relação existente entre os dados de entrada e de saída.
Imagine ainda que a função analítica que mapeia corretamente as entradas em suas saídas não é conhecida.
Supondo que seja necessário identificar essa função e que alguma imprecisão na identificação é tolerada,
considere um sistema nebuloso para aproximar a função desejada em que estejam definidas as seguintes
variáveis nebulosas:
De acordo com as variáveis definidas, qual a base de regras que melhor aproxima a função desejada?
 
Respondido em 02/06/2022 19:05:01
 
 
 Questão
21/11/2022 10:57 Estácio: Alunos
https://simulado.estacio.br/alunos/ 7/7
Explicação:
as variáveis nebulosas X e Y da forma como foram definidas (com três conjuntos nebulosos cada), as regiões
formadas por essas variáveis no plano XY podem ser representadas conforme a figura a seguir:
Considerando ainda que a variável nebulosa Z também foi definida por três conjuntos nebulosos, as regiões
obtidas nos planos XZ e YZ também são semelhantes àquelas representadas no plano XY. Portanto, há 27
regiões formadas por todas as combinações possíveis entre os conjuntos nebulosos que compõem as variáveis
X, Y e Z. Para cada uma das 9 combinações dos conjuntos que formam as variáveis X e Y, é preciso associar
uma região em Z que melhor aproxima a função representada pelo gráfico. Ao observar o gráfico da função,
nota-se que Z assume valores mais baixos nos cantos, que correspondem às regiões formadas pelas seguintes
combinações de conjuntos de XY: x-baixo e y-baixo; x-baixo e y-alto; x-alto e y-baixo; x-alto e y-alto. Nota-se
ainda que Z assume valores médios nas regiões de XY que estão nos centros das bordas, ou seja, nas regiões
formadas pelas combinações: x-médio e y-baixo; x-baixo e y-médio; x-médio e y-alto; x-alto e y-médio. Por
fim, Z assume valores mais altos na região central de XY, correspondente à combinação: x-médio e y-médio.
 
 
 
 
 
 
 
 
 
 
 
 
javascript:abre_colabore('38403','284691649','5381979675');