Opgave 2 ( = 12 ptn.)
|
|
- Marcella Baert
- 5 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Deel II Opgave 1 ( = 12 ptn.) a) Beschouw bovenstaande game tree waarin cirkels je eigen zet representeren en vierkanten die van je tegenstander. Welke waarde van de evaluatiefunctie komt uiteindelijk in de wortel (bovenste knoop) terecht als je standaard Minimax toepast? b) Veronderstel nu dat je gebruik maakt van α-β-pruning. Welke waarde van de evaluatiefunctie komt dan in de wortel terecht? Licht je antwoord kort toe. c) Beschouw een spel met twee spelers die tegelijkertijd moeten beslissen over hun actie. De uitkomsten van het spel (speler 1, speler 2) zijn gegeven in de linker tabel. Geef in de rechter tabel aan welke Nash equilibria dit spel kent. (Gebruik T (true) als het een evenwicht betreft en F (false) als het géén evenwicht betreft.) Speler 2 X Y Speler 1 A 10, 10 0, 10 Nash evenwichten? (A, X) (A, Y ) (B, X) (B, Y ) B 10, 0 10, 10 T/F Opgave 2 ( = 12 ptn.) Beschouw een evolutionair algoritme waarin de huidige populatie van N = 1000 individuën een totale fitness heeft van f tot = N j=1 f(j) = 375, waarbij alle f(j) 0. Stel dat in de parent selection fase tevens N individuën worden geselecteerd. a) Stel dat voor parent selection fitness proportionate selection wordt gebruikt. Hoe vaak zal een individu i met fitness f(i) = 30 in de parent pool voor komen? (Bij keuze voor A of B moet ook het correcte aantal ingevuld worden; keuze C moet toegelicht worden.) A. Het exacte aantal keer dat i voorkomt is: B. Het te verwachten aantal keer dat i voorkomt is: C. We missen de volgende gegevens om dit voor deze selectiemethode vast te stellen: 4
2 b) Noem een nadeel van fitness proportionate selection. c) Beschouw strings x = abcdef bestaande uit 6 gehele cijfers tussen 0 en 9. De fitness functie is gedefinieerd als f(x) = (a + b) (c + d) + (e + f). Geef de fitness waarde van de twee onderstaande strings; geef tevens de string die de optimale oplossing vertegenwoordigt met fitness waarde 36. x f(x) 36 Opgave 3 ( = 13 ptn.) Je bent bezig met het bouwen van een planningssysteem voor verschillende taken. Ten behoeve hiervan wil je een beslisboom (decision tree) met ID3 leren uit data die een reeks taken classificeert naar urgentie (variabele U). Taak 1 Taak 2 Taak 3 U y n n level 1 y n y level 2 y y n level 2 y n y level 1 y y y level 5 n y n level 1 Entropy(S) = log 2 p = log 10 p log 10 2 n p(i) log 2 p(i) i=1 indien nodig : 0 log 0 = 0 a) Bereken de entropy voor variabele U op basis van bovenstaande data. Geef de gevonden waarde, in tenminste 3 cijfers achter de komma: A. 1,525 B. 1,459 C. 1,395 D. 1,219 E. iets anders, namelijk: b) Stel dat de conditionele entropiën voor U gegeven de waarden van Taak 1 als volgt zijn: 1, 52 voor y en 0 voor n. Bereken de verwachte entropy bij het splitsen op Taak 1, en de bijbehorende Gain: Verwachte entropy: Gain: 5
3 c) Zal ID3 Taak 1 als wortel van de decision tree kiezen? Licht je antwoord duidelijk toe. (NB je hoeft voor deze vraag geen (extra) berekeningen uit te voeren; en ook zonder een antwoord op vraag b) zijn er met deze opgave punten te verdienen!) Opgave 4 ( = 11 ptn.) Bereken de volgende kansen uit bovenstaand Bayesiaans netwerk. Geef antwoorden in tenminste 2 cijfers achter de komma. a) P (A = false, B = true, C = true) = b) P (B = true, C = true) = c) Wat is de meest waarschijnlijke waarde van A gegeven zowel B = true als C = true? Licht je antwoord duidelijk toe. 6
