Aufgabe 1 (Allgemeines)

Ähnliche Dokumente
Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur 1

Technische Universität Berlin Fakultät IV - Elektrotechnik und Informatik. Schriftlicher Test - Teilklausur

Einführung in die Methoden der Künstlichen Intelligenz. Klausurvorbereitung Überblick, Fragen,...

Grundlagen der KI + Reasoning Agents

Finden Sie eine Relation R und eine Menge A so dass

Operatoren für das Fach Mathematik

Übersicht. Prädikatenlogik höherer Stufe. Syntax der Prädikatenlogik 1. Stufe (mit Gleichheit)

Klausur Grundlagen der Künstlichen Intelligenz

Grundlagen der Theoretischen Informatik

Mathematik für Informatiker I

Klausur Algorithmen und Datenstrukturen

Modellierungsbeispiel Geräte

Probeklausur zur Vorlesung Modellierung. Wintersemester 2016/ Aufkleber der Klausuraufsicht -

Grundlagen der Programmierung

Einige Grundlagen der Komplexitätstheorie

Inhaltsverzeichnis. Inhaltsverzeichnis

Klausur zur Vorlesung Künstliche Intelligenz

MafI I: Logik & Diskrete Mathematik (F. Hoffmann)

Karlsruher Institut für Technologie. Klausur Algorithmen I

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

PO Mathematik 1 für Informatiker Vorlesung von Ao. Univ. Prof. Dr. Günther Karigl

Musterlösung der Klausur zur Vorlesung Logik für Informatiker

Tutoraufgabe 1 (Suchen in Graphen):

Software Engineering Ergänzung zur Vorlesung

Übungsblatt Nr. 5. Lösungsvorschlag

Übung zur Vorlesung Diskrete Mathematik (MAT.107) Blatt Beispiellösungen Abgabefrist:

Mathematische Grundlagen der Computerlinguistik I

Technische Universität Wien Institut für Computergraphik und Algorithmen Arbeitsbereich für Algorithmen und Datenstrukturen

Theoretische Informatik. nichtdeterministische Turingmaschinen NDTM. Turingmaschinen. Rainer Schrader. 29. April 2009

Aufgabe Mögliche Punkte Erreichte Punkte a b c d Σ a b c d Σ x1 12

Klausur Theoretische Informatik I WS 2004/2005

Grundlagen der Künstlichen Intelligenz

Hochschule Darmstadt Alte Logik-Klausur

Klausur Formale Systeme Fakultät für Informatik WS 2015/2016

Einführung in die Stochastik 6. Übungsblatt

Klausur zur Vorlesung Mathematische Logik

Klausur zur Vorlesung Grundbegriffe der Informatik 5. März 2014

SS Juli Übungen zur Vorlesung Logik Blatt 11

Grundlagen der Mathematik

Grundbegriffe für dreiwertige Logik

Logik. Gabriele Kern-Isberner LS 1 Information Engineering. TU Dortmund Wintersemester 2014/15 WS 2014/15

a) Folgender Graph ist durch seine Inzidenzmatrix gegeben! Zeichnen Sie ihn!

Injektiv, Surjektiv, Bijektiv

1.Aufgabe: Minimal aufspannender Baum

7. Dynamische Datenstrukturen Bäume. Informatik II für Verkehrsingenieure

Logik Vorlesung 4: Horn-Logik und Kompaktheit

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Logik für Informatiker

Wissensbasierte Systeme

Logik für Informatiker

Mathematik-Vorkurs für Informatiker Aussagenlogik 1

Übungen zu Logik und Künstliche Intelligenz Blatt 8

Künstliche Intelligenz

Stud.-Nummer: Datenstrukturen & Algorithmen Seite 1

Logik für Informatiker

3. Übung Künstliche Intelligenz

Einführung (1/3) Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (1) Vorlesungen zur Komplexitätstheorie.

