Estácio_ Alunos

Prévia do material em texto

Meus
Simulados
Teste seu conhecimento acumulado
Disc.: INTELIGÊNCIA ARTIFICIAL   
Aluno(a): PEDRO HENRIQUE BISPO SILVEIRA SANTOS 202106068643
Acertos: 10,0 de 10,0 08/07/2023
Acerto: 1,0  / 1,0
O paradigma conexionista, também conhecido por redes neurais arti�ciais, forma um paradigma de IA que tem
inspiração no comportamento do cérebro, além de outras características. Assinale a alternativa representa uma
característica desse paradigma:
I - Processam a informação de forma paralela e distribuída.
II - Generalizam conhecimento aprendido.
III - Lidam com conhecimento não simbolicamente representado.
IV - São algoritmos de otimização.
V - O conhecimento é aprendido por meio do estímulo e resposta.
Apenas as a�rmativas II e III estão corretas.
Apenas as a�rmativas I e V estão corretas.
Apenas as a�rmativas I, II e V estão corretas
Apenas as a�rmativas I, II e III estão corretas.
Apenas as a�rmativas I, II, III e V estão corretas.
Respondido em 08/07/2023 17:01:46
Explicação:
O paradigma conexionista se baseou em modelos matemáticos simples de neurônios e com eles constituiu uma rede
neuronal com a capacidade de simular a memória associativa humana, acessando conteúdo e não endereços como nos
computadores clássicos. Sendo assim, os algoritmos de redes neurais fazem parte do paradigma conexionista. Entre as
opções, não representam uma característica desse paradigma os algoritmos de otimização, pois eles fazem parte do
paradigma evolutivo, que compreende um conjunto de técnicas de busca e otimização inspiradas na evolução natural
das espécies.
Acerto: 1,0  / 1,0
Questão1a
Questão2a
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
1 of 7 15/07/2023, 08:26
https://simulado.estacio.br/alunos/inicio.asp
https://simulado.estacio.br/alunos/inicio.asp
javascript:voltar();
javascript:voltar();
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=313678868&cod_prova=6552022372&f_cod_disc=DGT0141#
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=313678868&cod_prova=6552022372&f_cod_disc=DGT0141#
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=313678868&cod_prova=6552022372&f_cod_disc=DGT0141#
https://simulado.estacio.br/bdq_simulados_avaliacao_parcial_resultado.asp?cod_hist_prova=313678868&cod_prova=6552022372&f_cod_disc=DGT0141#
Em relação à aplicação adequada das técnicas de Inteligência Arti�cial, avalie as a�rmações a seguir.
I - Indução em árvore de decisão é utilizada para identi�cação de fraudes em cartões de crédito.
II - Redes neurais arti�ciais são utilizadas no desenvolvimento de sistemas de análise de risco em aplicações
�nanceiras.
III - Sistemas especialistas, baseados em regras, são utilizados na substituição do pro�ssional especialista em
diagnóstico de falhas em hardware.
É correto o que se a�rma em
apenas o item III está correto.
os itens I, II e III estão corretos.
os itens I e II estão corretos.
apenas o item I está correto.
os itens II e III estão corretos.
Respondido em 08/07/2023 17:01:43
Explicação:
As duas primeiras a�rmativas estão corretas, visto que as árvores de decisão podem ser utilizadas para a tarefa de
classi�cação em mineração de dados, e a identi�cação de padrões, como, por exemplo, as redes neurais arti�ciais. As
redes neurais arti�ciais podem ter sua utilização nos sistemas de análise de risco, com classi�cação de risco em alto ou
baixo. Os sistemas especialistas são utilizados para a simulação do comportamento de um especialista e não sua
substituição.
Acerto: 1,0  / 1,0
Existem diversos algoritmos de busca cega. Nesse sentido, selecione a opção correta em que todos os métodos
são do tipo busca cega.
Busca em grafo, busca em largura primeiro e pesquisa bidirecional.
Busca em largura primeiro, busca em profundidade primeiro e pesquisa bidirecional.
Busca em largura, custo uniforme e busca A*.
Busca em profundidade primeiro, busca greedy e pesquisa bidirecional.
Busca A*, busca greedy e busca em grafo.
Respondido em 08/07/2023 17:18:55
Explicação:
Os algoritmos de busca cega - também chamados de busca (ou de pesquisa) não informada - não contêm informações
sobre seu domínio. A única coisa que esses algoritmos podem fazer é distinguir entre um estado não objetivo de um
estado objetivo (estado alvo). É o caso dos algoritmos de busca em largura primeiro, busca em profundidade primeiro e
de pesquisa bidirecional.
Questão3a
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
2 of 7 15/07/2023, 08:26
Acerto: 1,0  / 1,0
Um dos problemas de otimização mais conhecidos é o do caixeiro viajante. Nesse problema, o caixeiro deve
visitar de modo e�ciente um conjunto de cidades e voltar para o ponto inicial. Nesse sentido, selecione a opção
correta sobre as estratégias de busca.
O problema do caixeiro viajante é usado apenas como uma referência acadêmica sem aplicações
práticas.
Esse problema é bastante complexo do ponto de vista computacional e, sob determinadas condições,
pode ser resolvido por um algoritmo de busca local.
Por se tratar de um problema bem documentado, ele pode ser resolvido e�cientemente por métodos
determinísticos.
Esse problema não pode ser resolvido por uma busca local.
Devido às características complexas desse problema, não é possível resolvê-lo.
Respondido em 08/07/2023 17:02:46
Explicação:
O problema do caixeiro viajante é um exemplo clássico de problemas muito difíceis de serem resolvidos. Isso ocorre
pela natureza combinatória do problema em que existem muitas possibilidades que precisam ser testadas para
garantir a solução ótima. A utilização de algoritmos de busca local é uma estratégia muita adequada para encontrar
soluções viáveis que, na prática, são úteis.
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.
São capazes de desenvolver processos criativos sem a necessidade de base de conhecimento.
Devem ser aplicadas para demonstração de teoremas.
São indicadas para substituir os pro�ssionais em atividades complexas e eventuais.
Problemas linearmente separáveis estão entre as categorias que podem ser modelados por redes
neurais.
Respondido em 08/07/2023 17:04:31
Explicação:
As redes neurais são modelos computacionais que servem para dar suporte para os pro�ssionais de atividades
complexas. As redes neurais extraem conhecimento de uma base de treinamento, portanto são limitadas ao contexto
de treinamento. As redes neurais arti�ciais podem ser aplicadas a diversas categorias de problemas, entre elas, os de
classi�cação. Em especial, quando os problemas de classi�cação 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.
Questão4a
Questão5a
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
3 of 7 15/07/2023, 08:26
Acerto: 1,0  / 1,0
Um dos métodos mais conhecidos para treinamento de uma rede neural é o backpropagation. Em relação a esse
método, selecione a opção correta sobre suas características.
Tem como principal característica o ajuste dos pesos durante o processamento da camada de entrada
para a camada de saída.
É um método so�sticado que atua especi�camente sobre a camada intermediária para ajustar os pesos.
É um método exato que, ao �nal do treinamento, garante que o modelo é capaz de generalizar
classi�cações.
Trata-se de um método com baixa dependência dos ajustes dos parâmetros e dos dados de treinamento.
É um método aplicado a redes neurais de múltiplas camadas.
Respondido em 08/07/2023 17:08:36
Explicação:
O métodobackpropagation é um dos mais conhecidos algoritmos de treinamento, cujo objetivo é extrair
características dos dados para generalizar classi�cações. Ele é aplicado para redes de múltiplas camadas.
Acerto: 1,0  / 1,0
Modi�que o programa Restrições Domínios Finitos para resolver o seguinte problema de restrição de domínios
�nitos: 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
 
