2861585
Descripción
Test por Sergio German Ji, actualizado hace más de 1 año
|
Creado por Sergio German Ji
hace más de 9 años
|
|
Pregunta 1
Pregunta
El enfoque de los Agentes Inteligentes concibe el objetivo de la Inteligencia Artificial como el intento de construir sistemas
Respuesta
-
que “actúen” de forma eficiente (racional) en su entorno
-
que “actúen” como las personas (tipo Eliza).
-
que “piensen” como las personas (tipo General Problem Solver, GPS).
-
Ninguna de las respuestas es correcta.
Pregunta 2
Pregunta
¿Para cual(es) de las siguientes tareas pueden construirse agentes basados en algoritmos de búsqueda en espacios de estados (p.e. la búsqueda de coste uniforme)?
Respuesta
-
Encontrar una solución al problema de las Torres de Hanoi.
-
Gestionar el tráfico rodado en una red de autopistas urbanas.
-
Conducir un taxi en las calles de Barcelona
-
Jugar a las cuatro en raya contra un jugador humano.
Pregunta 3
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es (son) cierta(s)?
Respuesta
-
Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos.
-
La búsqueda en amplitud es óptima y completa siempre y cuando el coste de los operadores sea constante.
-
La búsqueda en profundidad es óptima y completa siempre que el coste de los operadores sea constante.
-
Tanto la complejidad en tiempo como la complejidad en espacio de la búsqueda en amplitud se pueden expresar en función del número de nodos expandidos
Pregunta 4
Pregunta
Contemple el problema de búsqueda de la figura 1. ¿Cuál es el factor de ramificación del árbol de búsqueda generado por los métodos de búsqueda en el espacio de estados, si no se filtran estados repetidos?
Respuesta
-
0.5
-
2
-
4
-
6
Pregunta 5
Pregunta
Contemple el problema de búsqueda de la figura 1. En el árbol generado por la búsqueda en amplitud, si no se filtran estados repetidos, ¿cuántos nodos hay a nivel de profundidad k (suponiendo que la raíz tiene nivel 0, es decir k≥0)
Respuesta
-
k/4
-
4^k
-
4*k^2
-
k^4
Pregunta 6
Pregunta
El objetivo de una funcion heurstica aplicada a la busqueda en el espacio de estados es estimar la adecuacion de un nodo para ser expandido.
Respuesta
- True
- False
Pregunta 7
Pregunta
Una heurstica es consistente si para todo nodo ni y todo sucesor nj de ni se cumple que, (Imagen), o sea, si h* subestima el coste de todos los operadores.
Respuesta
- True
- False
Pregunta 8
Pregunta
Una heurstica es optimista si, (Imagen), donde h(n) mide el coste real desde el nodo n hasta el nodo meta mas cercano.
Respuesta
- True
- False
Pregunta 9
Pregunta
Una heurstica consistente subestima el coste de todos los operadores, por lo tanto, tambien subestima el coste total hacia la meta por lo que tambien es optimista.
Respuesta
- True
- False
Pregunta 10
Pregunta
El algoritmo A es optimo si la funcion heurstica h* es optimista
Respuesta
- True
- False
Pregunta 11
Pregunta
Una heurística con aprendizaje empieza con h*(n) = 0 para todos los nodos n, y cada vez que se realiza una búsqueda, en cada paso usa el coste real de un paso para mejorar el valor de h*.
Respuesta
- True
- False
Pregunta 12
Pregunta
la desventaja principal de una heurística con aprendizaje es que almacenar los valores h* de todos los nodos en una tabla, y por eso necesita una gran
cantidad de memoria.
Respuesta
- True
- False
Pregunta 13
Pregunta
h1* es más informada que h2* si para todo nodo n se cumple que h1*(n) >= h2*(n)
Respuesta
- True
- False
Pregunta 14
Pregunta
A* con la función heurística más informada expande un número de nodos menor o igual al número de nodos que expandiría con la menos informada.
Respuesta
- True
- False
Pregunta 15
Pregunta
El algoritmo A* si se utiliza como heurística la función h*(n)=0 para todo n es equivalente a la búsqueda de coste uniforme, ya que f*(n) = g(n) + h*(n) si h*(n) = 0
implica que f*(n) = g(n) que es la función utilizada por la búsqueda de coste uniforme.
Respuesta
- True
- False
Pregunta 16
Pregunta
Cuales de las siguientes a rmaciones acerca del algoritmo Minimax son ciertas
Respuesta
-
El algoritmo Minimax realiza una exploracion primero en anchura del arbol de juego.