4 Opgave 5 (4 + 6 = 10 ptn.) Beschouw het volgende neurale netwerk, waarbij x 1 en x 2 binaire inputs zijn. Elk neuron N, (N {3, 4}), past een activatiefunctie met drempelwaarde (threshold) θ N toe op zijn gewogen inputs; gewichten worden aangeduid met w j, j = 1,..., 5. a) Veronderstel dat w 1 = 1, w 2 = 2 en w 3 = 1 en dat neuron 4 de step-function als activatiefunctie gebruikt met drempelwaarde θ 4 = Veronderstel bovendien dat de output van neuron 3 is zoals in onderstaande tabel. Geef voor alle inputparen x 1, x 2 de output y: output output y x 1 x 2 neuron 3 (neuron 4) b) Veronderstel dat zowel neuron 3 als neuron 4 een ouput van 1 geeft als de gewogen som van hun inputs 0.5 is, en anders output 0. Voor welke combinatie van gewichten modelleert het neurale netwerk de logische XOR? Licht je antwoord duidelijk toe. A. w 1 = 1, w 2 = 1, w 3 = 2, w 4 = 1, w 5 = 1 B. w 1 = 1, w 2 = 1, w 3 = 1, w 4 = 2, w 5 = 1 C. w 1 = 1, w 2 = 1, w 3 = 2, w 4 = 2, w 5 = 1 D. Een andere combinatie van gewichten is nodig om een XOR te modelleren. E. Geen enkele combinatie van gewichten kan in dit neurale netwerk een XOR opleveren. 7
5 Opgave 6 ( = 12 ptn.) Beschouw een aanvallende voetbal-robot. Vanuit positie 1,2 of 3 kan hij besluiten te schieten (S) of te dribbelen (D); vanaf positie 4 kan hij alleen schieten. Als hij schiet dan eindigt de bal in het doel ( state G) of het doel wordt gemist ( state M). Als hij succesvol dribbelt dan komt hij 1 positie vooruit; als hij de bal verliest eindigt hij weer in M. Dit probleem kent 6 toestanden: de posities P k, k {1, 2, 3, 4}, en de terminal states G en M. De robot gebruikt reinforcement learning om een policy te leren. Veronderstel dat de robot 3 epochs/episodes getraind heeft en de volgende ervaringen < s, a, r, s > heeft opgedaan: Epoch 1: < P 1, D, 0, P 2 >, < P 2, D, 0, P 3 >, < P 3, D, 0, M > Epoch 2: < P 1, D, 0, M > Epoch 3: < P 1, D, 0, P 2 >, < P 2, D, 0, P 3 >, < P 3, D, 0, P 4 >, < P 4, S, 1, G > Veronderstel allereerst dat de robot Direct Evaluation ( reward to go ) gebruikt en een vaste policy π heeft. a) Stel de discount factor γ = 1, 00. Geef voor alle non-terminal states de waarden V π (s) na afloop van de 3 epochs. Gebruik breuken of tenminste 3 cijfers achter de komma: V π (s) s P 1 P 2 P 3 P 4 b) Stel de discount factor is nu γ = 0, 75. Geef voor alle non-terminal states de waarden V π (s) na afloop van de 3 epochs, in breuken of tenminste 3 cijfers achter de komma: V π (s) s P 1 P 2 P 3 P 4 Veronderstel nu dat de robot Q-learning gebruikt. c) Zet vinkjes in onderstaande tabel bij de combinaties van acties a en states s waarvan de Q(s, a) paren na de ervaringen van het eerste epoch, Epoch 1, zijn ge-update. (NB je hoeft geen Q-waarden te berekenen!) S D P 1 P 2 P 3 P 4 8
Tentamen Kunstmatige Intelligentie (INFOB2KI)
Tentamen Kunstmatige Intelligentie (INFOB2KI) 30 januari 2014 10:30-12:30 Vooraf Mobiele telefoons dienen uitgeschakeld te zijn. Het tentamen bestaat uit 7 opgaven; in totaal kunnen er 100 punten behaald
Nadere informatieTentamen Kunstmatige Intelligentie (INFOB2KI)
Tentamen Kunstmatige Intelligentie (INFOB2KI) 12 december 2014 8:30-10:30 Vooraf Mobiele telefoons en dergelijke dienen uitgeschakeld te zijn. Het eerste deel van het tentamen bestaat uit 8 multiple-choice
Nadere informatieTentamen Kunstmatige Intelligentie
Naam: Studentnr: Tentamen Kunstmatige Intelligentie Department of Information and Computing Sciences Opleiding Informatica Universiteit Utrecht Donderdag 2 februari 2012 08.30 10:30, EDUCA-ALFA Vooraf
Nadere informatieOpen vragen. Naam:...
