SI 2018 | Pytania

X0111
Wskaż, które spośród wymienionych problemów potencjalnie występujących w bazie wiedzy można sprawdzić automatycznie
zakres wiedzy (czy wystarczający)
reguły nadmiarowe
sprzeczność reguł
istnienie reguł podporządkowanych (bardziej szczegółowych od innych)

X01
Wygodną reprezentacją wiedzy w zadaniu planowania jest reprezentacja regułowa
Prawda
Fałsz

X10
System ekspertowy zawiera zazwyczaj zarówno wiedzę proceduralną jak i deklaratywną
Prawda
Fałsz

X0001
Wskaż, które z reprezentacji wiedzy łączą w sobie dane o reprezentowanym bycie procedury służące wypełnianiu i modyfikacji tych danych:
trójki <O, A, W>
reprezentacja regułowa
sieć semantyczna
reprezentacja ramowa

X100
Podkreśl, które typy uczenia wymagają danych w formie “wejście i odpowiadające mu wyjście (wynik)”
Uczenie z nadzorem (supervised learning) (z nauczycielem)
Uczenie bez nadzoru (unsupervised learning) (bez nauczyciela)
Uczenie ze wzmocnieniem (reinforcement learning)

X10
W uczeniu maszynowym używamy zbioru uczącego i zbioru testowego, ponieważ założenie, że “zbiory przykładów oraz hipotez są niezależne” jest niespełnione
Prawda
Fałsz

X10
W uczeniu indukcyjnym czynniki ustalające wybór jednej z hipotez ze zbioru aplikowalnych hipotez są wybierane stronniczo na podstawie algorytmu uczenia indukcyjnego
Prawda
Fałsz

X10
Abdukcja jest formalnie niepoprawną metodą wnioskowania o potencjalnych przyczynach obserwowanego faktu, który jest wnioskiem z prawdziwej implikacji na podstawie prawdziwej przesłanki
Fałsz
Prawda

X10
Abdukcja jest formalnie niepoprawną metodą wnioskowania o potencjalnych przyczynach obserwowanego faktu, który jest wnioskiem z prawdziwej implikacji na podstawie prawdziwej konkluzji
Prawda
Fałsz

X10
Wnioskowanie rozmyte w systemach z bazą wiedzy wprowadza element heurystyczny przez co nie jest wnioskowaniem poprawnym formalnie
Prawda
Fałsz

X10
Czynnik Pewności to heurystyczna metoda włączona w proces wnioskowania, co powoduje, że wnioskowanie przestaje mieć własności wnioskowania w logice monotonicznej
Prawda
Fałsz

X01
W systemach eksperckich cel jest zawsze osiągnięty jeśli podcele (subcele) zostały wygenerowane jako rezultat niezależnego procesu wnioskowania w podzielonej bazie danych
Prawda
Fałsz

X10
Systemy typu Tablica składają się z cząstkowych baz danych wiedzy, które są “specjalistami” w tej samej dziedzinie, więc ich rolą (zadaniami) jest to samo co “zwyczajnych” systemów eksperckich
Prawda
Fałsz

X110
Wskaż, które reprezentacje wiedzy nie są wygodnym sposobem reprezentacji dziedziczenia
trójki <O, A, W>
reprezentacja regułowa
reprezentacja ramowa

X01
W definiowaniu stanu początkowego w zadaniu planowania mogą wystąpić zmienne
Prawda
Fałsz

X10
Wybierz formalnie poprawne metody wnioskowania
‘(p → q) jest PRAWDĄ’ oraz ’p jest PRAWDĄ’, więc generujemy poprawnie ‘q jest PRAWDĄ’
‘(p → q) jest PRAWDĄ’ oraz ’q jest PRAWDĄ’, więc generujemy poprawnie ‘p jest PRAWDĄ’

X10
Dedukcja jest formalnie poprawną metodą wnioskowania o fakcie, który jest konkluzją/wnioskiem implikacji opartą na prawdziwej przesłance i implikacjach
Prawda
Fałsz

X10
STRIPS to język reprezentacji wiedzy w zadaniu planowania, pozwala reprezentować stany i akcje.
Prawda
Fałsz

X10
Sieć semantyczna jest graficzną formą reprezentacji wiedzy
Prawda
Fałsz

X01
Dedukcja i abdukcja to poprawne formalnie metody wnioskowania, wykorzystywane jedna w metodzie wnioskowania w przód a druga w metodzie wnioskowania w tył
Prawda
Fałsz

X10
Węzły sieci semantycznej zwykle reprezentują obiekty fizyczne lub pojęcia abstrakcyjne lub atrybuty (cechy charakterystyczne obiektów)
Prawda
Fałsz

X10
Systemy wspomagania decyzji są szerszą grupą od systemów z bazą wiedzy, a te są szerszą grupą niż systemy ekspertowe
Prawda
Fałsz

X01
Systemy typu tablica zawierają partial knowledge bases (KBi) w różnych dziedzinach, więc są wielodomenowymi systemami eksperckimi
Prawda
Fałsz

X01
Czynnik Pewności to heurystyczna metoda włączona w proces wnioskowania, co powoduje, że wnioskowanie nabiera własności wnioskowania w logice niemonotonicznej
Prawda
Fałsz

