Las redes neuronales se basan en el tipo de aprendizaje: Por refuerzo Supervisado No supervisado.
¿En qué consiste las búsqueda mediante backtracking en CSP? Se trata de construir la solución de forma no gradual. Se trata de construir la solución de forma gradual, instanciando variables en el orden definido por la permutación dada. Ninguna de las otras.
El término aptitud en algoritmos genéticos se refiere a... medida de como se comporta un individuo en la resolución del problema medida del error de clasificación de un individuo de la población medida del interés mostrado por un individuo en la resolución del problema.
¿Cuál de las siguientes afirmaciones NO es correcta acerca de la estrategia de generación y test? Se basa en expandir una a una todas las posibilidades del problema Transforma el problema en uno más sencillo, el cual, es testeado para comprobar su consistencia Es muy poco eficiente.
En cuanto al error δ de las redes neuronales: El cálculo de los δ no es nececsaario en el algoritmo de Backpropagation. Los δ de cada capa son independientes entre sí y no afectan al resultado de las siguientes. Una neurona de una capa intermedia contribuye en los δ de las de la capa siguiente.
Google completa la cadena que introduces en la barra del buscador, utiliza el model oculto de markov que es un modelo estadístico cuyo objetivo es determinar los parámetros desconocidos de dicha cadena a partir de los parámetros observables, permite combinar los datos de la cadena con conocimiento a priori. Podemos decir que: Se basa en el tipo de aprendizaje supervisado. Se basa en el tipo de aprendizaje no supervisado. No se basa en ningún tipo de aprendizaje automático.
Respecto a las fases del Backpropagation podemos decir que: Consta de varias fases, hacia delante, hacia atrás y la actualización de los pesos de todas las capas. Ninguna de las otras dos es correcta. Consta de una única fase en la que se actualizan los pesos de todas las capas.
Usando el algoritmo AC3 transforme en una red consistente:
Variables:
V={X, Y, Z}
Dominios:
Dx=Dy={1, 2, 3, 4, 5}
Dz={0, 1, 2}
Restricciones:
ρ₁ Y ≤ X - 1
ρ₂ X ≥ Z + 4
ρ₃ Y = Z + 2
Después de aplicar el algoritmo, ¿cómo son los dominios de cada variable? Dx={1, 2, 4, 5}; Dy={1, 2, 3}; Dz={0, 1} Dx={1, 2, 3}; Dy={4, 5}; Dz={1, 2} Dx={4, 5}; Dy={2, 3}; Dz={0, 1} .
Una red neuronal: Converge cuando hay cambios significativos en los pesos de la red
Converge cuando los pesos alcanzan un valor mínimo Converge cuando el error de validación se mantiene bajo.
Las estrategias a considerar dentro de las estrategias de búsqueda básica son... Óptimas y metódicas. Irrevocables y tentativas. Ascendentes y descendentes.
¿Qué nombre recibe la técnica que permite obtener nuevos individuos a partir de un punto de intercambio aleatorio en el genoma de dos individuos? Cruzamiento uniforme Mutación Cruzamiento de un punto .
En el tipo de aprendizaje no supervisado tenemos: Herramientas de selección, combinación y mutación para explorar el espacio de soluciones Un conjunto de datos que queremos agrupar en clusters. Una medida de lo bien o mal que está funcionando el algoritmo.
En el método de las k-medias, la medida de distancia que se utiliza es: Cualquier medida de distancia Distancia euclídea Distancia de Mahalanovis.
En computación Evolutiva, ¿cómo se representan las soluciones? Con un vector de características Como una población de individuos Mediante operadores de selección, combinación y cruce.
¿Cuál de las siguientes afirmaciones de generación y test es correcta? Busca la solución mediante una expansión del árbol en anchura. Busca la solución mediante una expansión del árbol en altura. Ignora ciertas soluciones para alcanzar un óptimo.
En los árboles de decisión: Se usa un algoritmo voraz. Las otras opciones son falsas. Vuelta atrás, (Backtracking).
