ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε. Θέματα Εξετάσεων Εξεταστικής Σεπτεμβρίου στο μάθημα «ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ» ΔΙΔΑΣΚΩΝ: Δρ. Ηλ. Μηχ. & Τ.Υ. Αριστομένης Θανόπουλος Ημερομηνία: 12 / 2 / 2015 Οδηγίες: Συμπληρώνετε ονοματεπώνυμο ΚΑΙ πάνω στα Θέματα και τα παραδίδετε μέσα στην κόλλα σας. Μπορείτε να απαντήσετε σε όλα τα Θέματα (5). ΕΠΩΝΥΜΟ: ΟΝΟΜΑ ΑΜ: ΘΕΜΑ A1 (3.4Μ) Α) Αναπαραστήστε το νόημα των παρακάτω προτάσεων φυσικής γλώσσας σε προτάσεις Κατηγορηματικής Λογικής, χρησιμοποιώντας ένα συνεπές λεξιλόγιο κατηγορημάτων: 1. Ο Reagan ήταν ηθοποιός και πρόεδρος των ΗΠΑ. ηθοποιός(reagan) πρόεδρος(reagan,usa) 2. Κάθε φυτό χρειάζεται ήλιο και νερό. Χ φυτό(χ) χρειαζεται(χ,ήλιος χρειαζεται(χ,νερό) 3. Κάθε άνθρωπος έχει κάποιο φίλο. Χ ανθρωπος(χ) Υ, έχει_φίλο(χ,υ) 4. Ο πατέρας μου έχει μόνο ένα φίλο. Χ, έχει_φίλο(πατέρας(εγώ),χ) Υ (έχει_φίλο(πατέρας(εγώ),υ) Χ=Υ) 5. Όλα τα παπιά, εκτός από τον Σκρούτζ, έχουν ανάγκη κάποιον φίλο. Χ παπί(χ) Χ=σκρουτζ Υ χρειαζεται(χ,υ) έχει φίλο(χ,υ) Β) Στη συνέχεια μετατρέψτε τις σε κανονική συζευκτική μορφή χωρίς ποσοδείκτες χρησιμοποιώντας σταθερές και συναρτήσεις Skolem, όπου χρειάζεται. ΘΕΜΑ A2 (2Μ) A) Ποιά η διαφορά μεταξύ Μηχανικής Μάθησης υπό επίβλεψη (supervised learning) και χωρίς επίβλεψη (unsupervised learning); Για κάθε είδος μηχανικής μάθησης δώστε όσες τεχνικές γνωρίζετε. B) Ποιά η διαφορά μεταξύ της τεχνικής «Μάθηση βάσει περιπτώσεων» (Instance-based Learning ή Case-based Learning) από άλλες τεχνικές; Περιγράψτε κάποια συγκεκριμένη (δε χρειάζεται να αναφερθείτε σε κάποιον αλγόριθμο) για να δείξετε τη διαφορά. ΘΕΜΑ A3 (2Μ) Κατασκευάστε τον πίνακα αληθείας για κάθε μια από τις ακόλουθες προτάσεις: 1) ( Q P ) ( Q R ) 2) Q P ( Q R ) 3) P ( Q R ) P Αν για καθένα από τα P, Q, R η πιθανότητα να είναι αληθές ή ψευδές είναι 50%, ποιά από τις 3 προτάσεις (1), (2), (3) είναι πιθανότερο να είναι ψευδής και ποιά αληθής; Είναι κάποια από αυτές ταυτολογία ή αντίφαση; ΘΕΜΑ A4 (1.6Μ) Αν ισχύουν οι διπλανές προτάσεις: Αποδείξτε, με τη μέθοδο της απαγωγής σε άτοπο, ότι ισχύει και η παρακάτω: E E B E Α D Α Β C C D E
ΘΕΜΑ A5 (2M) Ένα σύστημα αναγνώρισης αντικειμένων μετρά τις τιμές 2 χαρακτηριστικών (x,y) για 7 αντικείμενα, και καταγράφει τις παρακάτω μετρήσεις: Α1(2,5), Α2(2,4), Α3(2,1), Α4(6,2), Α5(4,1), Α6(2,4), Α7(1,1). α) Αφού τα σχεδιάσετε στο επίπεδο, δείξτε το αποτέλεσμα της ιεραρχικής ομαδοποίησής τους (hierarchical clustering), χρησιμοποιώντας ως μέτρο απόστασης την απόσταση Manhattan (ή, αν δεν την γνωρίζετε, την Ευκλείδια απόσταση, προσεγγιστικά). β) Διακρίνετε ποιές είναι οι ομάδες, αν θεωρήσουμε ότι γνωρίζουμε τον αριθμό Ν των ομάδων. Απαντήστε για Ν=2, Ν=3 και Ν=4.
