IA_teoría

¿Con qué método o métodos de búsqueda se obtienen siempre la solución con un número menor de pasos? Si hay más de uno marcarlos todos. Búsqueda en anchura. Descenso iterativo. Búsqueda en profundidad.

¿Cuál de entre los siguientes algoritmos de escalada reduce la posibilidad de caer en óptimos locales?. escalada por máxima pendiente. escalada simple. ninguno de ellos.

¿Cuál o cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informada son ciertas?. Los algoritmos de búsqueda no informada requieren de información heurística para que sean óptimos. La búsqueda en profundidad garantiza obtener la solución óptima siempre que el coste de los operadores sea unitario. La búsqueda en anchura garantiza obtener la solución óptima siempre y cuando el coste de los operadores sea unitario.

¿Cuáles de las siguientes opciones son correctas?. El agente deliberativo dispone de un modelo de los efectos de sus acciones sobre el mundo. El agente deliberativo reacciona a los cambios que percibe, aunque no estén en su modelo del mundo. El agente deliberativo dispone de un modelo del mundo en el que habita.

¿Cuáles de los siguientes métodos son búsqueda sin información?. búsqueda en anchura, búsqueda en profundidad. búsqueda en anchura, pero no búsqueda en profundidad. búsqueda en profundidad pero no búsqueda en anchura.

¿Cuántos caminos se mantendrán en memoria en la búsqueda en profundidad retroactiva?. 1. todos. 3. 2.

¿El uso de una función heurística garantiza que un método de búsqueda consiga la solución óptima?. Depende del algoritmo y de la heurística. Nunca. Siempre.

¿El uso de una función heurística garantiza que un método de búsqueda consiga la solución óptima?. Depende del algoritmo y de la heurística. Siempre. Nunca.

¿Qué estrategia de control utiliza un método de escalada?. Retroactiva. Exploración en grafos. Irrevocable.

¿Qué representan los nodos cuando se usa la estructura de grafo dirigido para representar un problema en Inteligencia Artificial? ¿Ylos arcos?. Nodos: un estado del sistema; Arcos: una posible acción. Ninguna de las respuestas anteriores es cierta. Nodos: una posible acción; Arcos: un estado del sistema. Nodos: un objeto; Arcos: un camino.

¿Sería viable generar el grafo completo para representar el espacio de estados del ajedrez?. No, tendría demasiados nodos. Si, pero es más eficiente trabajar con el grafo implícito.

De entre la búsqueda en anchura y en profundidad retroactiva, ¿cuál de los dos usa menos memoria?. La búsqueda en anchura. La búsqueda en profundidad retroactiva. No usan memoria. Los dos usan la misma cantidad de memoria.

En el problema del mono y los plátanos, ¿qué tipo de agente sería más eficaz?. Reactivo. Deliberativo. Social.

En la búsqueda en anchura es necesario ir analizando desde el estado inicial todos los sucesores de cada nodo antes de pasar al nivel siguiente en el árbol de búsqueda. solo en los primeros pasos. no. si.

En la búsqueda en profundidad retroactiva, el contenido de la memoria almacenada es. el nodo actual. el camino que se está explorando. todos los caminos que se han explorado.

La búsqueda en anchura permite obtener la solución con menor número de acciones. si. no. depende del problema.

La búsqueda en profundidad retroactiva es una estrategia de búsqueda. explicativa. especulativa. tentativa.

La principal diferencia entre el algoritmo de escalada simple y el algoritmo de escalada por la máxima pendiente es. los estados que se tienen en cuenta para la generación del siguiente estado. la posibilidad de vuelta atrás y el criterio de parada. el uso de la heurística sobre los nodos sucesores y el criterio de parada.

Las heurísticas son. criterios, métodos o principios para obtener el óptimo. funciones usadas en algunos problemas. criterios, métodos o principios para decidir cuál de entre varias acciones promete ser la mejor para alcanzar una meta.

Los métodos de escalada tienen como objetivo pasar irrevocablemente desde un nodo al nodo sucesor. ninguna de las anteriores. que mejore al nodo actual. todos los nodos sucesores.

Los métodos heurísticos en general no garantizan la solución óptima, pero producen resultados satisfactorios en la resolución de problemas. V. F.

Los problemas fundamentales de un método de escalada son (marca todos los que sean). Cálculo de la heurística. Máximos locales. Mesetas.

Según su funcionamiento, ¿qué estructura de datos sería más apropiada para implementar la búsqueda en profundidad?. Una lista. Una cola con prioridad. Una pila. Una cola.

Selecciona la definición que mejor se ajuste al concepto de espacio de estados: Grafo cuyos nodos representan acciones, algunas imposibles y otras posibles; el agente debe ir seleccionando la que mejor le satisfaga. Grafo cuyos nodos representan las configuraciones alcanzables (los estados válidos) y cuyos arcos explicitan las acciones posibles. Es la representación del conocimiento del problema, ya generada al inicio del problema, y que no se relaciona con la ejecución del agente.

Una ventaja de los métodos de escalada es que son siempre fáciles de implementar. tan solo los métodos de escalada simples. siempre. tan solo cuando no se incluyen probabilidades.

¿Cuál de entre los siguientes algoritmos de escalada tiene más probabilidad de caer en óptimos locales?. enfriamiento simulado. escalada por máxima pendiente. escalada simple.