-
El algoritmo Minimax maximiza la utilidad mnima que puede conseguir el jugador max
-
Puede haber estrategias que funcionan mejor que Minimax si el contrincante es optimo
-
Con la poda alfa-beta se eliminan nodos que nunca seran alcanzados
Pregunta 17
Pregunta
Dado el siguiente problema de busqueda: Por un generico nodo (u, v), ¿cuales de las siguientes funciones heursticas son optimistas? Figura 1: Red 2D regular e in finita, Estado inicial (0; 0), Estado final: (x,y) donde x,y pertenecen a Z, Movimiento entre estados directamente conectados a coste 1
Respuesta
-
h*((u; v)) = |u-x| + |v-y|
-
h*((u; v)) = |u-x| * |v-y|
-
h*((u; v)) = 2*min(|u-x|,|v-y|)
-
h*((u; v)) = |u|+ |v|+|x|+|y|
-
h*((u; v)) = (|u-x|^2 + |v-y|^2)^1/2
Pregunta 18
Pregunta
Si se resuelve un problema de satisfacción de restricciones mediante búsqueda con asignaciones parciales, entonces
Respuesta
-
Un estado siempre asigna un valor a todas las variables
-
Un operador elige un valor para una variable no asignada
-
Un estado meta es una asignación cualquiera que cumple todas las restricciones
-
El coste estimado de cada asignación siempre es estrictamente menor que el coste real
-
Se suele aplicar la heurística de conflictos mínimos
Pregunta 19
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?
Respuesta
-
Sea X={x1, x2,…, xn} el conjunto de variables de un CSP y D1,D2,…,Dn sus respectivos dominios. Un predicado R(xi, xj) ⊆ Di × Dj es una restricción entre las variables xi y xj
-
El algoritmo de chronological backtracking efectúa una búsqueda en el espacio de asignaciones completas
-
Sea X={A, B} el conjunto de variables de un CSP, D(A)={1,2,4,5,6,12} y D(B)={pepe,fulano,detal} sus dominios y R(A,B): A=|B| las restricciones sobre las variables. El CSP es arco consistente.
-
Si al ejecutar el algoritmo de arco consistencia un dominio se queda con un único valor, el CSP es inconsistente, es decir, no tiene solución.
Pregunta 20
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones es (son) verdadera(s)?
Respuesta
-
El algoritmo de vuelta atrás cronológica (cronological backtracking) realiza una búsqueda en profundidad en el espacio de asignaciones parciales de valores a variables.
-
El algoritmo MAC (Maintaining Arc Consistency) combina el algoritmo de vuelta atrás cronológica (cronological backtracking) y el algoritmo de arco consistencia.
-
El algoritmo MAC (Maintaining Arc Consistency) combina el algoritmo de comprobación hacia delante (forward checking) y el algoritmo de arco consistencia.
-
El algoritmo MAC (Maintaining Arc Consistency) intercala la satisfacción y la propagación de restricciones.
-
El algoritmo de comprobación hacia delante (forward checking) realiza una búsqueda A* en el espacio de asignaciones totales de valores a variables.
Pregunta 21
Pregunta
Sea Δ={a,b,c} un dominio de individuos, A={a,b} y r={<a,b>,<a,c>,<b,c>} ¿Cuál de los siguientes es el conjunto de individuos del concepto ∀r.¬A en lógica de descripciones ALC?
Respuesta
-
{a,b}
-
{b}
-
{b,c}
-
Ninguna de las anteriores
Pregunta 22
Pregunta
¿Cuál de las siguientes expresiones se puede representar en RDF Schema?
Respuesta
-
A u B
-
A v B
Pregunta 23
Pregunta
¿Cuál de las siguientes afirmaciones es cierta?
Respuesta
-
En RDF no se puede expresar la relación estándar subclase de
-
En RDFS no se puede expresar la relación estándar subclase de
-
En OWL no se puede expresar la relación estándar subclase de
-
Ninguna de las anteriores
Pregunta 24
Pregunta
¿Cuál de las siguientes afirmaciones es cierta?
Respuesta
-
SPARQL es un lenguaje para describir ontologías
-
SPARQL es un lenguaje para consultar datos RDF
-
Ninguna de las anteriores
Pregunta 25
Pregunta
¿Cuál de las siguientes afirmaciones es cierta?
Respuesta
-
Ninguna de las anteriores
-
Para toda t-norma T, Mín(x,y) ≥ T(x,y)
Pregunta 26
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
-
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
-
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
-
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).
Pregunta 27
Pregunta
¿Cuáles de las siguientes funciones heurísticas son optimistas?
Respuesta
-
En el problema de encontrar rutas por carretera entre ciudades, la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
-
En el mundo de los bloques, el número de bloques bien colocadas en el estado actual.
