INTELIGÊNCIA ARTIFICIAL

Prévia do material em texto

Avaliação: CCT0296_AV2_201201192145 » INTELIGÊNCIA ARTIFICIAL
	Tipo de Avaliação: AV2
	Nota da Prova: 4,0 de 8,0         Nota do Trab.: 0        Nota de Partic.: 2        Data: 09/06/2015 
	
	 1a Questão (Ref.: 201201456238)
	Pontos: 1,5  / 1,5
	A primeira solução encontrada pela estratégia de busca em profundidade é a solução ótima?
		
	
Resposta: Não, pois ,a busca em profundidade se caracteriza por priorizar os nos em niveis mais profundos da arvore. em arvores finitas , e sempre capaz de encontrar alguma mas não garante que elea seja a melhor. portanto , não e uma tecnica otima.
	
Gabarito: NÃO, pois, a busca em profundidade se caracteriza por priorizar os nós em níveis mais profundos da árvore. Em árvores finitas, é sempre capaz de encontrar alguma solução, se esta existir, mas não garante que ela seja a melhor. Portanto, não é uma técnica ótima.
	
	
	 2a Questão (Ref.: 201201365361)
	Pontos: 1,5  / 1,5
	Faça uma comparação entre a capacidade de generalização e o número de nós da rede tipo Perceptrons de Múltiplas Camadas (MLP) com o algoritmo Backpropagation
		
	
Resposta: Com menos nós , a rede e mais generica, mas o erro para o conjuntode treinamento e maior .
	
Gabarito: Com menos nós, a rede é mais genérica, mas o erro para o conjunto de treinamento é maior
	
	
	 3a Questão (Ref.: 201201834817)
	Pontos: 0,5  / 0,5
	Em relação às definições sobre Inteligência Artificial, pode-se afirmar que:
I- O campo de estudos que procura emular comportamento inteligente em termos de processos educacionais.
II- A automação de atividades que associamos ao pensamento humano, atividades tais como tomadas de decisão, resolução de problemas, aprendizado...
III- O estudo das computações que tornam possível perceber, raciocinar e agir.
Escolha a alternativa correta.
		
	
	Apenas o item III está correto.
	
	Apenas os itens I e II estão corretos.
	
	Apenas os itens II e III estão corretos.
	 
	Os itens I, II e III estão corretos.
	
	Apenas os itens I e III estão corretos.
	
	
	 4a Questão (Ref.: 201201347083)
	Pontos: 0,0  / 0,5
	Em relação aos métodos de busca com informação (busca heurística) e sem informação (busca desinformada), aplicados a problemas em que todas as ações têm o mesmo custo, o grafo de busca tem fator de ramificação finito e as ações não retornam a estados já visitados. (Escolha a alternativa CORRETA)
		
	 
	A estratégia de busca A* é eficiente porque expande apenas os nós que estão no caminho da solução.
	
	A primeira solução encontrada pela estratégia de busca em profundidade é a solução ótima.
	
	A segunda solução encontrada pela estratégia de busca em largura é a solução ótima.
	 
	As estratégias de busca com informação usam funções heurísticas, pois quando bem definidas, permitem melhorar a eficiência da busca.
	
	A estratégia de busca gulosa é eficiente porque expande apenas os nós que estão no caminho da solução.
	
	
	 5a Questão (Ref.: 201201399492)
	Pontos: 0,5  / 0,5
	Dadas as Regras e Fatos abaixo, informe a opção correta. Utilize o método min-máx e como limite de verdade GC=40%.  
R1: SE pressão > 200 ou temperatura > 120 ENTÃO abrir_válvula = 1 (GC = 70%)
R2: SE pressão > 120 e temperatura < 90 ENTÃO fechar_válvula = 1 (GC = 80%)
FATOS:
pressão = 210 (GC = 70%)
temperatura = 130 (GC = 90%)
		
	 
	R1 será disparada gerando abrir_válvula = 1 (GC = 63%) e R2 não será disparada.
	
	R1 será disparada gerando fechar_válvula = 1 (GC = 81%) e R2 será disparada gerando abrir_válvula = 1 (GC = 49%)
	
	R1 não será disparada e R2 será disparada gerando abrir_válvula = 1 (GC = 42%)
	
	R1 não será disparada e R2 não será disparada
	
	R1 será disparada gerando abrir_válvula = 1 (GC = 72%) e R2 não será disparada.
	
	
	 6a Questão (Ref.: 201201834838)
	Pontos: 0,0  / 0,5
	Em relação aos conjuntos Crisp e Fuzzy, pode-se afirmar que:
I- No conjunto crisp a noção de pertinência é bem definida: elementos pertencem ou não pertencem a um dado conjunto.
II- No conjunto fuzzy a função característica é generalizada, podendo assumir um número infinito de valores no intervalo [0,1]
III- Um certo conjunto fuzzy é normal se a sua altura for igual a 0,5.
Escolha a alternativa correta.
		
	
	Apenas os itens I e III estão corretos.
	 
	Apenas o item II está correto.
	
	Apenas o item III está correto.
	 
	Apenas os itens I e II estão corretos.
	
	Apenas os itens II e III estão corretos.
	
	
	 7a Questão (Ref.: 201201834868)
	Pontos: 0,0  / 0,5
	Em relação a inferência fuzzy, pode-se afirmar que:
I- A inferência Fuzzy é uma relação lógica que obedece à mesma tabela verdade da Implicação Modus Ponens da lógica proposicional tradicional (lógica crisp). 
II- Na lógica crisp, a regra é acionada somente se a premissa for verdadeira e na lógica fuzzy a regra é acionada quando a premissa possui um grau de pertinência diferente de zero.
III- Para calcular a relação de implicação Takagi-Sugeno propõem utilizar o mínimo ou o produto dos graus de pertinência.
Assinale a alternativa correta.
		
	
	Apenas o item I está correto.
	 
	Apenas os itens II e III estão corretos.
	 
	Apenas os itens I e II estão corretos
	
	Apenas o item II está correto.
	
	Apenas o item III está correto.
	
	
	 8a Questão (Ref.: 201201347497)
	Pontos: 0,0  / 0,5
	O operador genético que torna possível o processo artificial de ¿casamento¿ de cromossomos escolhidos de uma certa população é:
		
	 
	Crossover
	
	Mutação
	
	Criação
	
	Adaptação
	 
	Seleção
	
	
	 9a Questão (Ref.: 201201834884)
	Pontos: 0,0  / 1,0
	1- Seja a função a seguir, que queremos maximizar (encontrar o valor de x que propicia o maior valor para f(x):
f(x) = x2 + 3x.
Qual é o valor máximo de desta função no domíno de 0 a 7?
		
	 
	70
	
	21
	 
	35
	
	53
	
	50
	
	
	 10a Questão (Ref.: 201201834903)
	Pontos: 0,0  / 1,0
	O algoritmo de treinamento Backpropagation consiste em uma sequência de fases. 
Assinale a alternativa INCORRETA sobre este algoritmo.
		
	
	Calcular o erro na saída da rede, que equivale a uma diferença entre o valor de saída obtida na rede e o valor de saída desejado .
	 
	Apresentar um padrão na camada de entrada e calcular o valor do seu peso na camada de saída.
	 
	Se um erro máximo desejado não tiver sido atingido, retornar ao passo inicial para a próxima iteração (apresentação de todos os padrões novamente).
	
	Retropropagar o erro na rede calculando de que forma as mudanças nos pesos afetam o erro.
	
	Modificar os pesos das conexoões sinápticas de forma a minimizar o erro médio, considerando todos os padrões da amostra.