X10
Każdy system ekspertowy (ES) jest systemem wspomagania decyzji (DSS)
Prawda
Fałsz

X10
Wnioskowanie w przód (Forward Chaining) jest wnioskowaniem dedukcyjnym
Prawda
Fałsz

X0011
Wskaż (podkreśl), które reprezentacje wiedzy pozwalają na reprezentację dziedziczenia:
trójki <O, A, W>
reprezentacja regułowa
sieć semantyczna
reprezentacja ramowa

X10
Łuki w sieci semantycznej zazwyczaj łączą węzły reprezentujące obiekty z węzłami reprezentującymi atrybuty
Prawda
Fałsz

X01
Wiedza i informacja to synonimy
Prawda
Fałsz

X10
W systemach ekspertowych cel (wnioskowania) jest dekomponowalny na podcele, jeśli może być wywnioskowany przez częściowe podsystemy ([w oparciu o?] fakty i wiedzę)
Prawda
Fałsz

X01
Stan końcowy musi być zdefiniowany jako koniunkcja klauzul bez wystąpienia zmiennych
Prawda
Fałsz

X01
STRIPS jest metodą generowania planów
Prawda
Fałsz

X10
Wiedza proceduralna to “wiedzieć jak” a deklaratywna to “wiedzieć co”.
Prawda
Fałsz

X10
Backward State Propagation jest przykładem wnioskowania w logice niemonotonicznej
Prawda
Fałsz

X01
Wnioskowanie w tył jest wnioskowaniem abdukcyjnym
Prawda
Fałsz

X01
Wnioskowanie w tył (Backward Chaining) może być stosowane zawsze w systemach ekspertowych jeśli tylko podane są dane w postaci znanych faktów wejściowych
Prawda
Fałsz

X01
System Ekspertowy z wykorzystaniem rachunku prawdopodobieństwa mimo poprawnego formalnie wnioskowania nie jest w praktyce stosowany z uwagi na złożony proces
obliczeniowy
Prawda
Fałsz

X01
Tabela w systemach typu Tablica jest mechanizmem kontrolującym proces wnioskowania
Prawda
Fałsz

X01
Dedukcja i abdukcja są formalnie poprawnymi metodami wnioskowania, jedna jest używana w Forward Chaining, a druga w Backward Chaining
Prawda
Fałsz

X01
Planowanie jest wnioskowaniem w logice monotonicznej
Prawda
Fałsz

X01
W metodzie Forward State Propagation, w odróżnieniu od Backward, nie występują cykle
Prawda
Fałsz

X10
Wiedza semantyczna jest niezbędna w procesie tworzenia i pracy systemów eksperckich.
Prawda
Fałsz

X01
Wnioskowanie indukcyjne jest tak samo poprawne jak dedukcyjne, tyle, że dedukcja jest podejściem z góry na dół, a indukcja – z dołu do góry
Prawda
Fałsz

X01
W metodzie Backward State Propagation zaczynamy od szukania zbioru operatorów (akcji), które w części „warunki wstępne” mają klauzule występujące w opisie stanu celowego planowania
Prawda
Fałsz

X10
W metodzie Backward State Propagation zaczynamy od szukania zbioru operatorów (akcji), które w części „warunki do dodania” mają klauzule występujące w opisie stanu celowego planowania
Prawda
Fałsz

X10
W metodzie Forward State Propagation, mają zbiór możliwych akcji, po zrobieniu jednej z nich, nie każda akcja z tego zbioru może być wykonana
Prawda
Fałsz

X10
W metodzie Forward State Propagation, zaczynamy od szukania zbioru operatorów i akcji, której w części „warunki wstępne” mają klauzule występujące w opisie stanu początkowego zadania planowania
Prawda
Fałsz

X10
W „tablicy trójkątnej” pamiętane są plany (wraz z pełnym opisem stanów) w celu potencjalnego wykorzystania planów lub subplanów (podplanów)
Prawda
Fałsz

X10
Metawiedza to wiedza o wiedzy, pozwala na wzięcie pod uwagę wyjątków załączonych w bazie wiedzy
Prawda
Fałsz

X01
Systemy typu Tablica nie wymagają żadnej metawiedzy potrzebnej do kontroli procesu wnioskowania
Prawda
Fałsz

X01
Wiedza semantyczna jest niezbędna do rozpoczęcia pracy przez inżyniera wiedzy
Prawda
Fałsz

X01
W systemach ekspertowych zawsze możemy stosować zarówno wnioskowanie w przód jak i wnioskowanie w tył
Prawda
Fałsz

X01
Rozumowanie indukcyjne jest tak poprawną formą wnioskowania jak dedukcyjne, ale dedukcja jest podejściem “od szczegółu do ogółu (od góry do dołu)”, a indukcja “od ogółu do szczegółu (od dołu do góry)”
Prawda
Fałsz

X01
W systemie ekspertowym zawierającym ‘długie reguły’ jeśli mamy mało-liczny zbiór faktów początkowych to efektywniejszy jest sposób wnioskowania w tył (backward chaining)
Prawda
Fałsz

X10
W systemie ekspertowym zawierającym ‘krótkie reguły’, jeśli mamy dużo-liczny zbiór faktów początkowych to efektywniejszy jest sposób wnioskowania w tył (Backward Chaining)
Prawda
Fałsz