-
En el 8-puzzle, el producto de las distancias de Manhattan del estado actual respecto al estado meta.
-
En el problema del lobo, la oveja, y la col (hoja de ejercicios 2), el número de pasajeros en el lado inicial (i.e. incorrecto) del río en el estado actual.
Pregunta 28
Pregunta
El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que
Respuesta
-
(a) x D x D (x x ) cumple
-
(a) x D x D (x x ) cumple R i y j z i j $ Î $ Î , .
Pregunta 29
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En los sistemas basados en el conocimiento, el conocimiento se representa de forma explícita, separado del control.
-
La adquisición del conocimiento suele ser una fase poco costosa en la construcción de un sistema experto.
-
SPARQL es un lenguaje para representar ontologías.
-
En OWL se pueden especificar características de las propiedades (p.ej. transitividad).
Pregunta 30
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?
Respuesta
-
Un algoritmo de aprendizaje no-supervisado aprende sobre instancias de un problema para los que se la han dado las soluciones correspondientes.
-
En un método de aprendizaje simbólico los datos son representados por sus características.
-
Un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 no comete errores.
-
Es posible usar el aprendizaje de una red neuronal para problemas en los que los datos disponibles son del tipo simbólico.
Pregunta 31
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de la búsqueda en línea es(son) cierta(s)?
Respuesta
-
Se intercala una fase de búsqueda (elección de acciones) con una fase de acción/percepción.
-
La búsqueda en línea siempre es óptima y completa.
-
Es conveniente aplicar la búsqueda con horizonte cuando el espacio de búsqueda es demasiado grande para realizar una única búsqueda A*.
-
Una búsqueda en línea es más eficiente cuanto mayor sea su índice competitivo (coste del camino real entre coste del camino óptimo).
Pregunta 32
Pregunta
¿Cuál(es) de las siguientes afirmaciones acerca de los juegos bipersonales de suma nula es (son) verdadera(s)?
Respuesta
-
Cualquier algoritmo de búsqueda heurística puede aplicarse de forma efectiva a juegos bipersonales de suma nula.
-
En algunos casos es posible que el algoritmo Minimax con poda a-b expanda más nodos que el algoritmo Minimax sin poda a-b.
-
El algoritmo Minimax con poda a-b produce siempre el mismo resultado que el algoritmo Minimax sin poda a-b.
-
En el algoritmo ExpectMinimax los nodos azar representan una mala jugada del jugador min.
Pregunta 33
Pregunta
Sea X = {A,B,C,D} un conjunto de variables, D = {DA, DB, DC , DD} un
Respuesta
-
El grafo que representa el Problema de Satisfacción de Restricciones es conexo
-
El Problema de Satisfacción de Restricciones es arco-consistente
-
El Problema de Satisfacción de Restricciones tiene exactamente una solución
-
El Problema de Satisfacción de Restricciones no tiene solución
Pregunta 34
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
(a) En lógica de descripciones ALC paratodor.C ⊓ exister.⊤ ≡ paratodor.C ⊓ exister.C
-
En RDF Schema no se puede expresar que una clase es subclase de otra
-
En SPARQL es posible expresar patrones opcionales
-
La unión de conjuntos borrosos se realiza mediante una t-norma
Pregunta 35
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?
Respuesta
-
En el Q-learning, la inicialización de los valores de la función Q a valores muy bajos (por debajo de los valores reales) favorece la exploración de nuevas soluciones.
-
En un método de aprendizaje subsimbólico los datos son representados por sus características.
-
Es posible que un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 cometa errores.
-
Considerando un problema de clasificación binario de un número de casos finitos y cuyos clases son linealmente separables. Una red neuronal de una única capa llega a aprender un clasificador correcto para este problema si se elige una tasa de aprendizaje (α) adecuada y se presentan todos los casos un número infinito de veces.
Pregunta 36
Pregunta
¿Cuál(es) de las siguientes afirmaciones acerca del videojuego Buscaminas (suministrado con Windows – ver figura) son verdaderas y cuáles son falsas?
Respuesta
-
El entorno es estático.
-
El entorno es accesible
-
El entorno es discreto.
-
El juego es parcialmente cooperativo.
Pregunta 37
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
-
Si h1 * y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
-
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
-
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).
Pregunta 38
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje supervisado son verdaderas y cuáles son falsas?
Respuesta
-
El algoritmo ID3 para aprender árboles de decisión aprende usando un conjunto de parejas (xi;yi), donde xi es un elemento del espacio de entrada y yi es un valor real entre 0 y 1 que representa el nivel de entropía
-
El algoritmo ID3 para aprender árboles de decisión en cada paso elige como atributo más importante aquel que tiene el valor de entropía más bajo.
