| | 1. # Diem que un agent és racional quan |
| | Actua de tal manera que és capaç d'assolir els seus objectius donades les seves creences |
| | Es basa per a raonar en lleis universals que modelitzin processos de raonament irrefutables |
| | Per a cada seqüència perceptual possible escull l'acció que menys contradiccions lògiques genera respecte la seva base de coneixements |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 2. # En aprenentatge |
| | Diem que tenim un mètode supervisat si utilitza un senyal que li indica si el que ha après és o no és correcte |
| | Diem que és aprenentatge conceptual si la funció que intentem aprendre té valors discrets |
| | Definim 'extensió' d'una hipòtesi com el conjunt d'exemples que ens han donat com exemples positius i són certs segons aquella hipòtesi |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 3. # En l'aprenentatge mitjançant algorismes genètics |
| | Sempre és millor utilitzar codificacions binàries pels cromosomes |
| | El mètode d'ordenació ens assegura que tots els cromosomes tenen alguna probabilitat de passar a la següent generació |
| | El criteri de diversitat és sempre necessari per fugir dels màxims locals de la funció que volem optimitzar |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 4. # En aprenentatge per abres de decisió, quan tenim un atribut numèric |
| | No es pot aprendre, per que els arbres de decisió només accepten atributs discrets |
| | Sempre existeix un únic valor numèric que pot servir de llindar per a classificar de forma òptima els exemples segons aquell atribut |
| | Cal fer un test que per a cada valor numèric que apareix en algun dels exemples |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 5. # En el mètode de l'espai de versions, |
| | Diem que hi ha overfitting si el conjunt S o el G queden buits |
| | Si ens arriba un exemple positiu, s'han d'eliminar aquells models generals que no són consistents amb l'exemple |
| | Si ens arriba un exemple negatiu, s'ha d'eliminar aquells models generals que no són consistents amb l'exemple |
| | Totes les anteriors |
| | No contesto... |
| |
| | 6. Si volem aprendre una funció booleana a partir d'uns quants valors de la seva taula de veritat: |
| | S'han d'utilitzar mètodes de regressió |
| | Podem aplicar-hi la inducció d'arbres de decisió, donat que sempre l'arbre més petit i consistent amb les dades serà la funció que busquem |
| | Podem utilitzar qualsevol mètode que tingui com a llenguatge de representació de les hipòtesis que genera el càlcul proposicional |
| | Totes les anteriors |
| | No contesto... |
| |
| | 7. # En aprenentatge Bayesià |
| | La hipòtesi de Màxim a Posteriori és la que maximitza p(dades|hipòtesi) |
| | Si considerem l'aprenentatge conceptual com un cas particular de l'aprenentatge Bayesià, suposem que no totes les hipòtesis tenen la mateixa probabilitat a priori |
| | Sota certes assumpcions, qualsevol algorisme que maximitza l'error quadràtic entre les prediccions de la hipòtesi i les dades d'entrenament ens donarà una hipòtesis de màxima versemblança |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 8. La quantització vectorial |
| | Serveix, entre d'altres coses, per assignar valors discrets a atributs numèrics |
| | Es basa en el criteri de la Navalla d'Ockham |
| | No es pot aplicar a atributs numèrics, sinó discrets |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 9. L'aprenentatge basat en explicacions |
| | Assumeix que les hipòtesis generades han de ser deduïbles a partir del coneixement, les descripcions i les classificacions |
| | No redueix l'espai d'hipòtesis, sinó que ens guia millor dins d'aquest espai per trobar la correcta |
| | Es dels pocs mètodes d'aprenentatge que ens assegura trobar una hipòtesi consistent |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 10. La programació lògica inductiva |
| | Assumeix que les hipòtesis han de complir: Hipòtesi ^ Descripcions ^ Coneixement → Classificacions |
| | Assumeix que les hipòtesis han de complir: Coneixement ^ Descripcions ^ Classificacions → Hipòtesi |
| | Només serveix per aprendre funcions booleanes |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 11. En reconeixement de la parla |
| | L'algorisme de Viterbi ens retorna el pas més probable d'una seqüència de frames |
| | Anomenem model acústic a P(paraules | senyal) |
| | Un trigrama és un model de Markov ocult amb tres estats |
| | Totes les anteriors |
| | No contesto... |
| |
| | 12. En la fase d'anàlisi sintàctica del llenguatge natural |
| | Mai retornem més d'un arbre sintàctic com a resultat |
| | Sempre quedem ambigüitats sintàctiques per resoldre |
| | Les xarxes de transició simple ens retornen totes les estructures possibles de la frase, no només la primera que troben |
| | Cap de les anteriors |
| | No contesto... |
| |
| | 13. En la fase d'anàlisi semàntica i contextual del llenguatge natural |
| | La resolució d'anàfores es refereix al problema de determinar el referent d'un pronom |
| | L'anàlisi del discurs es fa mitjançant un sistema basat en regles que codifica el significat de les paraules |
| | Després de l'anàlisi semàntica ja no poden quedar interpretacions ambigües de la frase |
| | Una bona estratègia és barrejar l'anàlisi semàntica i la sintàctica, doncs així podem reduïr el cost computacional de l'anàlisi |
| | a) i d) |
| | No contesto... |
| |
| | 14. En robòtica |
| | Es poden utilitzar els diagrames de Voronoi per a planificar la trajectòria d'un robot en el món real |
| | L'espai de configuracions generalitzat és l'espai format pels graus de llibertat del robot |
| | La navegació basada en senyals assumeix que el robot no pot determinar la seva posició amb precisió mitjançant sensors en cap lloc de l'entorn |
| | Totes les anteriors |
| | No contesto... |
| |
| | 15. La visió per computador |
| | L'enfocament pot servir per a calcular la distància a un objecte |
| | Des de la perspectiva de la visió basada en el comportament, agafar una cosa és més complicat que aixecar-la |
| | Els contorns són interessants de detectar perquè sempre corresponen a canvis en la profunditat de l'escena |
| | Cap de les anteriors |
| | No contesto... |
| |