Dadas la variables x, y, z con dominios:
Dx= Dy ={1,2,3,4,5}
Dz= {0,1}
Con restricciones:
x <= y-1
y >= z+4
x= z +3.
¿Qué respuesta es cierta? Aplicando el algoritmo AC3, los dominios restringidos que cumplen las consistencias de arco finales son:
CDx = {3, 4}
CDz= { 0,1}
CDy = {3,4} Aplicando el algoritmo AC3, los dominios restringidos que cumplen las consistencias de arco finales son:
CDx = {3, 4}
CDz= {1}
cDy = {4,5} Aplicando el algoritmo AC3, los dominios restringidos que cumplen las consistencias de arco finales son: CORRECTA
CDx = {3, 4}
CDz= {0, 1}
CDy = {4,5}.
¿Qué problemas tienen las estrategias de búsqueda irrevocables? Tiene problemas de mesetas, máximos locales y crestas. Solo tienen el problema de quedarse en mínimos/máximos locales. Ningún problema, son las mejores estrategias que existen.
La representación de la función booleana AND mediante perceptrones es (Indica la respuesta correcta): a b c.
Sea el ejemplo de la predicción del tiempo: (imagen)
Podemos decir que la predicción del tiempo para
<presión=Subiendo,cielo=Nuboso> Sol Lluvia Nieve.
¿Qué netinput recibe esta neurona (verde)? 12 10 4.
Centrándonos en Backpropagation: derivación matemática El algoritmo es un ascenso por gradiente Hay que modificar los wj en la dirección del gradiente El algoritmo es un descenso por gradiente.
El problema de las n-reinas tiene como características: Dominios continuos y restricciones binarias Dominios discretos y restricciones n-arias Dominios discretos y restricciones binarias.
Respecto a las funciones de activación derivables: Buscamos funciones derivables como forma similar al escalón del perceptrón de una sola capa Para aplicar el algoritmo de entrenamiento multicapa no es necesario que la función de activación sea derivable, aunque es conveniente que lo sea Ninguna de las otras es correcta.
El futuro próximo de la IA está orientado a: Dotar a las máquinas de sentimientos Crear máquinas pensantes capaces de destruir la humanidad Crear robots capaces de abordar tareas complicadas o peligrosas para el ser humano.
¿Qué afirmación acerca de las redes neuronales es falsa? Las entradas de una neurona computacional son números reales El modelo computacional no se asemeja en nada a una neurona biológica Una neurona biológica consta básicamente de 3 partes: entradas, integración y salidas.
¿En qué conferencia y en qué año se definió el campo de la Inteligencia Artificial? En la conferencia de Dartmouth en el año 1956 En la conferencia de Darteye en el año 1955 En la conferencia de Dartnose en el año 1957.
¿Cuál de las siguientes características no es propia de un agente inteligente? Recibe entradas y produce una salida Adaptación a los cambios Persistencia en el tiempo.
¿Qué tipo de operador de selección utilizaremos en Algoritmos Genéticos si queremos que los individuos seleccionados en una generación permanezcan presentes en la siguiente generación? Selección por estado estacionario Selección generacional Selección jerárquica.
¿Cuál es la finalidad del algoritmo ID3? Al igual que AC3, simplifica problemas de satisfacción de restricciones Se usa para generar árboles de decisión Ninguna de las otras es correcta.
Las redes neuronales se basan en el tipo de aprendizaje: Supervisado No supervisado Por refuerzo.
Respecto al operador de selección por torneo en Algoritmos Genéticos podemos afirmar... Que garantiza la selección de los miembros más aptos de cada generación Que selecciona a los individuos más aptos en distintos subgrupos de la población Que provoca que los individuos más aptos tengan más probabilidad de ser seleccionados.
¿Cuál de las siguientes afirmaciones es correcta sobre los aprendizajes automáticos? En el aprendizaje supervisado el error de generación se estima mediante un conjunto de validación En el aprendizaje supervisado se entrena hasta alcanzar un error de test mínimo En el aprendizaje por refuerzo se utilizan clusters para agrupar un conjunto de datos.
|