-
El perceptrón utiliza como función de activación la función signo, que devuelve +1 si la suma pesada de las entradas es mayor que el umbral U, y -1 en caso contrario.
-
Una red neuronal con un valor de corrección de 0.6 es estadísticamente mejor que un clasificador que asigna cada ejemplo a un clase elegida de manera uniformemente aleatoria.
Pregunta 39
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje no supervisado son verdaderas y cuáles son falsas?
Respuesta
-
En un algoritmo genético, si el problema consiste en maximizar una cierta función objetivo g(x), entonces se puede usar como función de fitness la función f(x)=g(x)3
-
La política de selección con ranking asigna al individuo de la población con el valor de fitness mayor una probabilidad de ser seleccionado igual a 1
-
El algoritmo de aprendizaje por refuerzo Q-learning aprende un función Q(s,a) que para cada acción a devuelve la probabilidad de transitar al estado del entorno s si se ejecuta la acción a.
-
En un algoritmo de aprendizaje por refuerzo Q-learning, si se usa un factor de descuento gamma=0.8 se da más importancia a lor rewards futuros que si se usa un factor de descuento gamma=0.1
Pregunta 40
Pregunta
Sea S un conjunto de estados del mundo. ¿Cuáles de los siguientes elementos forman parte del conocimiento a priori de un agente de búsqueda?
Respuesta
-
(a) Una función acción: a implica s que a cada acción a le asigna un estado s∈S
-
Una función expandir: s Implica {s1, ..., sn} que asigna un conjunto finito de sucesores si∈S a cada estado s∈S
-
Una función meta?: s Implica verdad | falso que determina si un estado s∈S es un estado meta
-
Una función c: (si, sj ) Implica v; si,sj∈S, v∈ℵ que asigna un coste entero positivo a cada operador
Pregunta 41
Pregunta
¿Cuáles de las siguientes afirmaciones acerca del algoritmo A* son verdaderas y cuáles son falsas?
Respuesta
-
Si h* es optimista, entonces el algoritmo A* es óptimo.
-
Si h* no es consistente, entonces el algoritmo A* no es óptimo.
-
Si g crece de forma monótona, entonces h* es consistente.
-
Si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
Pregunta 42
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de la búsqueda en línea son verdaderas y cuáles son falsas?
Respuesta
-
Se intercala una fase de búsqueda (elección de acciones) con una fase de acción/percepción.
-
La búsqueda en línea siempre es óptima y completa.
-
Es conveniente aplicar la búsqueda con horizonte cuando el espacio de búsqueda es demasiado grande para realizar una única búsqueda A*.
-
Una búsqueda en línea es más eficiente cuanto mayor sea su índice competitivo (coste del camino real entre coste del camino óptimo).
Pregunta 43
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En lógica de descripciones ALC ∀r.> u ∃r.? ´ ?
-
En RDF Schema se puede expresar que una propiedad es transitiva
-
En RDF Schema se puede representar: ∃r.A v B
-
Para toda t-norma T, ∀x,y Mín(x,y) ≤ T(x,y)
Pregunta 44
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
Con una neurona perceptron con dos entradas se puede aprender cualquier función booleana de dos parámetros.
-
En el aprendizaje de redes neuronales, un factor de aprendizaje α, que tenga un valor negativo y lo suficientemente pequeño, asegura una buena convergencia de aprendizaje.
-
Un clasificador con una “false positive rate” mayor que 0,5 clasifica más de la mitad de los casos negativos como positivos.
-
En el Q-learning: si se emplea un factor de descuento γ igual a 0, el agente aprende a realizar en cada estado aquella acción que le da la mayor recompensa inmediata.
Pregunta 45
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
La búsqueda en amplitud tiene una mejor complejidad en tiempo que la búsqueda A*
-
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =min(h1*(n), h2*(n)), para todo nodo n, es una función heurística optimista.
-
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
-
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).
Pregunta 46
Pregunta
¿Cuáles de las siguientes funciones heurísticas son optimistas?
Respuesta
-
En el problema de encontrar rutas por carretera entre ciudades, la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
-
En el mundo de los bloques, el número de bloques bien colocadas en el estado actual.
-
En el 8-puzzle, el producto de las distancias de Manhattan del estado actual respecto al estado meta.
-
En el problema del lobo, la oveja, y la col (hoja de ejercicios 2), el número de pasajeros en el lado inicial (i.e. incorrecto) del río en el estado actual.
Pregunta 47
Pregunta
El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que
Respuesta
-
$ Î $ Î , .