Tentamen IAS. Vrijdag 29 juni 2012 om 13.30-16.30 uur, zaal: RUPPERT-40. 1 Naam:............................................................................................................. Collegekaart-nummer:...........................
Nadere informatieToets Kunstmatige Intelligentie (INFOB2KI)
Toets Kunstmatige Intelligentie (INFOB2KI) 30 januari 2015 11:00-13:00 MC I II T Vooraf Mobiele telefoons en dergelijke dienen uitgeschakeld te zijn. Het eerste deel van het tentamen bestaat uit 10 multiple-choice
Nadere informatie1 als x y = 0, = (t j o j )o j (1 o j )x ji.
Tentamen IAS. Vrijdag 1 Juli 2011 om 13.30-16.30 uur, zaal: EDUC-α 1 Dit tentamen duurt 3 uur. Er zijn 20 vragen, waarvan 4 open vragen en 16 meerkeuze. Het is verboden literatuur, aantekeningen, een programmeerbare
Nadere informatieFriendly Functions and Shared BDD s
Friendly Functions and Shared BDD s Bob Wansink 19 Juni 2010 Deze notitie behandelt pagina s 81 tot 84 van The Art of Computer Programming, Volume 4, Fascicle 1 van Donald E. Knuth. Inhoudelijk gaat het
Nadere informatieTentamen in2205 Kennissystemen
TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechniek, Wiskunde en Informatica Tentamen in2205 Kennissystemen 21 Januari 2010, 14:0017:00 Dit tentamen heeft 5 meerkeuzevragen in totaal goed voor 10 punten
Nadere informatieOpgaven Kunstmatige intelligentie 4 mei 2012
Opgaven Kunstmatige intelligentie 4 mei 2012 Opgave 28. (opgave tentamen 12 augustus 2002) Stel dat we een handelsreizigersprobleem op willen lossen, en dat we dat met een genetisch algoritme willen doen.
Nadere informatieOpen vragen. Veel succes!
Tent. IAS wo 30-Jul-2010, tijd: 13:30-16:30 uur, zaal: EDUC-β 1 Dit tentamen duurt 3 uur. Er zijn 20 vragen, waarvan 4 open vragen en 16 meerkeuze. Het is verboden literatuur, aantekeningen, een programmeerbare
Nadere informatieCombinatorische Algoritmen: Binary Decision Diagrams, Deel III
Combinatorische Algoritmen: Binary Decision Diagrams, Deel III Sjoerd van Egmond LIACS, Leiden University, The Netherlands svegmond@liacs.nl 2 juni 2010 Samenvatting Deze notitie beschrijft een nederlandse
Nadere informatie1 als x y = 0, A B C D E F. = (t j o j )o j (1 o j )x ji.