ΤΕΙ ΠΕΛΟΠΟΝΝΗΣΟΥ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε. Θέματα Εξετάσεων Εξεταστικής Σεπτεμβρίου στο μάθημα «ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ» ΔΙΔΑΣΚΩΝ: Δρ. Ηλ. Μηχ. & Τ.Υ. Αριστομένης Θανόπουλος Ημερομηνία: 12 / 2 / 2015 Οδηγίες: Συμπληρώνετε ονοματεπώνυμο ΚΑΙ πάνω στα Θέματα και τα παραδίδετε μέσα στην κόλλα σας. Μπορείτε να απαντήσετε σε όλα τα Θέματα (5). ΕΠΩΝΥΜΟ: ΟΝΟΜΑ ΑΜ: ΘΕΜΑ Β1 (3.4Μ, 5 από τις 6 προτάσεις) Α) Αναπαραστήστε το νόημα των παρακάτω προτάσεων φυσικής γλώσσας σε προτάσεις Κατηγορηματικής Λογικής, χρησιμοποιώντας ένα συνεπές λεξιλόγιο κατηγορημάτων: 1. Η Μαρία έχει φίλες τη Νίκη και την Ελένη. has_friend(maria,niki) has_friend(maria,helen) 2. Ο παππούς μου δεν έχει κανένα φίλο. Χ, has_friend(παππούς(εγώ),χ) 3. Ο Μπιλ έχει φίλους όλους τους φίλους των φίλων του. Χ Y has_friend(bill,χ) has_friend(x,y) has_friend(bill,y) 4. Κάθε άνθρωπος και κάθε ζώο χρειάζεται νερό και φαγητό. Χ φυτό(χ) χρειαζεται(χ,ήλιος χρειαζεται(χ,νερό) 5. Όλα τα παπιά έχουν ανάγκη κάποιον φίλο, αρκεί να μην είναι ο Σκρούτζ. Χ παπί(χ) Υ Y=σκρουτζ χρειαζεται(χ,friend_of(x)) έχει φίλο(χ,υ) Χ παπί(χ) Υ Y=σκρουτζ χρειαζεται(χ,υ) έχει φίλο(χ,υ) Β) Στη συνέχεια μετατρέψτε τις σε κανονική συζευκτική μορφή χωρίς ποσοδείκτες χρησιμοποιώντας σταθερές και συναρτήσεις Skolem, όπου χρειάζεται. ΘΕΜΑ Β2 (2Μ) A) Ποιά η διαφορά μεταξύ Μηχανικής Μάθησης υπό επίβλεψη (supervised learning) και χωρίς επίβλεψη (unsupervised learning); Για κάθε είδος μηχανικής μάθησης δώστε από δύο παραδείγματα προβλημάτων στα οποία μπορούμε να το εφαρμόσουμε. B) Ποιά η διαφορά μεταξύ της επαγωγικής συλλογιστικής και της απαγωγικής; Ποιά οδηγεί σε σίγουρα συμπεράσματα; Δώστε και παραδείγματα. ΘΕΜΑ Β3 (2Μ) Κατασκευάστε τον πίνακα αληθείας για κάθε μια από τις ακόλουθες προτάσεις: 1) ( A C ) ( A B) 2) A C (A B) 3) C ( A B ) C Αν για καθένα από τα A, B, C η πιθανότητα να είναι αληθές ή ψευδές είναι 50%, ποιά από τις 3 προτάσεις (1), (2), (3) είναι πιθανότερο να είναι ψευδής και ποιά αληθής; Είναι κάποια από αυτές ταυτολογία ή αντίφαση; ΘΕΜΑ Β4 (1.6Μ) Αν ισχύουν οι διπλανές προτάσεις: Αποδείξτε, με τη μέθοδο της απαγωγής σε άτοπο, ότι ισχύει και η παρακάτω: E E B E P D P Β C C D E
ΘΕΜΑ Β5 (2M) Ένα σύστημα αναγνώρισης αντικειμένων μετρά τις τιμές 2 χαρακτηριστικών (x,y) για 7 αντικείμενα, και καταγράφει τις παρακάτω μετρήσεις: Β1(2,2), Β2(3,5), Β3(3,2), Β4(7,3), Β5(5,2), Β6(3,5), Β7(3,6). α) Αφού τα σχεδιάσετε στο επίπεδο, δείξτε το αποτέλεσμα της ιεραρχικής ομαδοποίησής τους (hierarchical clustering), χρησιμοποιώντας ως μέτρο απόστασης την απόσταση Manhattan (ή, αν δεν την γνωρίζετε, την Ευκλείδια απόσταση, προσεγγιστικά). β) Διακρίνετε ποιές είναι οι ομάδες, αν θεωρήσουμε ότι γνωρίζουμε τον αριθμό Ν των ομάδων. Απαντήστε για Ν=2, Ν=3 και Ν=4.