Baixe o app para aproveitar ainda mais
Prévia do material em texto
Questão 1/10 - Inteligência Artificial Aplicada Um perceptron simples, com duas entradas e uma saída para classificar “+1” ou “-1”, sem camada oculta, possui os valores de pesos e a tabela com as 4 (quatro) amostras descritos a seguir. Com base no preenchimento da tabela de amostras de acordo com as fórmulas o perceptron simples, marque as afirmações com “V” ou “F” e depois assinale a alternativa correta. w1 w2 0.45 0.10 Amostra x1 x2 1 8 3 2 1 3 3 4 2 4 1 1 ( ) O perceptron classifica erroneamente as amostras “2” e “3”. ( ) O perceptron tem o somatório do erro quadrático igual a 8. ( ) As amostras “1” e “2” são classificadas corretamente. ( ) Para a amostra 2, d=2,9. ( ) Para a amostra “3”, d=1. Nota: 10.0 A V-V-V-F-F B F-F-F-V-V C F-V-V-F-V Você acertou! O perceptron classifica erroneamente as amostras “3” e “4”. O somatório do erro quadrático igual a 0+0+4+4=8. As amostras “1” e “2” são classificadas corretamente (1 e -1). Para a amostra 2, d=-0,25. E para a amostra “3”, d=1. D V-V-F-F-V E V-V-V-F-V Questão 2/10 - Inteligência Artificial Aplicada Na execução de um AG, considere os seguintes cromossomos: Cromossomo 1: 110001001 Cromossomo 2: 101111101 Considerando o ponto de corte após o gene de número 5, como seriam os descendentes destes cromossomos em caso de crossover? Nota: 10.0 A 110111101 e 101001001 B 110001101 e 101111001 Você acertou! O processo de crossover faz a operação ilustrada a seguir, invertendo a segunda parte do cromossomo após o gene de número “5”: C 110000101 e 101110001 D 110011101 e 101101001 E 101101001 e 110011101 Questão 3/10 - Inteligência Artificial Aplicada Os sistemas especialistas podem ser classificados quanto às definições da IA no quadrante “agir como humanos”. Consiste assim numa ferramenta que possui a capacidade de entender o conhecimento sobre um problema específico e usar este conhecimento de maneira inteligente para sugerir alternativas de ação. Podemos enumerar assim os componentes de um SE: Nota: 10.0 A Base de conhecimento, quadro negro e neurônios. B Base de conhecimento, mecanismo de inferência e o domínio. C Base de conhecimento, quadro negro e mecanismo de inferência. Você acertou! Os componentes de um SE são a base de conhecimento (que contém os fatos e as regras), o quadro negro (onde são feitas as consultas à base de conhecimento) e o mecanismo de inferência (modo pelo qual o sistema especialista “raciocina” sobre o problema). D Base de conhecimento, mecanismo de inferência e antecedentes. E Base de conhecimento, antecedentes e mecanismo de inferência. Questão 4/10 - Inteligência Artificial Aplicada Assinale as afirmações sobre Algoritmos Genéticos (AG) a seguir com “V” para verdadeiro ou “F” para falso e depois marque a alternativa correta: ( ) Um AG é considerado um algoritmo de busca em feixe estocástica, onde os estados sucessores são criados a partir da combinação de dois (ou mais) estados “pais”. ( ) AG usa estruturas de neurônios para executar a sua busca por um estado ótimo. ( ) Um AG contém regras com premissas e consequentes para executar o seu algoritmo. ( ) Os AG perfazem uma busca cega, sendo a única exigência o conhecimento da função objetivo de cada indivíduo. ( ) Um AG procura uma solução dentro de um espaço para um problema de otimização. Nota: 10.0 A V-V-F-F-V B V-F-V-V-F C V-F-F-V-V Você acertou! Um AG é considerado um algoritmo de busca em feixe estocástica, onde os estados sucessores são criados a partir da combinação de dois (ou mais) estados “pais”. AG não usa estruturas de neurônios como as RNA para executar a sua busca por um estado ótimo. Também, um AG contém regras com premissas e consequentes para executar o seu algoritmo. Os AG perfazem uma busca cega, sendo a única exigência o conhecimento da função objetivo de cada indivíduo, procurando uma solução dentro de um espaço para um problema de otimização. D F-F-F-V-F E V-V-V-F-F Questão 5/10 - Inteligência Artificial Aplicada Podemos conceituar uma rede neural artificial como um processador maciçamente e paralelamente distribuído constituído de unidades de processamento simples, que têm a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso. São propriedades de uma rede neural artificial: Nota: 10.0 A Não-linearidade, mapeamento entrada-saída, seleção, mutação e resposta a evidências B Não-linearidade, mapeamento entrada-saída, mecanismo de inferência e adaptabilidade C Não-linearidade, mapeamento entrada-saída, adaptabilidade e resposta a evidências Você acertou! Pela não-linearidade, os neurônios podem ser lineares ou não-lineares, deste forma permitindo aproximações robustas de funções de mapeamento que tenham característica não- linear. Pelo mapeamento entrada-saída, a rede aprende a partir de exemplos, estabelecendo mapeamento entre os padrões apresentados na entrada com as saídas dadas pelos exemplos. Pela adaptabilidade, as redes neurais podem ser treinadas e armazenar o conhecimento nos pesos sinápticos, podendo adaptar-se caso o conjunto de amostras utilizado para o treinamento se modifique ao longo do tempo. E pela resposta a evidências uma rede neural pode perfazer uma tarefa de seleção de um padrão, mas também informar sobre o garu de confiança ou crença referente ao padrão escolhido. D Seleção, mutação, crossover, população