-
" Î " Î , .
Pregunta 48
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En los sistemas basados en el conocimiento, el conocimiento se representa de forma explícita, separado del control.
-
La adquisición del conocimiento suele ser una fase poco costosa en la construcción de un sistema experto.
-
SPARQL es un lenguaje para representar ontologías.
-
En OWL se pueden especificar características de las propiedades (p.ej. transitividad).
Pregunta 49
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?
Respuesta
-
Un algoritmo de aprendizaje no-supervisado aprende sobre instancias de un problema para los que se la han dado las soluciones correspondientes.
-
En un método de aprendizaje simbólico los datos son representados por sus características.
-
Un clasificador binario que tiene una tasa de verdaderos positivos (true positive rate) igual a 1 no comete errores.
-
Es posible usar el aprendizaje de una red neuronal para problemas en los que los datos disponibles son del tipo simbólico.
Pregunta 50
Pregunta
¿Cuáles de las siguientes afirmaciones acerca del juego Ajedrez son verdaderas y cuáles son falsas?
Respuesta
-
El entorno es continuo.
-
El entorno es accesible.
-
El entorno es determinista.
-
Se trata de un juego bipersonal de suma nula.
-
El juego es parcialmente cooperativo.
Pregunta 51
Pregunta
Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:
Respuesta
-
En el 8-puzzle: la cantidad de piezas descolocadas en el 8-puzzle.
-
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado correcto del río.
-
En el mundo de los bloques: el número de los bloques que no tienen la entidad correcta (bloque o mesa) por debajo.
-
En el problema de encontrar rutas: el número de ciudades intermedias entre la ciudad actual y la ciudad meta.
-
En el problema de las Torres de Hanoi: el número de discos bien colocados en la agua meta
Pregunta 52
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
En el conocimiento a priori de un agente, la función expandir puede asignar un conjunto infinito de sucesores siS a cada estado sS.
-
(b) Si h1 * y h2 * son funciones heurísticas consistentes, entonces h3 *(n) = |h1 *(n) – h2 *(n)| para todo nodo n, es una función heurística optimista. (c) En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma
Pregunta 53
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los problemas de satisfacción de restricciones (CSP) son verdaderas y cuáles son falsas?
Respuesta
-
Sea X=x1, x2,…, xn el conjunto de variables de un CSP y D1,D2,…,Dn sus respectivos dominios. Un predicado R(xi, xj) Di Dj define una restricción entre las variables xi y xj
-
Sea X=A, B, C el conjunto de variables de un CSP con los dominios DA = DB = DC = 1,2 y restricciones de desigualdad entre todas las variables (i.e. A ≠ B ≠ C). Si en la búsqueda con vuelta atrás cronológica con comprobación hacia delante (forward checking) se asigna el valor 1 a la variable A, entonces el forward checking elimina el valor 2 de DB y de DC.
Pregunta 54
Pregunta
¿Cuáles de las siguientes afirmaciones acerca del juego Backgammon son verdaderas y cuáles son falsas?
Respuesta
-
El entorno es accesible.
-
El entorno es continuo.
-
El entorno es semidinámico.
-
Se trata de un juego bipersonal de suma nula con elemento de azar.
-
El juego es parcialmente cooperativo.
Pregunta 55
Pregunta
Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:
Respuesta
-
En el 8-puzzle: la suma de los números de todas las piezas descolocadas en el 8-puzzle.
-
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado incorrecto del río.
-
En el mundo de los bloques: el número de los bloques bien colocados.
-
En el problema de encontrar rutas: la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
-
En el problema de las Torres de Hanoi: el número de discos mal colocados.
Pregunta 56
Pregunta
¿Cuáles de las siguientes afirmaciones son ciertas y cuales falsas?
Respuesta
-
Si h1* y h2* son funciones heurísticas optimistas, y h1* es más informada que h2*, entonces se puede prescindir de h2* son en el proceso de búsqueda.
-
Si h1* y h2* son funciones heurísticas optimistas, entonces h3* = min{h1* , h2*} es una función heurística optimista.
-
La búsqueda por islas realiza búsquedas A* del estado inicial n0 al estado isla i1, de isla i1 a la isla i2, …, y finalmente de la isla in a la meta ng.
-
La búsqueda con horizonte aplica el método A* para desarrollar un árbol de búsqueda hasta una profundidad máxima dada por el horizonte k.
-
La búsqueda con horizonte con función heurística optimista es óptimo.