¿Cuál de entre los siguientes algoritmos de escalada reduce la posibilidad de caer en óptimos locales?. enfriamiento simulado. escalada por máxima pendiente. escalada simple.

¿Cuál o cuáles de los siguientes algoritmos tienen una componente aleatoria?. A*. Escalada máxima pendiente. Escalada simple. Genéticos.

¿Qué hace diferente a los algoritmos genéticos de los otros métodos de escalada?. el uso de estrategias irrevocables. el uso de conjuntos de estados y operaciones sobre conjuntos de estados. el uso de decisiones probabilísticas.

¿Qué representa en el problema la adecuación con el entorno en un algoritmo genético?. el valor de la función heurística. la población. el operador de selección.

Cuando se resuelve un problema con un algoritmo genético tanto la codificación del problema como los operadores. no es necesario que se adapten al modelo definido por el algoritmo genético. es necesario que se adapten al modelo definido por el algoritmo genético. es conveniente que se adapten al modelo definido por el algoritmo genético.

De los siguientes algoritmos ¿cuál tiene más posibilidades de caer en un máximo o en un mínimo local?. Algoritmos genéticos. Escalada máxima pendiente. Profundizaje iterativo.

El algoritmo de enfriamiento simulado es una variante de los métodos de escalada que se caracteriza por poder seleccionar en algunos casos. estados peores que el actual. estados mejores que actual. estados diferentes al actual.

El algoritmo de escalada estocástico selecciona el siguiente estado. aleatoriamente entre todos los descendientes que mejoran al actual y con una probabilidad para cada descendiente proporcional al valor de la heurística en el mismo. aleatoriamente entre todos los descendientes que mejoran al actual. aleatoriamente entre todos los descendientes. aleatoriamente entre todos los descendientes que mejoran al actual y con una probabilidad para cada descendiente constante.

En el algoritmo de enfriamiento simulado la energía representa. la función heurística. la cercanía al óptimo. un valor global del sistema.

En el algoritmo de enfriamiento simulado la temperatura representa. la cercanía al óptimo. el incremento de la función heurística. un parámetro artificial que permite controlar la definición de la función heurística a lo largo del tiempo. un parámetro artificial que permite controlar la conducta del algoritmo a lo largo del tiempo.

La principal diferencia entre el algoritmo de escalada simple y el algoritmo de escalada por la máxima pendiente es. el uso de la heurística sobre los nodos sucesores y el criterio de parada. los estados que se tienen en cuenta para la generación del siguiente estado. la posibilidad de vuelta atrás y el criterio de parada.

Los problemas fundamentales de un método de escalada son (marca todos los que sean). Mesetas. Cálculo de la heurística. Máximos locales.

Una ventaja de los métodos de escalada es que son siempre fáciles de implementar. tan solo cuando no se incluyen probabilidades. tan solo los métodos de escalada simples. siempre.

Una ventaja de los métodos de escalada es que son siempre fáciles de implementar. tan solo los métodos de escalada simples. tan solo cuando no se incluyen probabilidades. siempre.

En el algoritmo de búsqueda A*, g(n) expresa el coste estimado desde el nodo n hasta el nodo objetivo y h(n) indica el coste del mejor camino hasta el momento desde el nodo inicial al n. V. F.

Para un nodo, en el algoritmo A* la función g es un valor que no cambia a lo largo del algoritmo. V. F.

Para un nodo, en el algoritmo A* la función h es un valor que no cambia a lo largo del algoritmo. V. F.

¿Cuál de los siguientes métodos de búsqueda es un caso particular de búsqueda primero el mejor o por el mejor nodo?. algoritmo A*. búsqueda en profundidad. algoritmo genético.

¿Cuál o cuáles de los siguientes algoritmos tienen una componente aleatoria?. Escalada máxima pendiente. Genéticos. A*. Escalada simple.

¿El uso de una función heurística garantiza que un método de búsqueda consiga la solución óptima?. Siempre. Depende del algoritmo y de la heurística. Nunca.

En el algoritmo A* ABIERTOS representa. el conjunto de nodos generados y no explorados. el conjunto de nodos no generados y no explorados. el conjunto de nodos no generados y explorados. el conjunto de nodos generados y explorados.

En el algoritmo A* CERRADOS representa. el conjunto de nodos generados y explorados. el conjunto de nodos no generados y no explorados. el conjunto de nodos no generados y explorados. el conjunto de nodos generados y no explorados.

En el algoritmo A* cuando un sucesor corresponde con un nodo que ya estaba en CERRADOS. el nodo se revisa para determinar cuál es su mejor sucesor, y en el caso de que haya cambio se propaga dicho cambio al padre del nodo. el nodo se revisa para determinar cuál es su mejor padre. el nodo de elimina. el nodo se revisa para determinar cuál es su mejor padre, y en el caso de que haya cambio se propaga dicho cambio a los sucesores.

En el algoritmo A* el enlace al mejor padre determina una estructura de. grafo con todos los descendientes desde cualquier nodo al objetivo. árbol representando los mejores descendientes de cada nodo. árbol representando los mejores caminos desde cualquier nodo a la raíz.

En el algoritmo A*, ¿qué es la función g? Selecciona la respuesta correcta. Es una medida del coste para ir desde el estado inicial hasta el nodo actual. Es una estimación del coste adicional necesario para alcanzar un nodo objetivo a partir del nodo actual. Es una estimación del coste necesario para alcanzar un estado objetivo por el camino que se ha seguido para generar el nodo actual.