Tentamen IAS. Vrijdag 1 Juli 2011 om 13.30-16.30 uur, zaal: EDUC-α 1 Dit tentamen duurt 3 uur. Er zijn 20 vragen, waarvan 4 open vragen en 16 meerkeuze. Het is verboden literatuur, aantekeningen, een programmeerbare
Nadere informatieOnafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms
Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms Giso Dal (0752975) Pagina s 5 7 1 Deelverzameling Representatie
Nadere informatieInleiding Adaptieve Systemen Hoofdstuk X: Reinforcement leren
Inleiding Adaptieve Systemen Hoofdstuk X: Reinforcement leren Cursusjaar 2012-2013 Gerard Vreeswijk β-faculteit, Departement Informatica en Informatiekunde, Leerstoelgroep Intelligente Systemen 21 juni
Nadere informatiesucces. Door steeds opnieuw toernooien te blijven spelen evolueert de populatie. We kunnen dit doen onder ideale omstandigheden,
Inleiding Adaptieve Systemen deel 2, 25 juni 2014, 13.30-16.30, v. 1 Er is op vrijdag 27 juni nog een practicumsessie! De aanvullende toets is op 4 juli, 13-15 uur. Competitie en cooperatie 1. Bekijk de
Nadere informatieOpgaven Kunstmatige Intelligentie 1 maart 2017
Opgaven Kunstmatige Intelligentie 1 maart 2017 Opgave 1. a. Denkt een schaakprogramma? b. Denkt een (Nederlands-Engels) vertaalprogramma? c. Denkt een C ++ -compiler? d. Denkt Watson, the IBM-computer
Nadere informatieOpgaven Kunstmatige intelligentie 2 mei 2018
Opgaven Kunstmatige intelligentie 2 mei 2018 Opgave 18. (opgave van tentamen 25 juni 2008) We spelen het volgende tweepersoons spel met vier munten, met waarden 10, 20, 30 en X cent, met X > 30. Speler
Nadere informatieUitwerking tentamen Algoritmiek 9 juni :00 17:00
Uitwerking tentamen Algoritmiek 9 juni 2015 14:00 17:00 1. Clobber a. Toestanden: m x n bord met in elk hokje een O, een X of een -. Hierbij is het aantal O gelijk aan het aantal X of er is hooguit één
Nadere informatieTentamen in2205 Kennissystemen
TECHNISCHE UNIVERSITEIT DELFT Faculteit Elektrotechniek, Wiskunde en Informatica Tentamen in2205 Kennissystemen 21 Januari 2008, 14:00 17:00 Het gebruik van boek of aantekeningen tijdens dit tentamen is
Nadere informatieUitwerkingen opgaven Kunstmatige intelligentie
Uitwerkingen opgaven Kunstmatige intelligentie Opgave 8 (1.6.2001) e. Uiteindelijk wordt onderstaande boom opgebouwd. Knopen die al eerder op een pad voorkwamen worden niet aangegeven, er zijn dus geen
Nadere informatieToets deel 2 Data-analyse en retrieval Vrijdag 1 Juli 2016:
Toets deel 2 Data-analyse en retrieval Vrijdag 1 Juli 2016: 11.00-13.00 Algemene aanwijzingen 1. Het is toegestaan een aan beide zijden beschreven A4 met aantekeningen te raadplegen. 2. Het is toegestaan
Nadere informatieDiscrete Structuren. Piter Dykstra Sietse Achterop Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Sietse Achterop Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 3 maart 2008 GRAFEN & BOMEN Paragrafen 6.1-6.4 Discrete Structuren
Nadere informatieHoofdstuk 18,19.1,21.1/3,17.1/2 Russell/Norvig = [RN] Leren
AI Kunstmatige Intelligentie (AI) Hoofdstuk 18,19.1,21.1/3,17.1/2 Russell/Norvig = [RN] Leren voorjaar 2016 College 10, 26 april 2016 www.liacs.leidenuniv.nl/ kosterswa/ai/ 1 Introductie Er zijn vele soorten
Nadere informatieOude tentamens Kunstmatige intelligentie Universiteit Leiden Informatica 2005
Oude tentamens Kunstmatige intelligentie Universiteit Leiden Informatica 2005 Opgave 1. A* (20/100 punten; tentamen 1 juni 2001) a. (5 punten) Leg het A*-algoritme uit. b. (2 punten) Wanneer heet een heuristiek
Nadere informatieX1 X2 T c i = (d y)x i. c i,nieuw = c i,oud + (d y) x i. w nieuw. = w oud
Tent. IAS ma 22-6-2009, tijd: 13.15-16.15 uur, zaal: EDUC-α, deeltent. 2 van 2 Versie C 1 Welkom. Dit tentamen duurt 3 uur en telt 20 vragen: 4 open vragen en 16 meerkeuzevragen. Wel: rekenmachine. Niet:
Nadere informatieUitwerking tentamen Algoritmiek 10 juni :00 13:00
Uitwerking tentamen Algoritmiek 10 juni 2014 10:00 13:00 1. Dominono s a. Toestanden: n x n bord met in elk hokje een O, een X of een -. Hierbij is het aantal X gelijk aan het aantal O of hooguit één hoger.
