avaliação_final_inteligencia_artificial_GABARITO

Prévia do material em texto

CURSO DE GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO
DISCIPLINA DE INTELIGÊNCIA ARTIFICIAL
ALUNO MATRÍCULA
DISCIPLINA DATA DA PROVA
PROFESSOR TIPO DE PROVA
TURMA
CÓDIGO DA
TURMA NOTA
ATENÇÃO:
- A avaliação somente poderá ser entregue depois de decorridos 50min de seu início.
- Utilizar caneta esferográfica azul ou preta. Provas entregues escritas a lápis NÃO serão corrigidas.
- Será atribuída nota zero ao aluno que devolver sua prova em branco, independentemente de ter assinado a Ata de Prova.
- Ao aluno flagrado utilizando meios ilícitos ou não autorizados pelo professor para responder a avaliação será atribuída nota zero
e, mediante representação do professor, responderá a Procedimento Administrativo Disciplinar, com base no Código de Ética.
PROVA FINAL
1) Considere a base de fatos em Prolog abaixo:
governou(deodoro_da_fonseca,1891,1891).
governou(floriano_peixoto,1891,1894).
governou(prudente_de_moraes,1894,1898).
governou(compos_sales,1898,1902).
governou(rodrigues_alves,1902,1906).
governou(afonso_pena,1906,1909).
governou(nilo_pecanha,1909,1910).
Qual a saída produzida pelo interpretador Prolog considerando todos os resultados possíveis para a
pergunta: governou(X, 1902, Y).
a) X = afonso_pena,
Y = 1909 ;
No.
b) X = rodrigues_alves,
Y = 1906;
No.
CURSO DE GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO
DISCIPLINA DE INTELIGÊNCIA ARTIFICIAL
c) X = deodoro_da_fonseca,
Y = 1891 ;
X = floriano_peixoto,
Y = 1894 ;
No.
d) Y = rodrigues_alves,
X = 1902 ;
No.
e) Y = prudente_de_moraes,
X = 1902 ;
No.
2) Acerca dos Problemas de Busca é correto afirmar que:
a) Os algoritmos de busca cega não recebem nenhuma informação do problema além da sua
formulação.
b) Os algoritmos de busca cega necessitam de diversas informações do problema, incluindo sua
formulação.
c) Os algoritmos de busca cega não recebem nenhuma informação do problema, nem sua formulação.
d) Os algoritmos de busca tem como objetivo encontrar todos os estados possíveis que satisfação o
objetivo do problema.
e) As tarefas de um algoritmo de busca consistem em encontrar uma sequência de ações que levem
do estado objetivo para o estado atual do problema.
3) Num problema de busca, o ambiente pode possuir consideração acerca do seu tipo. Sobre estas
considerações é correto afirmar que:
a) Em ambientes estáticos, mudanças ocorrem constantemente, enquanto o agente realiza a
resolução do problema.
b) Em ambientes estáticos, não existem mudanças enquanto o agente realiza a resolução do
problema.
c) Em ambientes observáveis, o estado inicial do problema não precisa ser conhecido.
d) Em ambientes determinísticos, o próximo estado do agente é determinado pelo estado anterior +
ação realizada. A execução da ação pode falhar.
e) Em ambientes determinísticos, o próximo estado do agente é determinado pelo estado anterior +
ação realizada. A execução não pode falhar.
4) Dado o grafo a seguir, indique a alternativa com a sequência correta de vértices visitados numa busca em
largura que parte do vértice 1:
CURSO DE GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO
DISCIPLINA DE INTELIGÊNCIA ARTIFICIAL
a) 1, 2, 3, 4, 5, 6, 7, 8, 9
b) 1, 3, 4, 8, 5, 9, 2, 6, 7
c) 1, 2, 6, 7, 3, 4, 8, 5, 9
d) 1, 2, 6, 3, 7, 4, 8, 5, 9
e) 1, 3, 4, 8, 2, 6, 7, 5, 9
5) No que diz respeito às redes neurais, qual das afirmativas a seguir está correta:
a) O tempo de execução do treinamento de uma rede neural é determinado, ou seja, podemos prever
quando irá acabar.
b) O aprendizado não-supervisionado é o paradigma de treinamento mais utilizado no
desenvolvimento de Redes Neurais para classificação e predição.
c) A capacidade de generalização de uma rede neural pode ser mensurada avaliando o conjunto de
exemplos utilizados para o processo de treinamento.
d) O tempo de treinamento de uma rede neural não depende do tamanho do seu vetor de pesos
apenas da quantidade de exemplos do conjunto de treinamento.
e) A capacidade de generalização de uma rede neural pode ser mensurada avaliando o
desempenho da rede, após treinada, com o conjunto de exemplos de teste. O conjunto de
exemplos de teste precisa ser diferente do conjunto de exemplos de treinamento.
6) Considerando as Redes Neurais Artificiais, indique a opção que relaciona corretamente as descrições
com seus respectivos conceitos.
I. MLPs.
II. Redes Recorrentes.
III. Perceptron
IV. Algoritmo Backpropagation.
V. Modelos Conexionistas.
A. Nome dado às redes neurais artificiais que possuem camadas ocultas.
B. Nome alternativo que envolve a teoria de redes neurais artificiais.
C. Técnica que implementa um declínio de gradiente no espaço de parâmetros, a fim de minimizar o
erro de saída.
CURSO DE GRADUAÇÃO EM SISTEMAS DE INFORMAÇÃO
DISCIPLINA DE INTELIGÊNCIA ARTIFICIAL
D. Redes neurais de alimentação direta com uma única camada.
E. Redes neurais artificiais com realimentação.
a) I-C, II-A, III-B, IV-E, V-D
b) I-A, II-E, III-D, IV-C, V-B
c) I-C, II-D, III-E, IV-A, V-B
d) I-A, II-E, III-D, IV-B, V-C
e) I-C, II-E, III-D, IV-A, V-B
7) Baseado nos conceitos de aprendizado de máquina indique a afirmativa correta:
a. O aprendizado por reforço é um combinação de aprendizado supervisionado e não-supervisionado.
b. No aprendizado por reforço não é necessário apresentar exemplos. O modelo reforça seu
parâmetros automaticamente.
c. Num aprendizado baseado em exemplos, o modelo modifica gradualmente seus parâmetros
ajustáveis para que a saída se aproxime da saída desejada.
d. O aprendizado não-supervisionado é um método de aprendizado que mapeia um conjunto de
entradas (inputs) para suas respectivas saídas (outputs).
e. O aprendizado por reforço consiste no aprendizado supervisionado, não precisando saber quais são
as saídas para as respectivas entradas do problema.
8) Considerando os estudos sobre aprendizado de máquina, selecione a alternativa que relaciona
corretamente os tipos de problema existentes e suas respectivas descrições.
I. Classificação.
II. Regressão.
III. Estimativa de densidade
A. Responde se uma determinada entrada pertence a uma dada classe.
B. Efetua uma predição a partir dos exemplos.
C. Estima quais as N-categorias presente no conjunto de dados.
a. I-A, II-B, III-C
b. I-C, II-A, III-B
c. I-B, II-A, III-C
d. I-B, II-C, III-A
e. I-C, II-B, III-A
9) Explique com suas palavras os conceitos de overfiting e underfiting no campo do aprendizado de máquina.
10) Explique com suas palavras o que são problemas linearmente separáveis. Uma rede neural artificial do tipo
MLP é capaz de resolver um problema linearmente separável?