En el algoritmo A*, g(n) indica el coste del mejor camino hasta el momento desde el nodo inicial a un cierto nodo n, y h(n) expresa el coste estimado desde el nodo inicial hasta el nodo objetivo. V. F.

Las heurísticas son. criterios, métodos o principios para decidir cuál de entre varias acciones promete ser la mejor para alcanzar una meta. funciones usadas en algunos problemas. criterios, métodos o principios para obtener el óptimo.

Un juego es determinístico porque: Siempre se puede determinar una solución. Siempre se pueden determinar los resultados de los movimientos de los jugadores. Un jugador puede determinar siempre una estrategia ganadora.

Hay una diferencia destacable entre un estado de un juego y un estado de un problema de búsqueda heurística y es que: En un estado de un juego no se representa la situación del mundo. En un estado de un juego no se representa una valoración numérica sobre el estado. En un estado de un juego hay que representar el jugador que le toca mover.

Un juego puede considerarse como un caso de sistema multiagente _______. Competitivo. Cooperativo.

En un juego inicialmente hay 3 palillos sobre la mesa, y dos jugadores Max y Min. Max comienza el juego quitando 1, 2 ó 3 palillos. Lesigue Min, que también podrá quitar 1, 2 ó 3 palillos. Estas acciones se repiten hasta que un jugador quite el último palillo, en cuyocaso pierde el juego. ¿La figura muestra el árbol de este juego?. Sí, porque todos los nodos min están bien valorados. Sí, porque los nodos min son terminales. No, porque no todos los nodos terminales están etiquetados. No, porque faltan operadores por aplicar al nodo max.

Las técnicas de juegos se llaman de búsqueda con adversario porque: Los agentes usan valoraciones de los estados terminales opuestas. Los agentes usan repertorios de acciones opuestos. Los agentes usan estados iniciales opuestos.

Un estado terminal en un juego bipersonal es un estado en el que: hay empate entre los jugadores. los dos jugadores ganan. los dos jugadores pierden. no hay más movimientos aplicables y el juego finaliza.

Un juego bipersonal con información perfecta se considera un laboratorio de interés para la IA porque: Tiene un repertorio de acciones pequeño y aun así son duros de resolver. Siempre se puede encontrar una solución óptima con una buena heurística. Es más difícil de representar que juegos físicos, como el “RoboSoccer” o Fútbol Robótico.

Al inicio de la exploración de un árbol de juego. Todos los nodos valen inicialmente 0. Todos los nodos valen inicialmente 0 menos los terminales. Todos los nodos tienen un valor desconocido menos los terminales.

El tamaño aproximado del espacio de nodos a explorar en el ajedrez, que tiene un factor de ramificación de 35 y una profundidad media de 50 movimientos por cada jugador es de: O(35^100). O(100^35). O(35*100). O(e^-35/100).

En un juego una estrategia contingente: Es un camino lineal entre el estado inicial y un estado terminal que incluye nodos max y nodos min. Es un grafo Y/O que representa movimientos de max y todos los posibles movimientos de oposición de min.

La solución de un juego permite indicar a cada jugador: Qué resultado puede esperar y cómo alcanzarlo. Un camino lineal para encontrar un estado ganador.

Las valoraciones de los nodos terminales de un juego se realizan considerando el punto de vista de _____. max. min.

En los juegos bipersonales con información perfecta: Los jugadores actúan cada uno racionalmente, es decir, cada uno trata de obtener el máximo beneficio. Los jugadores actúan cada uno racionalmente, es decir, cada uno trata de maximizar su pérdida.

En un juego de suma nula: Hay reparto de beneficio entre los jugadores y la suma de beneficios es 0. El resultado final del juego es 0. Cada situación final el beneficio de un jugador es total y la pérdida del oponente total.

Un juego puede considerarse como un caso de sistema multiagente cooperativo. V. F.

Es necesario valorar situaciones o asociar una utilidad a situaciones distintas a las terminales para poder resolver un juego. V. F.

Un juego con información perfecta es un caso de sistema multiagente con dos jugadores en el que toda la información del tablero está disponible para cada jugador. V. F.

El caso promedio la poda alfa beta permite profundizar. el triple que un procedimiento minimax con el mismo esfuerzo. un 33% más que un procedimiento minimax con el mismo esfuerzo. el doble que un procedimiento minimax con el mismo esfuerzo.

En el algoritmo minimax podemos cambiar el jugador MAX por el jugador MIN sin más que: Cambiar el orden de la exploración sin alterar ningún otro elemento. Modificar la función heurística sumando -1 a todos sus valores. Cambiar el orden de la exploración y el signo de la función heurística.

En teoría de juegos, minimax es. un método para encontrar la salida a un laberinto. un algoritmo para resolver una partida de ajedrez. un método de decisión para minimizar la pérdida máxima esperada en juegos con adversario, con información perfecta y suma nula. un tipo de agente deliberativo. un método de decisión para maximizar la pérdida mínima esperada en juegos con adversario, con información perfecta y suma nula.

En un juego con componente aleatoria, si realizamos un cambio de escala en los valores ¿la variante del minimax para este tipo de juegos elegirá la misma jugada?. Si, no depende de los cambios de escala siempre que se conserve el orden de los valores. No siempre, pues puede cambiar el orden de la esperanza matemática de las opciones de una jugada aunque se conserve el orden de los valores.