Nadere informatieOpen vragen. Naam:...
Tentamen IAS. Vrijdag 28 juni 2013 om 13.30-16.30 uur, zaal: EDUC-β. Versie D 1 Naam:............................................................................................................. Collegekaart-nummer:...........................
Nadere informatieDiscrete Structuren. Piter Dykstra Opleidingsinstituut Informatica en Cognitie
Discrete Structuren Piter Dykstra Opleidingsinstituut Informatica en Cognitie www.math.rug.nl/~piter piter@math.rug.nl 23 februari 2009 GRAFEN & BOMEN Paragrafen 6.1-6.4 Discrete Structuren Week 3 en 4:
Nadere informatieTECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Beknopte uitwerking Examen Neurale Netwerken (2L490) d.d. 11-8-2004.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Beknopte uitwerking Eamen Neurale Netwerken (2L490) d.d. 11-8-2004. 1. Beschouw de volgende configuratie in het platte vlak. l 1 l 2
Nadere informatieExamen Algoritmen en Datastructuren III
Derde bachelor Informatica Academiejaar 2008 2009, eerste zittijd Examen Algoritmen en Datastructuren III Naam :.............................................................................. Stellingen
Nadere informatieSchriftelijke zitting Systeem- en regeltechniek 2 (WB2207) 31 januari 2008 van 9:00 tot 12:00 uur
Schriftelijke zitting Systeem- en regeltechniek 2 (WB227) 31 januari 28 van 9: tot 12: uur Onderstaande aanwijzingen nauwkeurig lezen. Vul op het voorblad uw naam, voorletters, studienummer en opleiding
Nadere informatieTrillingen en geluid wiskundig
Trillingen en geluid wiskundig 1 De sinus van een hoek 2 Radialen 3 Uitwijking van een harmonische trilling 4 Macht en logaritme 5 Geluidsniveau en amplitude 1 De sinus van een hoek Sinus van een hoek
Nadere informatie5 keer beoordeeld 4 maart Wiskunde H6, H7, H8 Samenvatting
4,4 Samenvatting door Syb 954 woorden 5 keer beoordeeld 4 maart 2018 Vak Wiskunde Methode Getal en Ruimte Wiskunde H6, H7, H8 Samenvatting HOOFDSTUK 6 Procenten, Diagrammen en Kansrekening (10 en 100 zijn
Nadere informatieHertentamen Biostatistiek 3 / Biomedische wiskunde
Hertentamen Biostatistiek 3 / Biomedische wiskunde 2 juni 2014; 18:30-20:30 NB. Geef een duidelijke toelichting bij de antwoorden. Na correctie liggen de tentamens ter inzage bij het onderwijsbureau. Het
Nadere informatieOver Betuwe College. Lego Mindstorm project
Inhoudsopgave 1 Zoeken op vragen.... 3 2 Regelen en sturen.... 3 2.1 Een Flag / signaal... 3 2.2 De motor.... 3 2.3 Verplaatsen.... 4 2.4 Omwentelingen meten... 6 2.5 Licht.... 7 2.6 Variabele.... 7 2.6.1
Nadere informatieProefToelatingstoets Wiskunde B
Uitwerking ProefToelatingstoets Wiskunde B Hulpmiddelen :tentamenpapier,kladpapier, een eenvoudige rekenmachine (dus geen grafische of programmeerbare rekenmachine) De te bepalen punten per opgave staan
Nadere informatieKunstmatige Intelligentie (AI) Hoofdstuk 18.7 van Russell/Norvig = [RN] Neurale Netwerken (NN s) voorjaar 2016 College 9, 19 april 2016
