APOL Objetiva 2 - INTELIGÊNCIA ARTIFICIAL APLICADA

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