La cota alfa se calcula como el. el valor máximo de los nodos MAX en el camino del nodo a la raíz. el valor máximo de los nodos MIN en el camino del nodo a la raíz. el valor mínimo de los nodos MIN en el camino del nodo a la raíz. el valor máximo de los nodos MAX del árbol del juego.

La efectividad de la poda alfa-beta del algoritmo minimax depende del orden en que se exploren las jugadas. cierto. falso. depende de la función de evaluación estática usada.

En el contexto de búsqueda en juegos con una profundidad de corte o limitada, una posición estable es: Una posición del juego en la que la valoración de sus sucesores no cambia respecto a la posición actual. Una posición del juego desde la no se producen variaciones drásticas de la valoración de sus sucesores respecto a la posición actual. Una posición a la que se puede volver para iniciar una nueva estrategia contingente.

Una función de valoración de nodos intermedios de un juego: No tiene que contemplar situaciones terminales del juego. Tiene que contemplar situaciones terminales del juego, valorándolas con -inf si gana MIN y +inf si pierde MIN. Tiene que contemplar situaciones terminales del juego, valorándolas con -inf si pierde MIN y +inf si gana MIN.

Una regla general como “Todas las casillas azules de un mapa pueden transitarse si el agente tiene un bikini”: se puede representar más adecuadamente con un modelo icónico que con un modelo descriptivo. se puede representar más adecuadamente con un modelo descriptivo que con un modelo icónico. no puede representarse ni con un modelo descriptivo ni con un modelo icónico.

La información que se almacena en un nodo de un espacio de estados es un ejemplo de. un modelo de representación icónico. un modelo de representación descriptivo. un modelo de presentación ad-hoc.

El cálculo proposicional es decidible, lo cual significa que: Se puede usar para tomar decisiones a partir de un conjunto de fórmulas. Se puede determinar en tiempo finito si una proposición es deducible de un conjunto de fórmulas. Se puede garantizar que si una fórmula es cierta entonces se puede decidir su certeza.

La relación “X es el padre de Y”: se puede representar más adecuadamente con proposiciones que con predicados. se puede representar más adecuadamente con predicados que con proposiciones. solo puede representarse con predicados.

Un árbol de demostración: es una representación del proceso de demostración de una fórmula bien formada. es una representación del espacio de estados en la búsqueda de una fórmula bien formada. es una representación del espacio de fórmulas donde se debe encontrar una demostración.

El modus ponens: es una regla de inferencia para modelos icónicos. es una regla de inferencia en lógica en lógica proposicional y de predicados. es una regla de inferencia solo aplicable en lógica proposicional.

Si partimos de dos cláusulas, una en la que se afirma que “no llueve o hace frío” y otra que en la que se afirma que “llueve o hace frío”, la regla de resolución aplicada a ambas establece que: hace frío. no llueve. no se pueden resolver, son cláusulas inconsistentes.

La instanciación universal nos permite deducir: reglas generales a partir de casos particulares. casos particulares a partir de reglas generales. la instanciación no nos permite deducir, nos permite inferir.

Para representar con predicados la información sobre una Asignatura, el Curso en que se imparte y el Cuatrimestre: se puede usar un único predicado asignatura(A,C,Cu) donde A es una variable que representa la asignatura, C el curso y Cu el cuatrimestre. se pueden usar dos predicados, asignatura-curso(A,C) y asignatura-cuatrimestre(A,Cu) donde A es una variable que representa la asignatura, C el curso y Cu el cuatrimestre. ninguna de las otras respuestas es cierta porque no se pueden usar predicados para representar datos ya existentes en una base de datos.

¿Es eficiente la resolución en lógica de predicados?. No, solo sirve como concepto teórico,. Si, siempre que nos limitemos a utilizar cláusulas de Horn. Si, siempre encuentra en tiempo eficiente las demostraciones.

En un sistema basado en el conocimiento, el motor de inferencia. contiene los hechos inferidos y las reglas para inferir. permite razonar sobre el conocimiento de la base de conocimiento y los datos proporcionados por un usuario. es independiente del modelo de representación.

¿Cuál o cuáles son los componentes esenciales que necesita un Sistema Basado en el Conocimiento?. Base de Conocimiento. Motor de inferencia. Interfaz de usuario. Subsistema de explicación.

¿Cuál de los siguientes es un tipo de aprendizaje?. Aprendizaje supervisado. Aprendizaje por eliminación. no sabe o no contesta. Aprendizaje normal.

¿Cuáles son los dos métodos de aprendizaje supervisado?. Métodos basados en grafos. Métodos basados en modelos. Métodos basados en instancias. no sabe o no contesta. Métodos basados en funciones.

¿Qué tipo de aprendizaje aprende una función a partir de ejemplos de sus entradas y salidas. aprendizaje por refuerzo. aprendizaje no supervisado. no sabe o no contesta. aprendizaje supervisado.

Cuando la salida de un árbol de decisión es una variable continua, el problema se denomina. continuo. regresión. completo. no sabe o no contesta.

Cuando tengamos más de una hipótesis que satisfaga todos los ejemplos debemos elegir. la más difícil. la que más nos guste. no sabe o no contesta. la primera. la más simple.

