si2

Dado el siguiente grafo, donde el nodo inicial es A, el valor numérico de cada nodo indica el resultado de evaluar una función heurística h, y el valor numérico de cada arista indica el coste de transición entre estados... ¿Cuál sería el coste de la solución devuelta por el algoritmo A∗?. 22. 26. 35. 39.

En el mismo grafo de la pregunta anterior, ¿cuál sería la solución de aplicar el algoritmo de búsqueda por profundidad iterativa, usando la precedencia lexicográfica como mecanismo de resolución de conflictos?. A → C → G → I. A → B → E → H → I. A → B → A → B → E → A → B → E → H → A → B → E → H → I. ) El algoritmo iterativo no encuentra una solución, pero sí lo haría una búsqueda en profundidad estándar.

En el mismo grafo, la heurística proporcionada.. Es admisible y consistente. No es admisible, pero sí consistente. Es admisible, pero no consistente en algunos nodos. No es admisible ni consistente.

Se nos pide realizar un modelo de representación del conocimiento para un sistema sobre un nuevo virus. Al ser de reciente descubrimiento, se dispone de muy poca información sobre este nuevo virus, pero se tiene mucha información sobre otros virus que se cree que funcionan de una manera similar. ¿Qué modelo de representación del conocimiento se debería utilizar?. Orientación a objetos. Redes semánticas. Reglas de producción. Frames.

¿En qué se diferencian las reglas IFANY y IFSOME?. IFANY investiga toda la premisa, mientras que IFSOME ejecuta la acción cuando encuentra una cláusula cierta. IFSOME investiga toda la premisa, mientras que IFANY ejecuta la acción cuando encuentra una cláusula cierta. IFANY requiere que una cláusula sea cierta para ejecutar una acción, mientras que IFSOME requiere más de una. IFSOME requiere que una cláusula sea cierta para ejecutar una acción, mientras que IFANY requiere más de una.

Las arquitecturas básicas de agentes son: Reactivo, reactivo con estado, basado en metas y basado en utilidades. Reactivo, basado en metas, basado en metas con estado y basado en utilidades. Activo, reactivo, reactivo con estado y basado en metas. Activo, reactivo, basado en metas con estado y basado en utilidades.

Sea un dominio con tres manifestaciones posibles {M(1), M(2), M(3)} y dos interpretaciones posibles {I(1), I(2)}. Desde una perspectiva categórica, y dadas las reglas del dominio: ¿Cuál de las siguientes combinaciones pertenece a la Base Lógica Reducida?. m4i1. m4i2. m4i3. Ninguna es correcta.

Con las mismas reglas del ejercicio anterior, y sabiendo que tenemos la manifestación M(1), ¿cuál es el conjunto de interpretaciones más probable? Ten en cuenta las siguientes probabilidades. I − I(1) ∧ ¬I(2). ¬I(1) ∧ I(2). I(1) ∧ ¬I(2). I(1) ∧ I(2).

En un problema de planificación clásica con N variables booleanas, el tamaño máximo del espacio de estados: Crece de forma lineal (2N), ya que cada variable añade un nuevo estado posible. Crece de forma cuadrática (N ^2), debido a las relaciones entre precondiciones y efectos. Crece de forma exponencial (2^N), porque cada variable puede tomar dos valores posibles. Permanece constante, ya que el entorno es estático.

Si hablamos de sistemas de producción... La base de conocimientos está formada por la base de reglas y el motor de inferencias. Los sistemas dirigidos por los datos son más específicos, porque ejecutarán todas las reglas disponibles en función de la información introducida. La memoria activa almacena todos los cambios de estado de nuestro sistema, de forma que representa siempre nuestro estado actual. El motor de inferencias es el responsable de interactuar con el mundo exterior.

Sobre algoritmos de búsqueda en árboles: La búsqueda en anchura siempre es óptima y completa. El profundizamiento iterativo en profundidad debería usarse en espacios de estado en los que se conoce la profundidad de la solución. La búsqueda en profundidad es óptima, pero no completa. Ninguna es correcta.

El modelo bayesiano.. Hace una suposición de independencia para las manifestaciones e interpretaciones. No asume relaciones causales. La evidencia a favor de una hipótesis no cuenta en la negación de esta hipótesis. Ninguna es correcta.

Si un entorno es parcialmente observable y estocástico, la planificación clásica: Sigue siendo válida sin cambios, porque los algoritmos de búsqueda no dependen de la observabilidad. No es directamente aplicable porque requiere observabilidad total y acciones deterministas. Reduce el espacio de estados al no conocerse toda la información del entorno. Requiere usar exclusivamente búsqueda voraz para estimar estados posibles.

