Przykładowe Zadania

Przykładowe zadania — dla przypomnienia tematyki i do poćwiczenia przed egzaminem. Poniższe pytania służą sprawdzeniu własnej, nabytej wiedzy i umiejętności z kursu ALAI, a nie jako zagadnienia których należy się uczyć z gotowych opracowań!

1. Na czym polega różnica między K-means a K-medoids?
2. Jak rozpisać całą przestrzeń rozwiązań za pomocą drzewa dla problemu komiwojażera i problemu plecakowego?
3. Podaj wartość górnego ograniczenia dla problemu plecakowego (dane elementy, ich wartości i objętości, oraz częściowe wypełnienie "plecaka")
4. Tabelka z liczbami (taka jak na slajdzie z wykładu) i zadanie maksymalizacji — jakie rozwiązania kolejno będzie odwiedzał greedy a jakie steepest (rozważ sąsiedztwo Moora i von Neumanna).
5. Jak dany problem (tu podany konkretny problem znany z życia) można przedstawić w kategoriach przestrzeni rozwiązań i optymalizacji różnymi poznanymi algorytmami? (jak zakodować rozwiązanie, zdefiniować ocenę rozwiązania, sąsiedztwo? czy da się go przystosować do algorytmu B&B?)
6. Jak przekształcić drzewo decyzyjne w reguły?
7. Zbudować sieć neuronową dla danej tabeli decyzyjnej (chodzi o rodzaje atrybutów warunkowych — wejścia i rodzaj atrybutu decyzyjnego — wyjścia).
8. Na czym polega dyskretyzacja?
9. Motywacje do prowadzenia selekcji atrybutów. A czemu ma służyć konstrukcja nowych atrybutów?
10. Podaj i zilustruj dwie metody wyostrzania w logice rozmytej. Po co stosuje się wyostrzanie?
11. Na jakiej zasadzie działa PCA i SVD? czemu służą?
12. Wykres — algorytm k-NN (k=3), jeden nieznany obiekt. Do jakiej klasy zaliczy go algorytm?
13. Mamy trzy przypadki w 4-wymiarowej przestrzeni: (1,5,3,2), (5,2,3,-1),(0,0,-3,0).
    1. Podaj współrzędne ich centroidu.
    2. Który z nich jest medoidem?
    3. Zakładając że ich klasy decyzyjne to odpowiednio Z,Y,Z — do jakiej klasy zostanie zaliczony nowy przypadek (2,2,2,2) przez algorytm 1-NN używający odległości euklidesowej?
    4. …a używający odległości taksówkowej?
    5. …a algorytm 4-NN?
14. Ile wynosi entropia dla rzutu 8-ścienną, sprawiedliwą kostką?
15. Czemu służy mutacja w algorytmie ewolucyjnym?
16. Czym cechuje się problem liniowego programowania matematycznego? Gdzie leży rozwiązanie optymalne?
17. Analiza dwu-wejściowego neuronu progującego — narysować prostą rozdzielającą dwie klasy dla danych wag
18. Jak wygląda ewolucja z funkcją celu endogeniczną, a jak z egzogeniczną? Jak mierzyć postęp w obu przypadkach?
19. Zilustruj opis dyskryminacyjny i charakterystyczny na rysunku 2D z przypadkami z kilku klas.
20. Na podstawie tabelki decyzyjnej oblicz entropię (jak w ID3), zbuduj drzewo, zaklasyfikuj przypadek stosując podejście naiwnego klasyfikatora Baysowskiego
21. Na czym polega naiwność klasyfikatora Baysowskiego?
22. Jak użyć naiwnego klasyfikatora Baysowskiego do klasyfikowania tekstu, czym jest m-estymata?
23. Podaj dwa przykłady formuł realizujących s-normę i dwa — p-normę.
24. Wyznacz s-normę i p-normę dla pary przykładowych zbiorów rozmytych.
25. Dlaczego problemy NP-trudne są trudne? Jak można ocenić "trudność" problemu optymalizacji?
26. Na czym polega różnica w poglądach Lamarck'a i neodarwinizmu? Jak się te poglądy przekładają na dwie architektury algorytmu optymalizacji?
27. Jak nie dopuścić do przeuczenia? Jak je wykryć?
28. Jak jest zdefiniowana trafność klasyfikowania?
29. Sposoby radzenia sobie z wiedzą niepełną.
30. Czym się różni klasyfikacja od regresji?
31. Jakie będą efekty ustawienia zbyt dużej prędkości uczenia NN? Jakie zbyt małej?
32. O czym mówi "reguła delta"?
33. Jak działa B&B? Jak mogłaby wyglądać definicja ograniczenia dla problemu …
34. W czym lepszy jest 3-NN od 1-NN?
35. Kiedy entropia zaczyna maleć? jaka jest jej interpretacja?
36. Czym różni się algorytm C4 od ID3?
37. Co to jest gra o sumie zerowej? Czy dana gra (tu konkretna tabelka dla 2 graczy) ma zerową sumę?
38. Co to jest równowaga Nasha? Czy dana gra (tu konkretna tabelka dla 2 graczy) ma takie równowagi?
39. Wymień trzy architektury sieci neuronowych.
40. Co powoduje wysoka temperatura w algorytmie Symulowanego Wyżarzania?
41. W jaki sposób sensownie ustalić początkową wartość temperatury w algorytmie Symulowanego Wyżarzania?
42. Co powoduje długa lista Tabu w algorytmie Tabu Search? a co krótka?
43. Klasyfikacja i regresja to przykłady uczenia nadzorowanego czy nienadzorowanego? Na czym polegają?
44. Ponumeruj węzły w drzewie według kolejności odwiedzania "wszerz" i "w głąb" wykorzystując zasadę FIFO i LIFO.
45. Zaznacz rozwiązania niezdominowane (tu wykres albo tabelka, 2 lub 3 kryteria). Na przykład: mamy cztery samochody i trzy kryteria (bezpieczeństwo, cena, jakość). Wypełniamy jakoś 12 liczb. Które samochody należą do zbioru rozwiązań Pareto-optymalnych?
46. Jaka jest rola prędkości uczenia sieci neuronowej?
47. Czy budowanie wielowarstwowych NN z neuronów liniowych ma sens? Dlaczego?
48. Zilustruj działanie algorytmu alfa-beta dla drzewa z następującymi ocenami (tu drzewo)
49. Na czym polega działanie algorytmu MCTS, czym ten algorytm różni się od minimax?
50. Zilustruj działanie algorytmu A* dla drzewa z następującymi ocenami (tu drzewo)
51. Kiedy waga neuronu się nie zmienia podczas uczenia według "reguły delta"?
52. Czym logika rozmyta różni się od dwuwartościowej?
53. Jakie wady a jakie zalety ma algorytm gradientowy stosowany w uczeniu NN?
54. Jaka jest idea algorytmu wstecznej propagacji błędu?
55. Kiedy lepiej stosować wnioskowanie w przód, a kiedy wstecz?
56. Czym różni się ewolucja ukierunkowana od spontanicznej?
57. Kiedy rolę funkcji oceniającej w optymalizacji przejmuje człowiek?
58. Co głosi postulat ewolucji otwartej?
59. Jakie znasz "patologie" w koewolucji i jakie metody przeciwdziałania?
60. Co to jest emergencja?
61. Czym jest automat komórkowy?
62. Co to jest L-system i do czego jest wykorzystywany?
63. Oblicz temperaturę początkową (c0) w SA, jeśli różnica wartości ocen sąsiadów (poznana dzięki próbkowaniu przestrzeni rozwiązań) wynosi 5, a pożądane początkowe prawdopodobieństwo akceptacji ruchu wynosi 90%. A ile wyniesie c0, jeśli różnica wartości ocen jest 10x większa? A ile, jeśli chcemy akceptować początkowo 95% ruchów?