En aprendizaje una hipótesis estará bien generalizada si. no sabe o no contesta. es simple. es consistente con los datos del conjunto de entrenamiento. puede predecir ejemplos que no se conocen.

Se dice que un problema de aprendizaje es realizable si el espacio de hipótesis. contiene a la función verdadera. es continuo. es lo suficientemente grande. no sabe o no contesta.

Un algoritmo de aprendizaje es bueno si. hace un buen trabajo produciendo clasificaciones de las diferentes hipótesis observadas. produce hipótesis que hacen un buen trabajo al evaluar clasificaciones de ejemplos observados previamente. no sabe o no contesta. produce hipótesis que hacen un buen trabajo al predecir clasificaciones de ejemplos que no han sido observados.

Una hipótesis es consistente si. es completa. satisface a los datos. generaliza el conocimiento. no sabe o no contesta.

¿Cuál de estos problemas no es de interés para la inteligencia artificial?. Apagar automáticamente un calefactor cuando haya más de 30ºC. Jugar al ajedrez. Apagar automáticamente un calefactor cuando se perciba sensación de calor. Invertir en la bolsa.

Los sistemas expertos son un ejemplo de. Sistemas que actúan racionalmente. Sistemas que piensan como humanos. Sistemas que actúan como humanos. Ninguna de las otras respuestas.

La denominada edad oscura de la I.A., fue debida a que: Se necesitaba un gran conocimiento para resolver problemas específicos y se descubrió la complejidad de algunos problemas. El trabajo de investigación sobre la IA se desarrollaba en sótanos oscuros. Se perdió totalmente el interés por la IA, debido a su dificultad.

Un problema para el que hay una resolución algorítmica nunca puede ser un problema de I.A. V. Depende. F.

La Inteligencia Artificial surge a partir (seleccionar solo una opción): La informática y la electrónica. Filosofía, psicología y neurociencia. Todas las mencionadas y algunas más.

Las heurísticas son. criterios, métodos o principios para decidir cuál de entre varias acciones promete ser la mejor para alcanzar una meta. criterios, métodos o principios para obtener el óptimo. funciones usadas en algunos problemas.

En el algoritmo A* cuando un sucesor corresponde con un nodo que ya estaba en CERRADOS. el nodo se revisa para determinar cuál es su mejor padre ⇒ es verdad, pero está incompleta. el nodo nuevo se elimina, ya lo teníamos, y no hay que hacer nada más. el nodo se revisa para determinar cuál es su mejor sucesor, y en el caso de que haya cambio se propaga dicho cambio al padre del nodo. el nodo se revisa para determinar cuál es su mejor padre, y en el caso de que haya cambio se propaga dicho cambio a los sucesores.

¿Cuántos caminos se mantendrán en memoria en la búsqueda en profundidad retroactiva?. 1. 2. 3. todos.

En un grafo Y/O si tenemos un nodo O, debemos. resolver un hijo para ver si devuelve la solución, en caso contrario resolver otro hijo y comprobar. resolver todos sus hijos por separado, combinar la solución y etiquetar el nodo padre como resuelto. resolver el subproblema asociado y devolverlo.

¿Cuál o cuáles de los siguientes juegos son bipersonales con información perfecta? (marcar todos los que sean): Seleccione una o más de una: Backgammon. Damas. Poker. Ajedrez.

En el algoritmo minimax se parte de la hipótesis de que los dos jugadores juegan de manera perfecta. ¿Qué ocurre si uno de ellos falla y no actúa según lo previsto? Seleccione una: Ese fallo no afecta al contrincante. El contrincante se perjudica. El contrincante se beneficia.

La cota beta es: una cota inferior. una cota superior.

En un juego con componente aleatoria los valores de los estados se propagan hacia arriba en las capas aleatorias usando. una variación de la función heurística. la esperanza matemática. las cotas alfa o beta según corresponda.

En el algoritmo minimax el valor V(J) de un nodo J de la frontera de búsqueda es _____ al de su función de evaluación estática. Seleccione una: menor. diferente. mayor. igual.

Entre las múltiples formas de inferir un árbol de decisión la más usada y eficaz consiste en: seleccionar el atributo en cada nivel del árbol en función de la calidad de la división que produce. crear una ruta del árbol para cada instancia de entrenamiento. inferir el árbol más pequeño posible que sea compatible con todas las instancias.

En aprendizaje una hipótesis estará bien generalizada si: es consistente con los datos del conjunto de entrenamiento. es la más simple. puede predecir ejemplos que no se conocen.

¿Qué dice el principio conocido como Navaja de Ockham (cuando dos teorías explican los hechos observados)?. Que la teoría más simple tiene más probabilidades de ser correcta que la compleja. Que la teoría más simple siempre y en todos los casos es la mejor. Que la teoría más simple tiene más probabilidades de ser incorrecta que la compleja. Que la teoría más compleja tiene más probabilidades de ser correcta que la simple.

El aprendizaje inductivo se basa en: aprender en base a prueba y error. resolver problemas exactamente iguales a los resueltos anteriormente. aprender a partir de ejemplos.

Un aprendizaje que se basa en aprender a partir de patrones de entradas sin especificar sus salidas es un aprendizaje: Por refuerzo. Supervisado. No supervisado.