e fitness Questão 6/10 - Inteligência Artificial Aplicada A arquitetura com camadas ocultas requer algoritmos de aprendizagem que contemplem a atualização dos pesos relacionados às camadas internas. O processo de ativação acontece primeiramente nas camadas ocultas para depois chegar até a camada de saída. A retroalimentação do erro também é feita nos pesos que conectam a(s) camada(s) oculta(s). O algoritmo mais comum utilizado para o treinamento de um perceptron multicamada é: Nota: 10.0 A Algoritmo de campo local induzido. B Algoritmo de sinal funcional. C Algoritmo de erro contínuo. D Algoritmo de retropropagação Você acertou! O algoritmo envolve o processo chamado de descida de gradiente. Este processo busca calcular o gradiente local do erro (a direção para onde tende a crescer o valor do erro médio calculado), utilizando-o para corrigir os pesos sinápticos na direção contrária a este gradiente, em busca do erro mínimo local. O cálculo do campo local induzido é somente uma parte do algoritmo de retropropagação, sendo a propagação do sinal dos neurônios para a próxima camada à frente. O sinal funcional é o sinal apresentado à camada de entrada referente aos atributos do vetor de amostras, que propaga-se para a frente na rede, nó por nó, ativando os neurônios até a camada de saída. E Algoritmo de biopropagação induzida. Questão 7/10 - Inteligência Artificial Aplicada Examine o quadro a seguir, contendo a representação do cromossomo e o resultado da avaliação pela função objetivo durante uma geração qualquer, em um processo de maximização por AG, e responda às questões: Cromossomo Função objetivo 001011 5 111001 -3 011011 0 001010 2 111110 -4 011111 -1 Assinale a alternativa que conterá, após a reordenação, 33% da população a qual será considerada para a próxima geração: Nota: 10.0 A 001011 (5) e 001010 (2) Você acertou! A reordenação por ordem descendente fará com que a população seja ordenada como 5, 2, 0, -1, -3 e -4. Como 33% refere-se a dois indivíduos da população, a próxima geração contará com os indivíduos 5 e 2. B 111110 (-4) e 111001 (-3) C 001011 (5) e 111110 (-4) D 011011 (2) e 001010 (0) E 011011 (3) e 001000 (4) Questão 8/10 - Inteligência Artificial Aplicada Considere o problema do puzzle de 8 peças, com os estados descritos abaixo: Se utilizarmos a função heurística da distância de Manhattan considerando o estado atualem relação ao estado final, temos que a distância será de: Nota: 10.0 A 14 B 15 C 16 Você acertou! A peça “1” levará 3 movimentos até a posição final; a peça “2” levará 1 movimento; a peça “3” levará 2 movimentos; a peça “4” levará 2 movimentos; a peça “5” levará 2 movimentos; a peça “6” levará 2 movimentos; a peça “7” levará 3 movimentos; a peça “8” levará 1 movimento. Então, h(n) = 3+1+2+2+2+2+3+1=16. D 17 E 18 Questão 9/10 - Inteligência Artificial Aplicada Assinale as afirmações a seguir com “V” para verdadeiro ou “F” para falso e depois marque a alternativa correta: ( ) Num sistema PROLOG, o componente de controle estabelece como a solução pode ser obtida. ( ) Num sistema PROLOG, o componente lógico estabelece como a solução pode ser obtida. ( ) Uma cláusula pode ser um fato, regra ou consulta. ( ) “filho(X,Y) :- pai(Y,X). “ é um fato. ( ) A programação procedural é o paradigma fundamental da programação em lógica. Nota: 10.0 A F-V-V-F-F B V-F-V-F-V C V-F-V-V-F D V-F-V-F-F Você acertou! Num sistema PROLOG, o componente de controle estabelece como a solução pode ser obtida. Num sistema PROLOG, o componente lógico corresponde à definição do que deve ser solucionado. Uma cláusula pode ser um fato, regra ou consulta.A cláusula “filho(X,Y) :- pai(Y,X). “ é uma regra.A programação declarativa é o paradigma fundamental da programação em lógica. E V-V-V-V-F Questão 10/10 - Inteligência Artificial Aplicada Relacione as afirmações com as estratégias de busca a seguir e depois marque a alternativa com a sequência correta: I. Busca em amplitude II. Busca de custo uniforme III. Busca em profundidade IV. Busca em profundidade limitada V. Busca em aprofundamento iterativo ( ) Caso se tenha algum conhecimento sobre o problema, pode-se restringir a busca a um nível limite de expansão dos nós. ( ) Combina os benefícios da busca em profundidade e da busca em extensão. ( ) O nó raiz é expandido, depois os nós sucessores do nó raiz, depois os sucessores dos sucessores e assim por diante. ( ) Variante da busca em amplitude por considerar a expansão do nó que possui o custo mais baixo. ( ) Pode ser implementada por um algoritmo de busca em árvore com uma estrutura de pilha. Nota: 10.0 A III-IV-V-II-I B V-IV-I-III-II C IV-V-I-II-III Você acertou! No caso da busca em profundidade limitada, caso se tenha algum conhecimento sobre o problema, pode-se restringir a busca a um nível limite de expansão dos nós. O aprofundamento iterativo combina os benefícios da busca em profundidade e da busca em extensão. Na busca em amplitude, o nó raiz é expandido, depois os nós sucessores do nó raiz, depois os sucessores dos sucessores e assim por diante. A busca de custo uniforme é uma variante da busca em amplitude por considerar a expansão do nó que possui o custo mais baixo. A busca em profundidade pode ser implementada por um algoritmo de busca em árvore com uma estrutura de pilha. D IV-V-III-II-I E I-II-III-V-IV
Compartilhar