Najczęstsze problemy:

• mylenie pojęć, nazewnictwa, algorytmów z optymalizacji i z uczenia maszynowego
• używanie zbyt ogólnych słów; brak ścisłości ("rozwiązania", "zbiór uczący osiągnie maksimum", "mówi czy element jest dobry czy zły", "wartości spadają")
• …i nieumiejętność wyjaśnienia szczegółów i znaczenia formułowanych zdań (czym są te rozwiązania? co to znaczy, że zbiór osiągnie maksimum? czym jest "element" i co to dokładnie znaczy, że jest dobry albo zły? jak wyznaczyć wartości? co reprezentują kropki na wykresie/rysunku?)
• uczenie się "teoretyczne" i "na pamięć" zamiast zapisania / przeliczenia kilku konkretnych przykładów z każdego zadania
• brak kontroli efektów własnej nauki (czy umiałabym wyjaśnić komuś dane pojęcie? czy jestem pewna, że poprawnie rozumiem daną kwestię, czy tylko wydaje się, że rozumiem?). Taki brak kontroli wynika czasem z wykorzystania powyższej listy pytań do nauki zamiast do sprawdzenia już nabytej (z własnych materiałów z wykładu i laboratorium) wiedzy i umiejętności
• przy poprawkach (a czasem też przy pierwszym podejściu): uczenie się "na 3", które często kończy się "trochę mi zabrakło". Szczególnie przy poprawce warto uczyć się "na 5", nie ulegając pokusie "trochę mi zabrakło, więc wystarczy, że trochę się douczę" - pytania się zmieniają, pech się zdarza i tylko uczenie się "na 5" (całego materiału) daje spokój przy zaliczeniu.