¿Cuál de las siguientes respuestas representa mejor los pasos que lleva a cabo un agente reactivo?. percibir y buscar la mejor alternativa. percibir, procesar la información percibida, seleccionar la acción usando esa información y realizar la acción. percibir y actuar.

¿Cuál de las siguientes no es una característica propia de los agentes?. Proactividad. Capacidad individualista. Autonomía. Capacidad estímulo-respuesta.

¿Cómo podría beneficiar el uso de una arquitectura de subsunción en un robot aspirador?. El comportamiento sería emergente y permitiría entender fácilmente el comportamiento global esperado. Las decisiones se basan en información local. Los estímulos del exterior se procesan por capas especializadas de modo que se siguen unas prioridades a la hora de actuar.

¿Qué es un agente inteligente?. es el estudio de cómo hacer que los ordenadores hagan cosas que por el momento son realizadas mejor por los seres humanos. es un sistema de ordenador, situado en algún entorno, que es capaz de realizar acciones de forma autónoma y que es flexible para lograr los objetivos planteados. es el sentido en que se puede tomar una sentencia, un dicho o una expresión. es un sistema robótico que se desplaza de forma segura por un entorno de habitaciones realizando diversas tareas.

¿Cuál de los siguientes problemas no debería modelizarse como un agente reactivo?. un robot aspirador. una casa domotizada. un robot que recorre el centro de un pasillo. un navegador GPS que recomienda rutas.

Dado un problema concreto del Pacman de un laberinto de 10 x 10 sin paredes, con 3 comidas y un fantasma que siempre está presente moviéndose aleatoriamente . El juego termina cuando el Pacman se come todas las comidas o cuando el fantasma se come al Pacman. ¿Cuál de los valores siguientes se aproxima más al número de estados meta distintos que hay?. 1900. 103. 1000. 800.

Construirnos una red bayesiana en la que nos consta que las variables A y B son condicionalmente independientes dada la variable C. Determine cuántas redes diferentes podernos construir con estas tres variables, que cumplan esta condición. Seleccione una: 2. 4. 3. 1.

Considera una cuadrícula NxM en la que se quiere realizar búsqueda. En la cuadrícula es posible moverse avanzando una casilla en horizontal, vertical y diagonal. La distancia que se recorre con cada movimiento en horizontal y vertical es 1, mientras que en diagonal es V2. Para este problema, se define la heurística de la distancia de Manhattan ponderada corno: w1 I siguientes valores para w1 y w2 generan una heurística admisible más informada que las demás?. w1=1 y w2=2. w1= 0.25 y w2= 0.25. w1=0 y w2= 1. w1=1 y w2= 1.

En aprendizaje automático, el problema de determinar si un audio de una pieza musical corresponde con una pieza con cantante o con una pieza instrumental, es un problema de: Clasificación. Regresión. Agrupamiento. Aprendizaje por refuerzo.

Se tiene un grid de N filas y N columnas y un agente que tiene que ir desde una posición inicial a una final moviéndose en horizontal y vertical. La fila 5 entera representa un río. Para cruzarlo necesita que un barquero, que se está moviendo por el río, le deje en la misma columna de la otra orilla. ¿Cómo definirías el espacio de estados? Seleccione una: Coordenadas (x,y) con la posición de la persona y la posición del barquero y lista de casillas que ocupa el río. Coordenadas (x,y) con la posición de la persona y orilla en la que se encuentra el barquero. Coordenadas (x,y) con la posición de la persona y el barquero y listas de coordenadas que ocupa el río. Coordenadas (x,y) con la posición de la persona y coordenadas (x,y) con la posición del barquero.

Un sistema de producción define relaciones familiares con reglas como: SI padre(X,Y) y madre(Y,Z) ENTONCES abuelo(X,Z) Si sólo se pueden usar los predicados madre, padre, hermano, mujer, varón e hijo ¿Cómo definirías el predicado tía? Seleccione una: SI padre(X,Y) y hermano(Z,X) y mujer( Z) ENTONCES tia(Z,Y). SI madre(X,Y) y padre(Z,T) ENTONCES tia(X,T). SI padre(X,Y) y hermano(Z,X) ENTONCES tia(Y,X). SI madre(X,Y) y hermano(X,Z) ENTONCES tia(Z,Y).

¿Cuál de las siguientes reglas de lógica borrosa podría formar parte del control de un brazo robótico? Seleccione una: SI el sensor de la izquierda está cerca y el de la derecha lejos ENTONCES rotacion[1]=mucho, rotacion[2]=muypoca. SI la rotacion[1] es muypoca y la rotacion[2] muypoca ENTONCES sensor[0]=muycerca. SI la rotacion[1] es muypoca y la rotacion[2] media ENTONCES sensor[0]=cerca, sensor[2]=lejos. SI el sensor de la derecha está lejos y la rotacion[1] es muypoca ENTONCES sensor[0]=cerca, rotacion[2]=muypoca.

Señale la respuesta verdadera considerando únicamente problemas de búsqueda con costes de acciones unitarios. Seleccione una: Una búsqueda en amplitud nunca puede encontrar una solución expandiendo menos nodos que A* con heurística admisible. Una búsqueda en profundidad nunca puede encontrar una solución óptima expandiendo menos nodos que A* con heurística admisible. Una búsqueda en amplitud nunca puede encontrar una solución óptima en menos tiempo que A* con heurística admisible. Una búsqueda en profundidad nunca puede encontrar una solución en menos tiempo que A* con heurística admisible.

