Questionário Inteligência Artificial

vini.a.silva
Flashcards by vini.a.silva, updated more than 1 year ago
vini.a.silva
Created by vini.a.silva over 6 years ago
94
0

Description

Inteligência Artificial Flashcards on Questionário Inteligência Artificial, created by vini.a.silva on 03/10/2014.

Resource summary

Question Answer
O que é IA Uma definição clássica: “Inteligência Artificial é o estudo de como fazer os computadores realizarem tarefas em que, no momento, as pessoas são melhores.” Elaine Rich, 1988 Generalização se soluções a partir de um conjunto finito de informações conhecidas
O que é a Representação do Conhecimento Uma RC é “algo que substitui o objeto ou fenômeno real, de modo a permitir a uma entidade determinar as consequências de um ato pelo pensamento ao invés da sua realização”
Quais as principais características que uma RC deve possuir? ser compreensível ao ser humano abstrair-se dos detalhes de com funciona o processo de raciocínio ser robusta, isto é, permitir sua utilização mesmo que não aborde todas as situações possíveis ser generalizável – vários pontos de vista do mesmo conhecimento
No contexto de RC, qual a diferença entre dado, informação, conhecimento e sabedoria? Dado é a estrutura fundamental sobre a qual um sistema de informação é construído. Informação é qualquer dado estruturado que tem significado dentro de um contexto. Conhecimento é uma combinação de instintos, idéias, regras e procedimentos que guiam as ações e decisões. O conhecimento é uma apresentação concisa da experiência prévia de uma pessoa. Sabedoria é a capacidade de tomarmos decisões acertadas, de aplicarmos bem o conhecimento que possuímos, dentro das limitações de tempo e espaço a que estamos sujeitos no momento da nossa ação.
No que consiste base de conhecimento? Contém a descrição do conhecimento necessário para resolução do problema abordado na aplicação  Asserções sobre o domínio de conhecimento  Regras que descrevem relações nesse domínio  E talvez, heurísticas e métodos de resolução de problemas
No que consiste Memória de trabalho em Representação de conhecimento? Onde são registradas todas as respostas fornecidas pelo usuário durante as interações realizadas com o sistema Evitando que o usuário responda à mesma questão mais de uma vez
No que consiste a Interface em Representação de Conhecimento? É responsável pela interação entre um sistema baseado em conhecimento e o usuário  Realiza a intermediação entre a representação interna do sistema e a representação mental do usuário
O que são Sistemas Baseados em conhecimento? Quais suas principais características. Principais características de um SBC Base de conhecimento Conjunto de sentenças em um linguagem de representação, que modelam o problema que se deseja resolver  Mecanismo de raciocínio  Capaz de realizar inferências sobre esta base e obter conclusões sobre conhecimento nela contido  O desenvolvimento de um SBC é uma forma de preservar, aproveitar e fazer uso da experiência dos membros de uma organização  O conhecimento de um especialista é capturado, organizado e disponibilizado na base de conhecimento durante a construção de um SBC
Quais as principais diferenças entre sistemas convencionais e sistemas baseados em conhecimento? Sistemas convencionais: Você não pode explicar seu raciocínio, e não se baseiam conhecimento aprendido mas sim no conhecimento embutido no seu código. Sistemas Baseados em conhecimento: Busca heurística. Conhecimento representado explicitamente e separado do programa que o manipula e interpreta. Podem e devem explicar seu raciocínio.
Sistemas Especialistas Sistemas especialistas são programas destinados a solucionar problemas em campos específicos de conhecimento. Estes programas devem ter desempenho comparável ao dos especialistas humanos na execução dessas tarefas.
Digrama de Venn
Quais os principais objetivos de um sistema especialista? levar o conhecimento do especialista a lugares ou momentos onde ele não poderia estar e também liberá-lo para outras funções onde ele pode ter melhor aproveitamento. A máquina de inferência tenta “imitar” os tipos de pensamento que o especialista humano emprega quando resolve um problema:  Buscar uma conclusão e procurar uma evidência que a comprove, ou,  Iniciar com uma evidência para chegar a uma conclusão.
Qual o papel do Engenheiro de conhecimento? Profissional que guiará a aquisição, representação do conhecimento especializado, bem como a implementação e refinamento do SE.
Raciocínio Raciocínio é um processo de construção de novas sentenças a partir de sentenças existentes.
Máquina de inferência A máquina de inferência tenta “imitar” os tipos de pensamento que o especialista humano emprega quando resolve um problema:  Buscar uma conclusão e procurar uma evidência que a comprove, ou,  Iniciar com uma evidência para chegar a uma conclusão.
Quais as principais diferenças entre Sistemas convencionais e Sistemas Especialistas? Sistemas Convencionais manipulam dados:  representação e uso de dados  algorítmico  processos repetitivos  efetiva manipulação de grandes bases de dados  Sistemas Especialistas manipulam conhecimento:  representação e uso de conhecimento  heurística  processos de inferência  efetiva manipulação de grandes bases de conhecimento
Vantagens do Sistema Especialista Vantagens Criação de repositório de conhecimento Crescimento de produtividade e qualidade Habilidade de resolver problemas complexos Flexibilidade e modularidade Operação em ambientes arriscados Credibilidade Habilidade de trabalhar com informações incompletas ou incertas Fornecimento de treinamento