Pregunta 57
Pregunta
Sea X = {A,B,C,D} un conjunto de variables, D = {DA, DB, DC , DD} un conjunto de dominios tal que DA= DB= DC= DD= {1,2}, y R = {RA,B, RA,C, RB,C} un conjunto de restricciones, todas ellas de desigualdad (p.e. RA,B ≡ (A ≠ B). ¿Cuáles de los siguientes afirmaciones respecto al Problema de Satisfacción de Restricciones (X,D,R) son ciertas y cuales falsas ?
Respuesta
-
El Problema de Satisfacción de Restricciones es arco-consistente
-
El Problema de Satisfacción de Restricciones es optimista
-
El Problema de Satisfacción de Restricciones tiene exactamente una solución
-
El Problema de Satisfacción de Restricciones no tiene solución
-
El grafo que representa el Problema de Satisfacción de Restricciones es conexo
Pregunta 58
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
La búsqueda en amplitud tiene una menor complejidad en tiempo que la búsqueda A*
-
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) =h1*(n) + h2*(n), para todo nodo n, es una función heurística optimista.
-
En el algoritmo A*, si h* es consistente, entonces el valor de f * crece de forma (débilmente) monótona en todos los caminos del árbol de búsqueda.
-
Si h* es optimista, entonces el algoritmo A* es óptimo (ó admisible).
Pregunta 59
Pregunta
Suponga un estado cualquiera (u,v) en el problema de búsqueda de la figura 1. Cuál(es) de las siguientes funciones heurísticas h* es (son) optimista(s)?
Respuesta
-
h* ((u,v)) = | u – x | + | v | + | y |
-
h* ((u,v)) = 1
-
h* ((u,v)) = | u – x | + | v – y |
-
h* ((u,v)) = ( | u | * | v | ) + ( | x | * | y | )
Pregunta 60
Pregunta
Sea X = {A,B,C} un conjunto de variables y R = {RA,B, RA,C, RB,C,} un conjunto de restricciones tal que RA,B ≡ (A = B * 2); RA,C ≡ (A > C); y RB,C ≡ (B ≠ C). ¿Con cual(es) de los siguientes conjuntos de dominios D = {DA,DB,DC} se formaría un Problema de Satisfacción de Restricciones (X,D,R) que es arco-consistente?
Respuesta
-
DA = {2,4}; DB = {2}; DC = {1}
-
DA = {2,4}; DB = {1,2}; DC = {1,3}
-
DA = [2..4]; DB = [0..2]; DC = [1..3]
-
DA = [2..4]; DB = {1,2}; DC = {}
Pregunta 61
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En lógica de descripciones ALC ∃r.(C Interseccion D) Identico ∃r.C Interseccion ∃r.D
-
En RDF Schema se puede expresar que una propiedad es subpropiedad de otra
-
SPARQL es un lenguaje de consulta para RDF
-
Para toda t-norma T(x,y), se cumple que Mínimo(x,y) <= T(x,y)
Pregunta 62
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?
Respuesta
-
Con una neurona perceptron con dos entradas se puede aprender cualquier función booleana de dos parámetros.
-
En el algoritmo Q-learning se aprende, de forma iterativa, las recompensas que el agente recibe al ejecutar una acción a en un estado s.
-
Al aprender árboles de decisión mediante el algoritmo ID3, es posible que haya atributos de los ejemplos que no aparecen en ningún nodo del árbol aprendido.
-
Un clasificador binario con una tasa de falsos positivos (false positive rate) igual a 1 clasifica a todos los ejemplos negativos como positivos.
Pregunta 63
Pregunta
¿Cuáles de las siguientes afirmaciones acerca del videojuego Tetris son verdaderas y cuáles son falsas?
Respuesta
-
El entorno es estático.
-
El entorno es discreto.
-
El entorno es accesible
-
El juego es parcialmente cooperativo.
Pregunta 64
Pregunta
Sea S es conjunto de estados del mundo. El conocimiento a priori de un agente de búsqueda consiste de
Respuesta
-
Un estado inicial s0perteneceienteS
-
Una función acción: a s que a cada acción a le asigna un estado sS
Pregunta 65
Pregunta
¿Cuál(es) de las siguientes afirmaciones acerca de los algoritmos de búsqueda no informados es(son) verdadera(s) si el coste de los operadores puede ser cualquier número entero positivo?
Respuesta
-
Si existe una solución, la búsqueda en amplitud la encuentra.
-
Si la búsqueda en amplitud encuentra una solución, ésta debe ser igual a la que encontraría la búsqueda de coste uniforme.
-
Los algoritmos de búsqueda no informados requieren de información heurística para que sean óptimos
-
Si la búsqueda de coste uniforme encuentra una solución, ésta debe ser óptima.