Indique qué elemento de las redes de neuronas se ve modificado por la regla de retropropagación. Seleccione una: El número de neuronas en cada capa. La función de activación de las neuronas. La adaptación de la salida de la red. Los pesos de las conexiones entre neuronas.

Se tiene un grid de N filas y N columnas y un agente que tiene que ir desde una posición inicial a una final moviéndose en horizontal y vertical. La fila 5 entera representa un río que solo se puede cruzar por dos puentes, el p1 situado en la columna 3 y el p2 en la columna 8. Las posiciones se representan por un par (fila, columna) donde la posición (0,0) es la esquina superior izquierda. ¿Qué heurística elegirías para que el algoritmo A* encuentre el camino óptimo de la forma más eficiente posible cuando la posición inicial sea la (1,2) y la posición final la (4,9)? Seleccione una: La distancia de Manhattan desde la posición del agente a la meta. La distancia euclídea desde la posición del agente al puente mas cercano más la distancia euclídea desde dicho puente a la meta. La distancia de Manhattan desde la posición del agente al puente más cercano más la distancia de Manhattan desde dicho puente a la meta. La distancia euclídea desde la posición del agente a la meta.

Suponiendo que tenemos la siguiente regla: SI persona(X) y profesion(X,Z) y trabajo(Y) y libre(X) y libre(Y) ENTONCES asignado(X,Y), not(libre(X)), not(libre(Y)) y hay 50 instancias diferentes de persona, 20 de las cuales están libres y una es ingeniera, y 10 instancias diferentes de trabajo, 8 de ellas libres. ¿Cuál es el tamaño del conjunto conflicto es ese momento? Seleccione una: 100. 1. 160. 8.

Se tiene un grid de N filas y N columnas y un agente que tiene que ir desde una posición inicial a una final moviéndose en horizontal y vertical. La fila 5 entera representa un río. Para cruzar el río el agente tiene que coger una canoa que le puede dejar en cualquier columna de la otra orilla. El coste de cruzar el río es el triple que el de desplazarse. ¿Cómo definirías los operadores? Seleccione una: mover(Direccion) y cruzar donde Direccion puede ser uno de los cuatro puntos cardinales. mover(Agente,Canoa,Direccion) donde Agente es la posición de la persona, Canoa la posición de un puente y Direccion uno de los cuatro puntos cardinales. mover(Direccion) y cruzar(Columna) donde Direccion puede ser uno de los cuatro puntos cardinales y Columna un número del 1 al N. mover(Agente,Direccion) y cruzar(Canoa,Direccion) donde Agente y Puente son las coordenadas donde está la persona y un puente y Direccion uno de los cuatro puntos cardinales.

El proceso de producción de una fábrica puede estar en buen o mal estado. Si en un periodo tiempo está en buen estado, con probabilidad 0.9 estará en buen estado en el periodo siguiente. Pero si en un momento dado está en mal estado, permanece en mal estado siempre. La calidad de la producción en un periodo de tiempo es aceptable con probabilidad 0.9 cuando el proceso está en buen estado. Pero esta probabilidad es 0.8 cuando el proceso no está en buen estado. La probabilidad de que en el periodo inicial el proceso de producción esté en buen estado es 0.8. En el siguiente periodo la calidad de la producción es aceptable ¿Cuál es la probabilidad de que el proceso de producción esté en mal estado en este periodo? (Resultado redondeado a dos decimales) Seleccione una: 0.74. 0.22. 0.26. 0.64.

Un servicio de búsqueda web modela el comportamiento de sus usuarios para poder predecir la temática de las dos primeras páginas que va a visitar. Cada página está etiquetada con una sola de las tres temáticas A, B y C. Se modela este comportamiento mediante un Modelo Estacionario de Markov. Si tuviera que dar valores numéricos a los parámetros necesarios para especificar todas las probabilidades del modelo, ¿cuántos valores hay que definir como mínimo? Seleccione una: 7. 9. 8. 6.

Suponga que se tiene el siguiente problema: dos robots situados en distintas casillas de una cuadrícula con algunos obstáculos deben llegar a una misma casilla objetivo. En un instante de tiempo, cada robot puede moverse en las cuatro direcciones (norte, sur, este y oeste), o quedarse parado en su casilla. No está permitido que coincidan en la misma casilla, salvo si ésta es la casilla objetivo. Tampoco está permitido que se sitúen en una casilla con un obstáculo. Ambos robots ejecutan acciones de forma simultánea. ¿Cuántas acciones tendría el espacio de acciones en ese problema? Seleccione una: 16. 25. 4. 10.

Suponga que se tiene el siguiente problema: dos robots situados en distintas casillas de una cuadrícula con algunos obstáculos ejecutan acciones de forma simultánea. En un instante de tiempo, cada robot bien se mueve en una de las cuatro direcciones (norte, sur, este y oeste), o bien se queda parado en su casilla. Para determinar la probabilidad de que alcancen la misma casilla en un instante de tiempo: Habría que utilizar procesos de decisión de Markov. Habría que utilizar algoritmos de búsqueda. Habría que utilizar cadenas de Markov. Habría que utilizar modelos ocultos de Markov.

¿Qué función representa un perceptrón simple función de activación umbral (escalón), con dos entradas cuyo dominio de valores es {-1,1}, con U=0.5, w1=1 y w2=1? Seleccione una: NOR. OR. NAND. AND.