 
5
10
8
4
7
Respondido em 08/07/2023 17:12:17
Explicação:
Questão6a
Questão7a
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
4 of 7 15/07/2023, 08:26
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 + 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
Considere o problema dos robôs autônomos do porto. Considere um dos estados do problema de�nido na �gura
a seguir:  
state = {attached(p1,loc1), attached(p2,loc1), in(c1,p1), in(c3,p1), top(c3,p1), on(c3,c1), on(c1,pallet), in(c2,p2),
top(c2,p2), on(c2,pallet), belong(crane1,loc1),
empty(crane1), adjacent(loc1,loc2), adjacent(loc2, loc1), at(r1,loc2), occupied(loc2),
unloaded(r1)}
Após o robô entrar na plataforma loc1. Considere a ação a = load(crane1,loc1,c3,r1).
Assinale a a�rmativa verdadeira:
Ação não é aplicável e somente o átomo holding(k,c) da pré-condição não é verdadeiro.
Ação não é aplicável e somente o átomo belong(k,c) da pré-condição não é verdadeiro.
Ação é aplicável no estado da �gura.
Ação não é aplicável e os átomos holding(k,c) e at(r,l) da pré-condição não são verdadeiro.
Ação não é aplicável e somente o átomo unload(r) da pré-condição não é verdadeiro.
Respondido em 08/07/2023 17:13:39
Explicação:
Com o robô entrando na plataforma loc1, o guindaste ainda não está segurando o container, por isso ação não é
aplicável. Assim: Ação não é aplicável e somente o átomo holding(k,c) da pré-condição não é verdadeiro.
Questão8a
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
5 of 7 15/07/2023, 08:26
Acerto: 1,0  / 1,0
Considere a variável nebulosa especi�cada a seguir:
Para o valor x = 3,5 pertencente ao universo de discurso da variável, os valores simbólicos e numéricos
assumidos pela variável são, respectivamente:
C1 (0,25) e C2 (0,50)
C2 (0,17) e C3 (0,75)
C1 (0,50) e C2 (0,33)
C1 (0,50) e C2 (0,25)
C2 (0,25) e C3 (0,50)
Respondido em 08/07/2023 17:09:31
Explicação:
De acordo com as especi�cações fornecidas, a variável V tem a seguinte representação grá�ca:
Acerto: 1,0  / 1,0
Considere um conjunto nebuloso A de�nido em um universo de discurso X = [0, 100]. Sabendo que A é um
conjunto triangular, cujos vértices são a = 20, b = 60 e c = 80, o grau de inclusão de x = 70 no conjunto A é:
Questão9a
Questão10a
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
6 of 7 15/07/2023, 08:26
0,5
0,4
0,3
0,2
0,6
Respondido em 08/07/2023 17:25:45
Explicação:
Estácio: Alunos https://simulado.estacio.br/bdq_simulados_avaliacao_parcia...
7 of 7 15/07/2023, 08:26