Künstliche Intelligenz

Lösungen zur Vorlesung Berechenbarkeit und Komplexität

Eigenschaften der SLD-Resolution

Grundlagen der Logik

Prädikatenlogische Entscheidbarkeitsprobleme

Probeklausur Mathematische Logik

Diskrete Mathematik 1 WS 2008/09

Übung Theoretische Grundlagen

Injektiv, Surjektiv, Bijektiv

FORMALE SYSTEME. 23. Vorlesung: Logisches Schließen. TU Dresden, 16. Januar Markus Krötzsch Lehrstuhl Wissensbasierte Systeme

4 Färbungen Begriffe Komplexität Greedy-Algorithmus Knotenreihenfolgen Das 4-Farben-Problem...

Klausur Algorithmen und Datenstrukturen

Mathematische Grundlagen

Abschnitt 3.2: Der Satz von Ehrenfeucht

Hinführung zur Lernstandserhebung

Algorithmen und Datenstrukturen (Informatik II) SS Klausur

Logische und funktionale Programmierung

Klausur Algorithmen und Datenstrukturen

Motivation und Geschichte. Geschichte der Logik Logik und Informatik

Übungsblatt 2 Lösungen

Aufgabe 3. Sei A eine Menge von Zahlen und neg das Tripel. neg = (A, A, R) A = N A = Z A = R A = R \ {0} mod : N 0 N N 0

Prädikatenlogik. Übersicht: 1 Teil 1: Syntax und Semantik. 2 Teil 2: Normalformen und Grenzen der Prädikatenlogik 1. Stufe

Logik und Mengen. Hans spielt Tennis und Q : * Aussagen. Formalisieren Sie die folgenden Aussagen mit Hilfe von P :

Name:... Vorname:... Matr.-Nr.:... Studiengang:...

Aufgabe 1: MC (10 Punkte) wahr 1P, falsch 0P, keine Ahnung 0.5P. Jede Struktur hat mindestens eine Substruktur

Induktive Beweise und rekursive Definitionen

Transkript:

Klausur... Einführung in die Künstliche Intelligenz 1SS08 Aufgabe 1 (Allgemeines) (4 Punkte) a) In der Künstlichen Intelligenz unterscheidet man symbolische und subsymbolische Verfahren. Beschreibe diese Begriffe, nenne typische Eigenschaften der beiden Paradigmen und gib jeweils ein charakteristisches Beispiel für entsprechende Verfahren. (4 Punkte) 1 / 11 (1) Σ:

Klausur... Einführung in die Künstliche Intelligenz 2SS08 Aufgabe 2 (Agenten) (4 Punkte) a) Beschreibe die Bestimmungsstücke für das Design eines Agenten (Stichwort: PAGE). Erläutere diese an einem selbst gewählten Beispielszenario. (4 Punkte) 2 / 11 (2) Σ:

Klausur... Einführung in die Künstliche Intelligenz 3SS08 Aufgabe 3 (Suche) (15 Punkte) a) Gegeben sei der untenstehende Graph. Die Zahlen an den Kanten bezeichnen dabei deren Kosten. Gesucht sei ein billiger Weg von S nach Z. Zusätzlich sei die Heuristik h gegeben, die jedem Knoten K die Länge (d.h. die Anzahl der Kanten) des kürzesten Pfades nach Z zuordnet. Gib Protokolle für Suchläufe mit - uninformierter Breitensuche 2 A 1 B 1 S C - uninformierter Tiefensuche 1 2 - informierte Suche mit A* an! (9 Punkte) D 4 1 Z E /9 3 / 11

Klausur... Einführung in die Künstliche Intelligenz 4SS08 b) Ein Kriterium für Suchverfahren ist ob sie optimal sind. Gib eine Definition dafür! (2 Punkte) /2 c) Wie ist der Begriff optimistische Heuristik definiert? Gib ein Beispiel für eine optimistische Heuristik für ein Suchproblem Deiner Wahl! (4 Punkte) (3) Σ: /15 4 / 11

Klausur... Einführung in die Künstliche Intelligenz 5SS08 Aufgabe 4 (Constraints) (11 Punkte) a) Gib die Definitionen für die Begriffe k-konsistenz und starke k-konsistenz. (3 Punkte) /3 5 / 11