Desvantagens do sistema especialista Avaliação de desempenho difícil É difícil extrair conhecimento especialista Só trabalham muito bem em domínios estreitos Engenheiros de Conhecimento são raros e caros Transferência de conhecimento está sujeito a um grande número de preconceitos
Redes Neurais Artificiais Redes Neurais Artificiais são técnicas computacionais que apresentam um modelo matemático inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência.
RNA: APRENDIZADO SUPERVISIONADO X NÃO-SUPERVISIONADO Supervisionado (relações Entrada/Saída) São fornecidas as entradas e as respectivas saídas; Não-Supervisionado (Grupamentos) São fornecidas apenas as entradas;
No que consiste o aprendizado de uma RNA? É a adaptação da RN aos dados que lhe são apresentados (dados de treinamento).
O que é Lógica Nebulosa ? Lógica Nebuloza ou (fuzzy) Generaliza os conceitos da Teoria Clássica de Conjuntos. Baseada no conceito de “verdade parcial”. Combina lógica multivalorada para representar o pensamento Humano.
Qual o principal objetivo da Lógica Fuzzy Lógica Fuzzy pode ser utilizada para traduzir em termos matemáticos informações imprecisas.
Qual o paradoxo clássico para representar a Lógica Fuzzy? "Quando um monte de areia deixa de ser um monte de areia, caso retiremos um grão de areia de cada vez?"
O que é FUZZYFICAÇÃO ? Consiste no mapeamento dos dados precisos de entrada para conjuntos fuzzy. Função de pertinência: ◦Ex.: Temperatura, x = 37º (valor crisp) ◦Conjuntos fuzzy = frio, morno, quente ◦mT(x) = Função de pertinência de x em T ◦mT(37º) = 0.2/frio, 0.4/morno, 0.8/quente
DEFUZZYFICAÇÃO É o contrário da fuzzificação, ao invés de transformar um dado quantitativo em um termo nebuloso, ele transforma o dado nebuloso em dado quantitativo. Consiste na interpretação das informações oriundas dos conjuntos fuzzy de saída, gerados no processo de inferência.
FUNÇÃO DE PERTINÊNCIA NA LÓGICA FUZZY Função de pertinência: ◦Ex.: Temperatura, x = 37º (valor crisp) ◦Conjuntos fuzzy = frio, morno, quente ◦mT(x) = Função de pertinência de x em T ◦mT(37º) = 0.2/frio, 0.4/morno, 0.8/quente.
Em quais tipos de sistemas indica-se o uso de Lógica Fuzzy ? Ar condicionados (Hitachi, Matsushita, Mitsubishi, Sharp) ◦Previne a grande variação da temperatura ao ser regulada e consume menos energia. Freios anti-trava (Nissan) ◦Controle dos freios em casos de perigo, baseado na velocidade e da aceleração do carro e da roda. Motor de carro (NOK/Nissan) ◦Controle da injeção do combustível e da ignição, através do controle do qunatidade de oxigênio, resfriamento da água, RPM, volume do combustível, ângulo da manivela, ruído, pressão dos tubos.
Explique as dimensões de uma RNA n/a
Exemplos de aplicações de RNA Reconhecimento automático de placas de veículos Exploração do uso de redes neurais na previsão do comportamento de ativos financeiros Aplicação de Redes Neurais Artificiais na Classificação de Padrões Posturais em Crianças Respiradoras Bucais e Nasais 
Quais os principais objetivos de treinamento de uma RNA? Aprender os dados de treinamento; Generalizar o aprendizado para dados não treinados; Critérios de parada.
Desenho de um Neurônio artificial
Explique funções de ativação Utiliza o resultado da função de entrada para definir se tais valores são esperados, ativando a unidade, ou inesperados, desativando-a.
Diferença entre RNA Feedfoward Redes Multicamadas “feedforward” Cada camada possui nós e cada nó está totalmente interligado por pesos com todos os nós da camada subsequente. O MLP transforma entradas em saídas por meio de alguma função não-linear Algoritmo de “Backpropagation” Passo 1: Inicializa pesos (aleatoriamente); Passo 2: Fornece entrada para a rede; Passo 3: Calcula saída da rede (yj); Passo 4: Compara saída da RN (yj) com a saída desejada (dj); Passo 5: Calcula erro na saída da RN; Passo 6: Corrige pesos de forma a minimizar erro da RN; Passo 7: Volta para Passo 2. É um algoritmo iterativo, baseado em busca gradiente, para otimização dos pesos da RN.
O que é o Bias? Bias é um parâmetro para ajustar a função, aumentando ou diminuindo a curva da função na região de transição na intenção de evitar valores indefinidos na amostragem. •Aumenta os graus de liberdade, permitindo uma melhor adaptação. •Este componente consiste em uma entrada com valor 1 ou -1. O bias permite que um neurônio apresente saída não nula ainda que todas as suas entradas sejam nulas.
O que constante de proporcionalidade? A constante de proporcionalidade - ou taxa de aprendizagem - controla a intensidade das alterações dos pesos: uma alta taxa de aprendizado acelera o processo, mas pode reduzir a capacidade de generalização da rede neural. •Consiste em uma constante no intervalo [0,1], garantindo que o procedimento de aprendizado tenha uma mudança proporcional no peso.
Show full summary Hide full summary

Similar

Inteligencia Artificial
Alceu Bernardino
Inteligencia Artificial
Erton Sotero
Relação de problemas de Hardware
Wesley Lemos
Ramos Inteligência Artificial
Wesley Lemos
Raciocínio Baseado em Caso
Wesley Lemos
Inteligencia Artificial - Parte I
Daniel Rodrigues8657
Redes neurais artificiais
Alceu Bernardino
DOGOLACHAN
cabresto asdf1
Inovação Tecnológica da Formação do Preço de Obras
Luiz Carvalho
Estrutura de Agentes
Luís Cleiton
Tecnologias na Educação
regina_aquino