AI Kunstmatige Intelligentie (AI) Hoofdstuk 18.7 van Russell/Norvig = [RN] Neurale Netwerken (NN s) voorjaar 2016 College 9, 19 april 2016 www.liacs.leidenuniv.nl/ kosterswa/ai/ 1 Hersenen De menselijke
Nadere informatieBayesiaans leren. Les 2: Markov Chain Monte Carlo. Joris Bierkens. augustus Vakantiecursus 1/15
Bayesiaans leren Les 2: Markov Chain Monte Carlo Joris Bierkens Vakantiecursus augustus 209 /5 Samenvatting en vooruitblik Veel statistische problemen kunnen we opvatten in een Bayesiaanse context n π(θ)
Nadere informatieTentamen Data Mining. Algemene Opmerkingen. Opgave L. Korte vragen (L6 punten) Tijd: 14:00-17:00. Datum: 4januai20l6
Tentamen Data Mining Datum: 4januai2l6 Tijd: 4: - 7: Algemene Opmerkingen e Dit is geen open boek tentamen, noch mogen er aantekeningen gebruikt worden. o Laat bij het uitvoeren van berekeningen zien hoeje
Nadere informatieUitwerking tentamen Algoritmiek 9 juli :00 13:00
Uitwerking tentamen Algoritmiek 9 juli 0 0:00 :00. (N,M)-game a. Toestanden: Een geheel getal g, waarvoor geldt g N én wie er aan de beurt is (Tristan of Isolde) b. c. Acties: Het noemen van een geheel
Nadere informatieOplossingen Datamining 2II15 Juni 2008
Oplossingen Datamining II1 Juni 008 1. (Associatieregels) (a) Zijn de volgende beweringen juist of fout? Geef een korte verklaring voor alle juiste beweringen en een tegenvoorbeeld voor alle foute be-weringen:
Nadere informatiewiskunde B pilot havo 2015-II
wiskunde B pilot havo 05-II Veilig vliegen De minimale en de maximale snelheid waarmee een vliegtuig veilig kan vliegen, zijn onder andere afhankelijk van de vlieghoogte. Deze hoogte wordt vaak weergegeven
Nadere informatieModeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag 11 Januari 2013
Modeluitwerking Tentamen Computationele Intelligentie Universiteit Leiden Informatica Vrijdag Januari 20 Opgave. Python Gegeven is de volgende (slechte) Python code:. def t(x): 2. def p(y):. return x*y
Nadere informatieGrafen en BFS. Mark Lekkerkerker. 24 februari 2014
Grafen en BFS Mark Lekkerkerker 24 februari 2014 1 Grafen Wat is een graaf? Hoe representeer je een graaf? 2 Breadth-First Search Het Breadth-First Search Algoritme Schillen De BFS boom 3 Toepassingen
Nadere informatieBayesiaans leren. Les 2: Markov Chain Monte Carlo. Joris Bierkens. augustus Vakantiecursus 1/15
Bayesiaans leren Les 2: Markov Chain Monte Carlo Joris Bierkens Vakantiecursus augustus 2019 1/15 Samenvatting en vooruitblik Veel statistische problemen kunnen we opvatten in een Bayesiaanse context n
Nadere informatiewiskunde B havo 2015-II
Veilig vliegen De minimale en de maximale snelheid waarmee een vliegtuig veilig kan vliegen, zijn onder andere afhankelijk van de vlieghoogte. Deze hoogte wordt vaak weergegeven in de Amerikaanse eenheid
Nadere informatieZelftest Inleiding Programmeren
Zelftest Inleiding Programmeren Document: n0824test.fm 22/01/2013 ABIS Training & Consulting P.O. Box 220 B-3000 Leuven Belgium TRAINING & CONSULTING INLEIDING BIJ DE ZELFTEST INLEIDING PROGRAMMEREN Deze
Nadere informatieStelling. SAT is NP-compleet.