Una persona quiere llegar de un origen a un destino. Para ello puede viajar en tren o en avión. Para llegar al aeropuerto debe atravesar la ciudad, por lo que existe cierta probabilidad de que llegue tarde. Si llega tarde pierde el avión, por lo que tiene que esperar al siguiente, lo que incrementa el coste del viaje. Se plantea el modelo del dibujo a continuación, donde C representa el coste de las acciones. Si se ejecuta el algoritmo de iteración de valor, ¿Cuál es la función de valor óptima para ORIGEN? Seleccione una: 3. 3.2. 2.6. 0.

Respecto a los algoritmos genéticos ¿Cuál de las siguientes afirmaciones es cierta? Seleccione una: El entrenamiento consiste en actualizar los pesos. Son deterministas. No se pueden utilizar en problemas de optimización. En cada momento mantienen un conjunto de soluciones.

Una moneda equilibrada se lanza dos veces. Se definen los siguientes eventos: • A: en la primera tirada sale cara • B: en la segunda tirada sale cara • C: entre las dos tiradas hay una y solo una cara • D: las dos tiradas resultan en cara • E: en las dos tiradas sale lo mismo ¿Cuál de las siguientes afirmaciones es cierta? Seleccione una. A y B son condicionalmente independientes dado E. A y B son condicionalmente independientes dado D. A y B son condicionalmente independientes dado C. Las tres respuestas proporcionadas son ciertas.

Se cuenta con las siguiente reglas de control de la velocidad de unas turbinas. • R1: SI el nivel de ruido es bajo Y la temperatura no es alta ENTONCES la velocidad debe ser baja. • R2: SI el nivel de ruido es bajo O la temperatura es alta ENTONCES la velocidad debe ser media. • R3: SI el nivel de ruido es normal ENTONCES la velocidad debe ser alta. Y las siguientes funciones de pertenencia: normal Si en un momento dado el nivel de ruido es de 3db y la temperatura es de 50 grados; y se ejecuta el controlador borroso... Seleccione una: La velocidad recomendada para la turbina será mayor que 40 y menor que 50. La velocidad recomendada para la turbina sera de 50. Dejar respuesta en blanco d. La velocidad recomendada para la turbina será de 40. La velocidad recomendada para la turbina será mayor que 30 y menor de 40.

El departamento de estudios de mercado de una fábrica estima que el 20 % de la gente que cumpla un producto un mes, no lo comprará el mes siguientet, lo adquirirá al mes siguiente. En una población de 1000 individuos, 100 compraron el producto el primer mes. Modelando Cadenas de Markov ¿Cuántos lo comprarán al mes próximo? Seleccione una: mes próximo 100, dentro de dos meses 50. mes próximo 250, dentro de dos meses 495. mes próximo 350, dentro de dos meses 475. mes próximo 0, dentro de dos meses 125.

Un robot aspirador puede estar por la casa o en la estación de carga. La casa puede estar limpia o sucia. El nivel de batería del robot puede ser alto, medio, o sin batería. El robot puede decidir aspirar la suciedad o ir a cargar. Si el robot está en la estación de carga y la casa está sucia, recibe un refuerzo de -100. Si el robot se queda sin batería por la casa, recibe un refuerzo de -200. Si está en la estación de carga y la casa está limpia recibe un refuerzo de 100. En los demás estados recibe un refuerzo de 0. ¿Cuántos estados tendría el MDP para representar este problema? Seleccione una: 8. 7. 4. 12.

Un amigo mío tiene adicción al poker. En una semana, cuando juega un día la probabilidad de que juegue al día siguiente no es muy alta: P(jugar_hoy / jugó_ayer) = 0.3 Pero si no jugó el día anterior, la probabilidad de que juegue el día siguiente es mayor. P(jugar_hoy / no_jugó_ayer) = 0.7 He comprobado que cuando juega un día me suele llamar después por teléfono para hablar, y he estimado las siguientes probabilidades: P(Ilamar/jugar_hoy) = 0.8 P(Ilamar/no jugar_hoy) = 0.1 La probabilidad de que juegue los lunes es 1. ¿Cuál es la probabilidad de que NO me llame el martes? Seleccione una: 0.24. 0.69. 0.31. 0.07.

El departamento de estudios de mercado de una fábrica estima que el 30 % de la gente que compra un producto un mes, no lo comprará el mes siguiente. Además, el 40 % de quienes no lo compren un mes lo adquirirá al mes siguiente. En una población de 1000 individuos, 100 compraron el producto el primer mes. Modelando Cadenas de Markov ¿Cuántos lo comprarán al mes próximo? ¿Y dentro de dos meses? Seleccione una: mes próximo 350, dentro de dos meses 475. mes próximo 0, dentro de dos meses 125. mes próximo 120, dentro de dos meses 55. mes próximo 430, dentro de dos meses 529.

Un doctor da a un paciente un medicamento según su edad (niño, joven, adulto, anciano) y género. El hecho de que el paciente se recupere depende de que reciba el medicamento, de su edad y de su género. Se quiere calcular la probabilidad de que el paciente se recupere sabiendo únicamente que se le ha dado el medicamento. ¿Cuántas probabilidades (parámetros) hay que definir como mínimo para expresar la red bayesiana correspondiente? Seleccione una: 14. 28. 54. 21.