Klausur... Einführung in die Künstliche Intelligenz 6SS08 b) Alex, Britta und Christine möchten ein Geschenk für Sebastian kaufen. Christine muss noch ihre Mensakarte aufladen und kann höchstens 10 Euro beisteuern. Britta hat nur einen 5-Euro- Schein und zwei 2-Euro-Münzen. Alex möchte genau dreimal soviel wie Britta bezahlen, aber nicht mehr als Christine. Christine und Alex haben ausreichend 1-Euro-Münzen, aber keine Cent-Münzen. Wir wollen annehmen, dass die beteiligten Personen kein Geld untereinander wechseln. (8 Punkte) i) Formuliere die Problematik als Constraint Satisfaction Problem. ii) Zeichne den zugehörigen Constraint-Graph. iii) Zeichne den Graphen nochmals, nachdem Kantenkonsistenz hergestellt wurde. iv) Wieviele Lösungen hat das CSP? Falls Lösungen existieren, gib eine an. /8 6 / 11 (3) Σ: /11

Klausur... Einführung in die Künstliche Intelligenz 7SS08 Aufgabe 4 (Logik) (25 Punkte) a) Definiere folgende Begriffe und gib jeweils ein Beispiel: (6 Punkte) (i) Hornklausel (ii) Negationsnormalform (iii) Skolemnisierung /6 b) Fülle folgende Tabelle mit ja bzw. nein aus. (6 Punkte) Prädikatenlogik erster Stufe Aussagenlogik Beschreibungslogik einzelne Objekte sind referenzierbar ist entscheidbar Syntax enthält Variablen ist semientscheidbar /6 7 / 11

Klausur... Einführung in die Künstliche Intelligenz 8SS08 b) Beschreibe die Grundidee eines Widerlegungsbeweises? (2 Punkte) /2 c) Beweise mithilfe Resolution, dass aus der Aussagenmenge {A B, B C} die Aussage A C folgt! (4 Punkte) d) Fülle die folgende Tabelle aus: (7 Punkte) DL = Beschreibungslogik PL1 = Prädikatenlogik erster Stufe AL = Aussagenlogik Logik natürlichsprachliche Aussage logische Formel DL Jede Mutter hat ein Kind. PL1 AL Es gibt einen Profesor, der alle Studenten kennt. Wenn es regnet, ist es nicht sonnig. x y((säure(x) base(y)) neutralisiert(x,y)) GlücklicherVater hattochter. hatehemann.treu niederschlag (kalt regen) /7 8 / 11 (5) Σ: /25

Klausur... Einführung in die Künstliche Intelligenz 9SS08 Aufgabe 5 (Maschinelles Lernen) (16 Punkte) a) Erkläre die folgenden Begriffe: (4 Punkte) Hypothesenraum Versionsraum b) Erkläre das Problem des Overfittings (Überanpassung). Beschreibe, wie sich dem entgegenwirken lässt. (4 Punkte) 9 / 11

Klausur... Einführung in die Künstliche Intelligenz 10SS08 c) Wieso lässt sich die XOR-Funktion nicht mithilfe eines einfachen Perzeptrons darstellen? Wie wird das Problem behoben? (4 Punkte) Beschreibe die allgemeine Funktionsweise von genetischen Algorithmen. (4 Punkte) (5) Σ: /16 10 / 11

11 Klausur Einführung in die Künstliche Intelligenz SS08 Aufgabe 6 (Unsicheres Wissen) (6 Punkte) In einer Vorlesung haben 20% der Studenten alle Übungsblätter bearbeitet. Weiterhin ist bekannt, dass 10% der Studenten, die sämtliche Übungsblätter bearbeitet haben, die Klausur nicht bestanden haben, während 45% derjenigen, die nicht alle Übungsblätter bearbeitet haben, die Klausur trotzdem bestanden haben. Gib für die folgenden Berechnungen die Lösungswege an. a) Wieviel Prozent der Studenten haben die Klausur bestanden? b) Erwin hat die Klausur bestanden. Mit welcher Wahrscheinlichkeit hat er alle Übungsblätter bearbeitet? 11 / 11 (6) Σ: /6