Pregunta 66
Pregunta
¿Cuál(es) de las siguientes afirmaciones acerca del algoritmo A* es (son) verdadera(s)?
Respuesta
-
Si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda
-
Si h* es optimista, entonces también es consistente.
-
Si h* es optimista, entonces el algoritmo A* es óptimo.
-
Si g crece de forma monótona, entonces h* es optimista.
Pregunta 67
Pregunta
Siendo A y B nombres de conceptos y r nombre de rol ¿Cuál de las siguientes afirmaciones es cierta respecto a lógica de descripciones ALC?
Respuesta
-
A ⊓ "r.B ⊓ ¬ ^ no es un concepto bien formado
-
A ⊓ B ⊓ ^ es insatisfacible
Pregunta 68
Pregunta
Sea D={a,b,c} un dominio de individuos, D={b} y r={<a,a>,<a,b>,<a,c>,<b,c>} ¿Cuál de los
siguientes es el conjunto de individuos del concepto $r.D ⊔ "r.D en lógica de descripciones ALC?
Respuesta
-
{}
-
{a, c}
-
{a, b, c}
-
Ninguna de las anteriores
Pregunta 69
Pregunta
¿Cuál de las siguientes afirmaciones es cierta?
Respuesta
-
En RDF se puede definir una clase A ≡ C ⊔ D
-
En RDFS (RDF Schema) se puede expresar la relación estándar subclase de
-
En RDF se puede especificar el rango de una propiedad
-
Ninguna de las anteriores
Pregunta 70
Pregunta
¿Cuál de las siguientes afirmaciones es cierta?
Respuesta
-
RDFS es un lenguaje de consulta
-
En RDFS no se puede especificar el dominio de las propiedades
-
SPARQL es un lenguaje para escribir ontologías
-
Ninguna de las anteriores
Pregunta 71
Pregunta
¿Cuál de las siguientes afirmaciones es cierta respecto a lógica borrosa?
Respuesta
-
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÇB(x) ≤ 0.3
-
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÇB(x) ≥ 0.6
-
Sea μA(x) = 0.3 y μB(x) = 0.6, μAÈB(x) ≤ 0.6
-
Ninguna de las anteriores
Pregunta 72
Pregunta
¿Cuáles de las siguientes afirmaciones acerca del juego Ajedrez son verdaderas y cuáles son falsas?
Respuesta
-
El entorno es continuo.
-
El entorno es accesible.
-
El entorno es determinista.
-
Se trata de un juego bipersonal de suma nula.
Pregunta 73
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
Si h1* y h2* son funciones heurísticas consistentes, entonces h3*(n) = |h1*(n) – h2*(n)| para todo nodo n, es una función heurística optimista.
-
En el algoritmo A*, si h* es optimista, entonces el valor f * crece de forma monótona en todos los caminos del árbol de búsqueda.
-
Si h1* y h2* son funciones heurísticas optimistas y para todo nodo n se cumple que h1*(n) > h2*(n), entonces A*(h2*) expande al menos tantos nodos como A*(h1*)
-
El algoritmo A* con aprendizaje de función heurística asegura que en cualquier momento la función heurística h * aprendida es optimista.
Pregunta 74
Pregunta
Suponga un estado cualquiera (u,v) en el problema de búsqueda de la figura 1. Cuál(es) de las siguientes funciones heurísticas h* es (son) optimista(s)?
Respuesta
-
h* ((u,v)) = max( | u – x |, | v – y |)
-
h* ((u,v)) = | u – x | + | v – y |
-
h* ((u,v)) = 2 * min( | u – x |, | v – y |)
-
h* ((u,v)) = 0
Pregunta 75
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En lógica de descripciones ALC ∀r.C u ∃r.? ´ ∀r.C u ∃r.C
-
En RDF Schema se puede expresar que una propiedad es subpropiedad de otra
-
En SPARQL no se pueden realizar comparaciones numéricas
-
La intersección de conjuntos borrosos se realiza mediante una t-norma
Pregunta 76
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En el aprendizaje por refuerzo se emplean ejemplos para reforzar el proceso de aprendizaje.
-
Si una función se puede aprender con una red neuronal de una única capa, también se puede aprender con una red de dos capas.
-
El aprendizaje de arboles de decisión también es aplicable si las instancias que se quieren clasificar pertenecen a más que 2 clases diferentes.
-
Dado un modelo de un problema en el cual las acciones conllevan recompensas estáticas. Una política óptima para este problema consiste en realizar en cada estado la acción que tiene la mayor recompensa.
Pregunta 77
Pregunta
Siendo C un concepto y r un nombre de rol ¿Cuál de las siguientes afirmaciones es cierta respecto a lógica de descripciones ALC?
