Frage 1
Frage
A Naiv Bayes-háló lényegi feltételezése, hogy: Egy gyermek, több szülő csomópont. A szülők egymástól
függetlenek.
Frage 2
Frage
A Naiv Bayes-háló lényegi feltételezése, hogy: Több gyermek, több szülő csomópont. A gyermek csomópontok
egymástól függetlenek.
Frage 3
Frage
A Naiv Bayes-háló lényegi feltételezése, hogy: Egy gyermek, egy szülő csomópont, ezek egymástól
függetlenek.
Frage 4
Frage
A Naiv Bayes-háló lényegi feltételezése, hogy: Több gyermek, egy szülő csomópont. A gyermek csomópontok
egymástól függetlenek.
Frage 5
Frage
A Bayes-háló egy kompakt reprezentációja az együttes valószínűségi eloszlásnak.
Frage 6
Frage
A Bayes-háló feltételes függetlenségi/függőségi térképként reprezentálja a változók közötti kapcsolatokat.
Frage 7
Frage
A Bayes-háló asszociációs kapcsolati térképként reprezentálja a változók közötti függőségeket.
Frage 8
Frage
A Bayes-háló oksági kapcsolatokat is képes reprezentálni.
Frage 9
Frage
Az oksági kapcsolatok mindig egyben asszociációs kapcsolatok is.
Frage 10
Frage
Az asszociációs kapcsolatok mindig egyben oksági kapcsolatok is.
Frage 11
Frage
Az oksági kapcsolatok lehetnek asszociációs kapcsolatok is.
Frage 12
Frage
Az asszociációs kapcsolat hátterében sosem lehet oksági kapcsolat.
Frage 13
Frage
Egy csomópont feltételesen független az őseitől a gyermekek ismeretében.
Frage 14
Frage
Egy csomópont feltételesen független a nem leszármazottaitól a szülők ismeretében.
Frage 15
Frage
Egy csomópont feltételesen független a nem leszármazottaitól a gyermekek ismeretében.
Frage 16
Frage
Egy csomópont feltételesen független a leszármazottaitól a szülők ismeretében.
Frage 17
Frage
Egy csomópont feltételes valószínűségi táblája a szülők értékeinek
konfigurációja szerint tartalmazza a csomópontra vonatkozó feltételes
valószínűségeket.
Frage 18
Frage
A Bayes-háló feltételes függetlenségeket / függőségeket leíró
gráfstruktúrája összhangban kell legyen a parametrizációval, melyet
minden csomópontra a szülők értékei függvényében adunk meg.
Frage 19
Frage
A Bayes-háló által reprezentált együttes valószínűségi eloszlás a
szülői halmazok alapján faktorálható (feltételes valószínűségek
szorzatára).
Frage 20
Frage
A Bayes-háló által leírt függőségek mindig oksági kapcsolatokat
jelentenek.
Frage 21
Frage
Egy adott csomópont szülei, gyermekei és testvérei tartoznak ebbe a halmazba. (Markov-takaró)
Frage 22
Frage
Egy adott csomópont szülei, gyermekei és szüleinek egyéb
gyermekei tartoznak ebbe a halmazba. (Markov-takaró)
Frage 23
Frage
Egy adott csomópont szülei, gyermekei és gyermekeinek egyéb
szülei tartoznak ebbe a halmazba. (Markov-takaró)
Frage 24
Frage
Egy adott csomópont szülei és gyermekei tartoznak ebbe a
halmazba. (Markov-takaró)
Frage 25
Frage
Ha a leszámítolási tényező 1, és a jutalmaknak véges maximuma van, akkor végtelen lépéssor is véges összjutalmat eredményez.
Frage 26
Frage
A modellalapú ágens a környezetről is, önmagáról is modellt alkot, és ezeket frissíti.
Frage 27
Frage
A hasznosságorientált ágens a célhoz vezető különböző állapotsorozatokat (trajektóriákat) is képes értékelni.
Frage 28
Frage
Az állapot hasznosságát csak akkor tudjuk értelmezni, ha az adott állapotból csak egy végállapotba lehet eljutni.
Frage 29
Frage
A szekvenciális probléma iteratív megoldása során gyakran az értékek még nem konvergálnak pontosan, de a stratégia már egyértelmű lehet.
Frage 30
Frage
Mivel az időbeli különbség tanuláshoz nincs szükség az állapotátmenet-modellre, ezért Q-tanulásra is használható
Frage 31
Frage
A hasznosságfüggvény explicit reprezentációja jobb általánosító képességet tesz lehetővé, mint az implicit reprezentáció
Frage 32
Frage
Az adott állapothoz tartozó legnagyobb Q érték az állapot hasznosságát adja.
Frage 33
Frage
A mohó felfedezést végző ágens könnyen egy szuboptimumba juthat.
Frage 34
Frage
A hóbortos felfedezést végző ágens nagyon jól kiismeri környezetét, de nem aknázza ki ezt a tudását a jutalmak gyűjtésére.
Frage 35
Frage
Az aktív megerősítéses tanulásban kettős célja van az ágensnek: egyrészt minél nagyobb jutalmakat akar gyűjteni, másrészt javítani akarja a megszerzett tudást, a jövőbeli szekvenciákhoz.
Frage 36
Frage
Eljárásmód-iteráció esetén, ha a t-dik lépésben kiszámítottuk az Ut(s) értékeket, akkor a következő eljárásmód becslés – (πt+1 (s) – nem függ a leszámítolási tényezőtől.
Frage 37
Frage
Az időbeli különbség (IK) tanulási módszer hatékonyságát az állapotátmenet-mátrix optimális felhasználása adja.
Frage 38
Frage
Egy adott állapotban elvégezhető cselekvésekhez tartozó legnagyobb Q érték az állapot hasznosságát adja
Frage 39
Frage
Amennyiben a környezet sztochasztikus és az ágens érzékelői nem teszik lehetővé a környezet állapotainak meghatározását, akkor az ágens többállapotú problémával néz szembe.
Frage 40
Frage
A Bellman összefüggés felállításánál kihasználtuk, hogy a lépéssorozatban nyert
jutalmak additívak.
Frage 41
Frage
Az optimális eljárásmód az állapotokhoz megadja azt a cselekvést, ami minden
sorozatban a legnagyobb jutalmat fogja eredményezni.