La eficiencia de un algoritmo de búsqueda depende de dos parámetros, independientemente del dominio de aplicación: Profundidad y criterios de selección de estados. Factor de ramificación y costo de expansión. Factor de ramificación y profundidad. El costo de expansión de los nodos y el tipo de representación de conocimiento usado.

¿Por qué una red bayesiana es más explicable que un modelo bayesiano directo sobre datos?. Porque las aristas del grafo representan dependencias entre variables, haciendo el razonamiento interpretable. Porque transforma las probabilidades en reglas lógicas deterministas, eliminando la incertidumbre. Porque los nodos representan únicamente todos los conceptos relevantes, facilitando la comprensión. Porque solo admite variables booleanas y no variables continuas, eliminando la incertidumbre.

Como modelo de representación del conocimiento, las reglas de producción. No suelen almacenar conocimiento heurístico. Deben combinarse para poder formar unidades completas de razonamiento. Siempre involucran condiciones y acciones explícitas. Ninguna de las anteriores es correcta.

Cuando una regla se activa, ¿de qué depende su ejecución?. De la estrategia de resolución de conflictos. Del contenido de la memoria activa. De las metas establecidas como hipótesis de trabajo. De todas las anteriores.

Los agentes basados en metas.. Basan su comportamiento en reflejos al estado del mundo. Mantienen un conocimiento interno del mundo y las consecuencias de sus acciones. Consideran la bondad de los estados para alcanzar los estados finales. Todas son correctas.

En la búsqueda de coste uniforme: Cada operador aplicable siempre tendrá el mismo coste. Cualquier camino solución encontrado tendrá siempre el mismo coste. Cualquier camino solución encontrado tendrá siempre el mismo número de pasos. Cualquier camino solución encontrado tendrá siempre el mínimo número de pasos. Ninguna de las anteriores.

En el algoritmo de profundidad iterativa se cumple que la cantidad de nodos hoja en la iteración "i" es siempre mayor que la suma acumulada de todos los nodos generados previamente en las "i − 1" iteraciones anteriores. Cierto. Dependerá del número de iteraciones "i". Dependerá del factor de ramificación. Falso.

En el contexto del algoritmo de escalada en búsqueda local, el siguiente árbol de búsqueda se corresponde con una situación de: Mínimo local. Máximo local. Meseta. Cresta. Ninguna de las anteriores, ya que dicho desarrollo nunca podría darse aplicando la búsqueda de escalada.

Señala la respuesta correcta: Una de las ventajas fundamentales de los métodos declarativos de representación del conocimiento es que facilitan trabajar con información de carácter probabilístico. Los métodos procedimentales son más adecuados para la codificación de conocimiento fruto de la experiencia. En los métodos declarativos la incorporación de nuevo conocimiento suele implicar la recodificación del ya existente. Ninguna de las anteriores.

El sistema alcanzará la meta H en 3 ciclos de inferencia, dejando la Memoria Activa como M3 = {A, B, E, C, D, X, R, H}. El sistema alcanzará la meta H en 5 ciclos de inferencia. El sistema no podrá alcanzar la meta H. El sistema se quedará en bucle infinito.

En un problema en el que estamos utilizando búsqueda local, tenemos la siguiente función de coste, en la que estamos buscando el valor máximo:Si estamos en el punto marcado, ¿qué deberíamos de hacer?. Retroceder a un punto anterior y probar un sentido diferente. Devolver el punto marcado. Aplicar más de un operador antes de realizar el test de meta. Ninguna de las anteriores.

La búsqueda A∗... Evalúa cada nodo combinando las funciones g(n) y h(n), e.g. el coste real del mejor camino para alcanzar cada nodo n y el coste estimado del camino menos costoso desde el nodo n a meta. La búsqueda A* basada en grafo es óptima si la heurística es admisible. Se comporta como búsqueda en profundidad si g es incrementada por 1, h = 0, y los nodos con la misma f son ordenados de menos a más recientes. Todas son correctas.

Las funciones heurísticas.. Cuantas más restricciones tengamos en cuenta para su diseño, menos precisas serán. Son consideradas admisibles si nunca sobreestiman el coste actual de alcanzar la meta. Si n es el nodo inicial, entonces h(n) = 0. Si una heurística domina otra (h2 ≥ h1), A* usando h2 expandirá más nodos que usando h1.

