Inteligență Artificială

Cu galben răspunsuri corecte

1. AI studiază:
a) regulile de înlănțuire;
b) psihologia relațională;
c) impactul asupra oamenilor.
2. Arborii de decizie sunt:
a) rețele neurale RN (ANN - Artificial Neural Network);
b) algoritmi de selecție;
c) ipoteze de învățare.
3. Tipuri de învățare:
a) simbolice;
b) booleene;
c) supervizată.
4. Operatorul Harris se bazează pe:
a) detecția de algoritmi;
b) utilizarea funcției de autocorelație;
c) descompunerea imaginilor.
5. Detectorul SIFT (Scale Invariant Features Transform) se ocupă cu:
a) detecție, localizare, determinare, orientare, creare descriptor;
b) detecție de algoritmi haptici, analiză, acțiune;
c) .percepție, analiză, acțiune
6. Inteligența artificială distribuită se ocupă de:
a) agenții inteligență;
b) protocoale de analiză și decizie;
c) studierea, dezvoltarea și utilizarea de sisteme S/W (Software/Hardware).
7. Care este cel mai celebru criteriu de apreciere a inteligenței unui program:
a) testul Computing Machinery and Intelligence;
b) testul de simulare a gândirii;
c) testul Turing.
8. Cunoștințele euristice reprezintă:
a) este un tip de cunoștințe formalizat;
b) o formă particulară de cunoștințe pentru rezolvarea unor probleme;
c) o formă de eliminare a compromisului dintre două cerințe.
9. Inferența unui sistem bazat pe cunoștințe este:
a) o formă de raționament în planul conceptelor;
b) ;un raționament bazat pe premisa majoră care conține predicatul concluziei.
c) o formă de raționament prin care se trece de la un enunț la altul în mod
deductiv.
10. Detectorul Roberts pentru detecția fronturilor folosește următoarele aproximări:
a) implementarea Gaussiană a gradientului mai multor operatori;
b) amplitudinea gradientului și orientarea frontului unui pixel de coordonate (x,y);
c) determinarea gradientului Laplacian al tranziției dintr-o stare în altă stare.
11. Laplacian-ul unei imagini este utilizat și pentru:
a) implementarea unor filtre „image sharpening”;
b) detecția pixelilor bazată pe strălucire;
c) detecția pixelilor bazată pe nuanțe.
12. Operatorul LoG (Laplacian of Gaussian) este:
a) un operator folosit pentru înlăturarea culorilor;
b) un operator sensibil la zgomot;
c) un mecanism redundant.
13. Detectorul de frontiere Canny funcționează astfel:
a) eliminarea ratei de eroare reținând toate punctele de frontieră;
b) furnizarea tuturor răspunsurilor legate de punctele de frontieră;
c) se aplică imaginii de intrare un filtru Gaussian și apoi operatorul Sobel.
14. Transformata Hough (detecția liniilor drepte):
a) extrage frontiere de formă oarecare, fără a furniza informații despre forma
geometrică a frontierei;
b) intrarea pentru transformata Hough este matricea obținută prin binarizarea
matricei frecvenței fronturilor;
c) ieșirea transformatei Hough este o matrice binară în care pixelii cu valoarea 1
aparțin unor linii drepte.
15. Limbajul problemelor de planificare se referă la reprezentarea:
a) algoritmilor de detecție pixeli;
b) stărilor, scopurilor, acțiunilor;
c) analiză, percepție, acțiune.
16. Algoritmul GRAPHPLAN:
a) permite extragerea unui plan, direct din graful de planificare;
b) adaugă stări subsecvente noi;
c) dacă nu găsește o soluție se oprește.
17. Arhitecturi specifice interconectării neuronilor elementari:
a) cu propagare a informației numai dinspre intrare spre ieșire (rețele de tip
FeedForward);
b) rețele recurente (cu reacție) fără interconectarea neuronilor dintr-un strat spre
stratul următor;
c) neuronii elementari sunt dispuși în straturi cu patru dimensiuni.
18. Algoritmi de învățare, reguli de bază:
a) datele de intrare similare trebuie să capete reprezentări interne asemănătoare;
b) intrările unor categorii distincte trebuie să aibă reprezentări interne
asemănătoare;
c) orice informație disponibilă a priori trebuie folosită în etapa de analiză a rețelei.
19. :Clasificarea algoritmilor de învățare
a) învățarea nesupravegheată (unsupervised learning) rețeaua extrage singură
anumite caracteristici importante ale datelor de ieșire;
b) învățarea supravegheată (supervised learning) presupune existența în orice
moment a unei valori dorite (target);
c) învățarea folosind un "critic" (reinforcement learning), rețeaua beneficiază de
un semnal dorit.
20. Funcția de cost:
a) estimarea densității de probabilitate se face în funcție de constante;
b) arată că ținta urmărită o constituie modelarea densității de probabilitate a
valorilor de ieșire (target) condiționată de distribuția datelor de intrare;
c) estimarea densității de probabilitate condiționată evaluează starea intrărilor în
funcție de starea ieșirilor.