Kordamisküsimused: erinevus redaktsioonide vahel

Allikas: Lambda
Mine navigeerimisribale Mine otsikasti
PriitJ (arutelu | kaastöö)
Uus lehekülg: ' Eksamiks valmistudes arvesta, et '''eksamil võib küsida kõike seda, millest on räägitud loengutes'''. S.t. allolev nimekiri ei ole lõplik ega täielik. # Intelligentne a...'
 
PriitJ (arutelu | kaastöö)
Resümee puudub
4. rida: 4. rida:
S.t. allolev nimekiri ei ole lõplik ega täielik.
S.t. allolev nimekiri ei ole lõplik ega täielik.


# Intelligentne agent. Agendi ülesande PEAS-kirjeldus.
<!-- # Intelligentne agent. Agendi ülesande PEAS-kirjeldus. -->
# Algoritmi ajaline keerukus. Suure "O" notatsioon.
# Algoritmi ajaline keerukus. Suure "O" notatsioon.
# Ülesande keerukus. NP-keerukad ülesanded.
# Ülesande keerukus. NP-keerukad ülesanded.
25. rida: 25. rida:
# Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine.
# Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine.
# ''Forward chaining'' algoritm.
# ''Forward chaining'' algoritm.
# Resolutsioonimeetod lausearvutuses.
<!--
<!--
# Predikaatloogika (i.k. ''first order logic'') teadmusbaas.
# Predikaatloogika (i.k. ''first order logic'') teadmusbaas.
33. rida: 34. rida:
# Juhuslike suuruste iseseisvus. Bayesi võrk.
# Juhuslike suuruste iseseisvus. Bayesi võrk.
# Naiivne Bayesi mudel.
# Naiivne Bayesi mudel.
# Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (''Gibbs sampling'').
<!--# Tõenäosuste arvutamine Bayesi võrgul, kasutades juhuslikkusel põhinevat simulatsiooni (''Gibbs sampling'').-->
# Peidetud Markovi mudel.
# Peidetud Markovi mudel.
<!--
<!--

Redaktsioon: 17. detsember 2018, kell 15:13

Eksamiks valmistudes arvesta, et eksamil võib küsida kõike seda, millest on räägitud loengutes.

S.t. allolev nimekiri ei ole lõplik ega täielik.

  1. Algoritmi ajaline keerukus. Suure "O" notatsioon.
  2. Ülesande keerukus. NP-keerukad ülesanded.
  3. Üldine iteratiivne puuotsingu algoritm, selle seos reaalse ülesande olekutega (olekuruumiga).
  4. Pimeotsing (laiuti-, sügavuti-). Laiutiotsingu ja sügavutiotsingu ajaline ja ruumiline keerukus.
  5. Heuristiline otsing. Ahne otsingu ja A* hindamisfunktsioon (i.k. evaluation function).
  6. A* optimaalsuse tingimus.
  7. Lokaalne otsing. Otsinguruum, mäeronimine, lokaalsed ja globaalsed maksimumid.
  8. Stohhastiline lokaalne otsing (simulated annealing)
  9. Strateegia otsing intelligentse vastase vastu. Minimax puu.
  10. Alpha/beta otsing.
  11. Teadmusbaasil põhineva agendi arhitektuur.
  12. Teadmusbaasi realiseerimine loogikat kasutades. Järeldumine.
  13. Forward chaining algoritm.
  14. Resolutsioonimeetod lausearvutuses.
  15. Prologi kasutamine predikaatloogika reeglite ja faktide kirjapanekuks.
  16. Tinglik tõenäosus.
  17. Diskreetsete juhuslike suuruste ühisjaotus, lausete tõenäosuse arvutamine selle kaudu.
  18. Juhuslike suuruste iseseisvus. Bayesi võrk.
  19. Naiivne Bayesi mudel.
  20. Peidetud Markovi mudel.
  21. Õppimine - mingile tundmatule funktsioonile lähendi leidmine.
  22. Klassifitseerimine otsustuspuu abil. Otsustuspuu ehitamine DTL (tuntud ka ID3 nime all) algoritmiga. Informatsiooni entroopia.
  23. Tehisneuroni tööpõhimõte.
  24. Tehisnärvivõrkude treenimise põhimõtted.
  25. Q-learning. Käitumise õppimine.