Si hablamos de algoritmos de búsqueda en árbol... Búsqueda en amplitud siempre es óptima y completa. La búsqueda de profundidad iterativa debe de ser usada en espacios de búsqueda donde la profundidad de la solución sea conocida. La búsqueda de profundidad limitada es óptima, pero no completa. Ninguna es correcta.

Se nos pide crear un modelo de representación del conocimiento para un sistema sobre un nuevo virus. Al haber sido descubierto recientemente, hay muy poca información disponible sobre este nuevo virus, pero hay mucha información sobre otros virus que se cree que funcionan de manera similar. ¿Qué modelo de representación del conocimiento debería de ser utilizado?. Orientada a objetos. Redes semánticas. Reglas de producción. Marcos (Frames).

El algoritmo de model checking.. Tiene una complejidad que se vuelve inmanejable para sistemas con muchos símbolos. Permite verificar si KB ⊨ α. Puede ser implementado como una exploración de un árbol binario. Todas son correctas.

Hay un sistema de producción en un problema dado. En un punto, el cliente se da cuenta de que la información es incompleta y necesita añadir dos reglas a mayores para cubrir casos específicos que no habían sido considerados previamente. ¿Qué deberíamos de cambiar en el motor de inferencias?. Las nuevas reglas deben ser insertadas. Las nuevas reglas y los hechos resultantes de dichas reglas deben ser insertados. El sistema de reglas tendrá que ser reconstruido completamente para adaptarlo al problema actual. Nada.

Si hablamos de sistemas de producción... La base de conocimientos está formada por la base de reglas y el motor de inferencias. Los sistemas dirigidos por los datos son más específicos, porque ejecutarán todas las reglas disponibles en función de la información introducida. La memoria activa almacena todos los cambios de estado de nuestro sistema, de forma que representa siempre nuestro estado actual. El motor de inferencias es el responsable de interaccionar con el mundo exterior.

La búsqueda A*... Evalúa los nodos combinando las funciones g(n) y h(n). Basada en grafo es óptima si la heurística es admisible. Se comporta como anchura si g se incrementa en 1, h = 0 y los nodos con igual f se ordenan de menos a más reciente. Todas son correctas.

Como modelo de representación del conocimiento, las reglas de producción... No suelen almacenar conocimiento heurístico. Deben combinarse para poder formar unidades completas de razonamiento. Siempre involucran condiciones y acciones explícitas. Ninguna de las anteriores es correcta.

Cuando una regla se activa, ¿de qué depende su ejecución?. De la estrategia de resolución de conflictos. Del contenido de la memoria activa. De las metas establecidas como hipótesis de trabajo. De todas las anteriores.

Los agentes basados en metas.. Basan su comportamiento en reflejos al estado del mundo. Mantienen un conocimiento interno del mundo y las consecuencias de sus acciones. Consideran la bondad de los estados para alcanzar los estados finales. Todas son correctas.

La ejecución de las reglas seleccionadas, en la fase de acción, concluye con... El proceso inferencial. La verificación de si continuar o no el proceso cíclico. La actualización de la memoria activa y el motor de inferencias. Ambas b) y c) son correctas.

Los procedimientos de búsqueda en profundidad... Demandan más recursos computacionales (en términos espaciales) que los basados en anchura. No son completos en espacios de estados finitos si están basados en grafos. Están limitados computacionalmente por el tamaño del espacio de estados si están basados en árboles. Ninguna de las anteriores es correcta.

El conjunto de complejos manifestación-interpretación... Representa el conjunto total de situaciones posibles en el problema. No es completo si el conocimiento no es categórico. Presenta elementos mutuamente excluyentes. Ninguna de las anteriores es correcta.

Se dispone de un sistema de producción sobre un problema dado. En cierto punto, el cliente se da cuenta que la información está incompleta, y necesita añadir dos reglas más que cubren unos casos específicos que no había contemplado anteriormente. ¿Qué se debería de cambiar en el motor de inferencias?. Se deben insertar las nuevas reglas. Se deben insertar las nuevas reglas y los hechos que sean resultado de dichas reglas. Se debe rehacer completamente el sistema de reglas, para adecuarlo a la problemática actual. Nada.

Si hablamos de sistemas de producción.. La base de conocimientos está formada por la base de reglas y el motor de inferencias. Los sistemas dirigidos por los datos son más específicos, porque ejecutarán todas las reglas disponibles en función de la información introducida. La memoria activa almacena todos los cambios de estado de nuestro sistema, de forma que representa siempre nuestro estado actual. El motor de inferencias es el responsable de interaccionar con el mundo exterio.