Het bewijs van de stelling van Cook Levin zoals gegeven in het boek van Sipser gebruikt niet-deterministische turing machines. Het is inderdaad mogelijk de klasse NP op een alternatieve wijze te definiëren
Nadere informatieControle structuren. Keuze. Herhaling. Het if statement. even1.c : testen of getal even of oneven is. statement1 statement2
Controle structuren De algemene vorm: 1 bloks door middel van indentatie Keuze Herhaling if expressie :...... In de volgende vorm is het else gedeelte weggelaten: if expressie :... Het if keuze- of conditioneel
Nadere informatieHopfield-Netwerken, Neurale Datastructuren en het Nine Flies Probleem
Hopfield-Netwerken, Neurale Datastructuren en het Nine Flies Probleem Giso Dal (0752975) 13 april 2010 Samenvatting In [Kea93] worden twee neuraal netwerk programmeerprojecten beschreven, bedoeld om studenten
Nadere informatieOver binaire beslissingsdiagrammen naar Donald E. Knuth s The Art of Computer Programming, Volume 4
Over binaire beslissingsdiagrammen naar Donald E. Knuth s The Art of Computer Programming, Volume 4 Jonathan K. Vis 1 Inleiding (blz. 70 72) In dit essay behandelen we bladzijden 70 75 van Donald E. Knuth
Nadere informatieAI Kaleidoscoop. College 12: Subsymbolische methoden. Twee scholen. Leeswijzer: Performance cliff (2) Performance cliff
AI Kaleidoscoop College 2: Subsymbolische methoden Neurale Netwerken Genetische Algorithmen Leeswijzer:.-.3 + 2. AI2 Twee scholen Physical Symbol systems = formele operaties op symbool-structuren, geïnspireerd
Nadere informatieKunstmatige Intelligentie (AI) Hoofdstuk van Russell/Norvig = [RN] Genetische algoritmen. voorjaar 2016 College 11, 3 mei 2016
AI Kunstmatige Intelligentie (AI) Hoofdstuk 4.1.4 van Russell/Norvig = [RN] Genetische algoritmen voorjaar 2016 College 11, 3 mei 2016 www.liacs.leidenuniv.nl/ kosterswa/ai/ 1 Introductie Er zijn allerlei
Nadere informatieLabo IDP. In dit labo gaan we IDP gebruiken voor het analyseren van logische circuits. XOR Q AND. Figuur 1: Een logisch circuit.
Labo IDP In dit labo gaan we IDP gebruiken voor het analyseren van logische circuits. K L A XOR N B XOR P M D AND Q AND C O OR E R R Tuesday 15 December 2009 Figuur 1: Een logisch circuit. Veronderstel
Nadere informatieTentamen Inleiding Speltheorie 29-10-2003
entamen Inleiding Speltheorie 9-0-003 Dit tentamen telt 5 opgaven die in 3 uur moeten worden opgelost. Het maximaal te behalen punten is 0, uitgesplitst naar de verschillende opgaven. Voor het tentamencijfer
Nadere informatieˆ het voorkomen van bepaalde woorden in de body van de mail,
Opdracht 1: Bayesiaanse Spam Filter Het doel van deze opdracht is het ontwerpen van een eenvoudige spam filter op basis van een Bayesiaans Netwerk. Je zal het model implementeren in Netica en het toepassen
Nadere informatiePYTHON REEKS 1: BASICS. Mathias Polfliet
PYTHON REEKS 1: BASICS Mathias Polfliet mpolflie@etrovub.be EENVOUDIGE REKENMACHINE 2 soorten getallen Getallen Z -> integers (gehele getallen) Getallen R -> floating points (reële getallen) Door beperkte
Nadere informatie3.1 Kwadratische functies[1]
3.1 Kwadratische functies[1] Voorbeeld 1: y = x 2-6 Invullen van x = 2 geeft y = 2 2-6 = -2 In dit voorbeeld is: 2 het origineel; -2 het beeld (of de functiewaarde) y = x 2-6 de formule. Een functie voegt
Nadere informatieVU University Amsterdam 2018, Maart 27
Department of Mathematics Exam: Voortgezette biostatistiek VU University Amsterdam 2018, Maart 27 c Dept. of Mathematics, VU University Amsterdam NB. Geef een duidelijke toelichting bij de antwoorden.