Respuesta
-
"r.C ⊑ $r.C
-
$r.C ⊑ $r.⊤
Pregunta 78
Pregunta
Sea D={a,b,c} un dominio de individuos, D={b} y r={<a,b>} ¿Cuál de los siguientes es el conjunto de individuos del concepto "r.⊤ en lógica de descripciones ALC?
Respuesta
-
{a}
-
{a, b}
-
{a, b, c}
-
Ninguna de las anteriores
Pregunta 79
Pregunta
¿Cuál de las siguientes afirmaciones es cierta?
Respuesta
-
En RDFS se puede definir una clase A ≡ C ⊔ D
-
SPARQL es un lenguaje para consultar datos RDF
-
En RDF se puede especificar el dominio de una propiedad
-
Ninguna de las anteriores
Pregunta 80
Pregunta
¿Cuál de las siguientes afirmaciones es falsa?
Respuesta
-
En RDF se puede expresar la relación estándar subpropiedad de
-
En RDFS se puede expresar la relación estándar subpropiedad de
-
En OWL se puede expresar la relación estándar subpropiedad de
-
Alguna de las anteriores es falsa1
Pregunta 81
Pregunta
¿Cuál de las siguientes afirmaciones es cierta respecto a la lógica borrosa?
Respuesta
-
"x μP Ç Q(x) £ μP(x)
-
"x μP Ç Q(x) ³ μP(x)
Pregunta 82
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de búsqueda son verdaderas y cuáles son falsas?
Respuesta
-
La búsqueda A* con función heurística h*(n) = 0 para todo nodo n, se comporta igual que la búsqueda de coste uniforme.
-
Si h1* y h2* son funciones heurísticas optimistas, entonces la función heurística h3*(n) = (h1*(n) + h2*(n)) / 2 es más informada que la función heurística h4*(n) = min( h1*(n), h2*(n) ).
-
En el algoritmo A*, si h* es consistente, entonces el error heurístico crece de forma débilmente monótona en todos los caminos del árbol de búsqueda.
-
Si h* es consistente, entonces el algoritmo A* es óptimo (ó admisible).
Pregunta 83
Pregunta
Para cada uno de los siguientes dominios, marque si es verdadero o falso el que las funciones heurísticas indicadas sean optimistas:
Respuesta
-
En el 8-puzzle: la suma de los números de todas las piezas descolocadas en el 8-puzzle.
-
En el problema de la col, la oveja y el lobo (hoja de ejercicios 2): el número de pasajeros que se encuentran en el lado incorrecto del río.
-
En el mundo de los bloques: el número de los bloques bien colocados.
-
En el problema de encontrar rutas: la raíz cuadrada de la distancia aérea entre la ciudad actual y la ciudad meta.
Pregunta 84
Pregunta
El problema de satisfacción de restricciones (X, D, R) es arco-consistente si para todo par de dominios Dy y Dz , y ≠ z, se cumple que
Respuesta
-
∃ ∈ ∃ ∈ , .
-
∀ ∈ ∀ ∈ , .
Pregunta 85
Pregunta
¿Cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas?
Respuesta
-
En lógica de descripciones ALC ∃r.C Interseccion ∀r.C Identico ∃r.T Interseccion ∀r.C
-
En OWL se puede expresar que una propiedad es transitiva
-
En SPARQL no se pueden comparar números
-
Normalmente μaP(x) >= μNO P(x), siendo aP el antónimo de P
Pregunta 86
Pregunta
¿Cuáles de las siguientes afirmaciones acerca de los algoritmos de aprendizaje son verdaderas y cuáles son falsas?
Respuesta
-
El objetivo del aprendizaje supervisado es encontrar/aprender una función
-
En el aprendizaje simbólico, el resultado del proceso de aprendizaje es una función de clasificación.
-
Considera el aprendizaje de los pesos de una única neurona perceptron con 2 entradas y una salida binarias y una función de activación umbral. Sea el siguiente conjunto de ejemplos de entrenamiento <(11,1); (01,1); (10;0); (00;0)>. Si los pesos son inicializados todos en -1, α se elige de forma adecuada y se repite el proceso de aprendizaje con los 4 ejemplos un número suficiente de veces, entonces la neurona aprenderá a calcular los 4 ejemplos de forma correcta.
-
Dado un entorno modelado como un proceso de decisión de Markov en el que existe un estado s. ¿Si V*(s)=10, eso implica que un agente que emplea una política óptima, ganaría seguro 10 unidades de recompensa a partir del estado s?
¿Quieres crear tus propios Tests gratis con GoConqr? Más información.