Nadere informatieExamen Datastructuren en Algoritmen II
Tweede bachelor Informatica Academiejaar 2005 2006, eerste zittijd Examen Datastructuren en Algoritmen II Naam :.............................................................................. 1. Splaybomen
Nadere informatieHandleiding BreakEven Calculator Door Thomas Vulsma
Handleiding BreakEven Calculator Door Thomas Vulsma Introductie Deze handleiding geeft een korte inleiding tot de werking en het gebruik van de BreakEven Calculator. Met een paar simpele stappen leert
Nadere informatieRekenen aan wortels Werkblad =
Rekenen aan wortels Werkblad 546121 = Vooraf De vragen en opdrachten in dit werkblad die vooraf gegaan worden door, moeten schriftelijk worden beantwoord. Daarbij moet altijd duidelijk zijn hoe de antwoorden
Nadere informatieActief gedeelte - Maken van oefeningen
Actief gedeelte - Maken van oefeningen Algebra Oefening 1 Gegeven is de ongelijkheid: 4 x 2. Welke waarden voor x voldoen aan deze ongelijkheid? (A) x 2 (B) x 2 [ ] 4 (C) x, 2 [ ] 2 (D) x, 2 Oefening 2
Nadere informatiewww. voetbaltrainer.be
www. voetbaltrainer.be Leidraad leeftijdscategorie 9- jarigen trainingscursus deel seizoensgebonden trainingen trainingssessies Leden Voetbaltrainer = gratis De cursus zal op de website staan Niet leden
Nadere informatieSchriftelijke zitting Systeem- en regeltechniek 2 (WB2207) 31 oktober 2006 van 14:00 tot 17:00 uur
Schriftelijke zitting Systeem- en regeltechniek 2 (WB2207) 31 oktober 2006 van 14:00 tot 17:00 uur Onderstaande aanwijzingen nauwkeurig lezen. Vul op het voorblad uw naam, voorletters, studienummer en
Nadere informatieVerwachtingswaarde, Variantie en Standaarddeviatie
Verwachtingswaarde, Variantie en Standaarddeviatie Wisnet-hbo Verwachtingswaarde update maart 200 De verwachtingswaarde van een kansvariabele is een soort gemiddelde waarde. Deze wordt aangeduid met E(k)
Nadere informatie1. REGELS VAN DEELBAARHEID.
REKENEN VIJFDE KLAS Luc Cielen 1. REGELS VAN DEELBAARHEID. Deelbaarheid door 10, 100, 1000 10: het laatste cijfer (= cijfer van de eenheden) is 0 100: laatste twee cijfers zijn 0 (cijfers van de eenheden
Nadere informatieTentamen Data Mining
Tentamen Data Mining Algemene Opmerkingen Dit is geen open boek tentamen, noch mogen er aantekeningen gebruikt worden. Laat bij het uitvoeren van berekeningen zien hoe je aan een antwoord gekomen bent.
Nadere informatieConstanten. Variabelen. Expressies. Variabelen. Constanten. Voorbeeld : varid.py. een symbolische naam voor een object.
een symbolische naam voor een object. Variabelen Constanten Variabelen Expressies naam : geeft de plaats in het geheugen aan waarde : de inhoud van het object identifier : een rij van letters en/of cijfers
Nadere informatieZoekproblemen met tegenstanders. Zoekalgoritmen ( ) College 9: Zoeken met een tegenstander (I) Een zoekprobleem met een tegenstander
Zoekproblemen met tegenstanders Zoekalgoritmen (29 2) College 9: Zoeken met een tegenstander (I) Dirk Thierens, Tekst: Linda van der Gaag Zoekproblemen met meer dan één partij worden gekenmerkt door interventies
Nadere informatieEindexamen wiskunde B 1-2 vwo 2002-II
Eindexamen wiskunde B 1-2 vwo 2002-II ppervlakte Gegeven is de functie f ( x) = x 1. De lijn k raakt aan de grafiek van f in het punt (10, 3). Zie figuur 1. figuur 1 y k 1 1 f x 5p 1 Stel met behulp van
Nadere informatiePingelvormen: 1. Oversteekspel. 2. Instructie pingelen. 3. Het pingel schiet spel. 4. Drieluik spel. 5. Duel 1 tegen 1. 6.
Pingelvormen: 1. Oversteekspel 2. Instructie pingelen 3. Het pingel schiet spel 4. Drieluik spel 5. Duel 1 tegen 1 6. Chaos pingel spel 7. Douanespel 8. Pingelspel 1 tegen 1 9. Lijndribbel 10. Puntendribbel
Nadere informatieRecursion. Introductie 37. Leerkern 37. Terugkoppeling 40. Uitwerking van de opgaven 40
Recursion Introductie 37 Leerkern 37 5.1 Foundations of recursion 37 5.2 Recursive analysis 37 5.3 Applications of recursion 38 Terugkoppeling 40 Uitwerking van de opgaven 40 Hoofdstuk 5 Recursion I N
Nadere informatieLogica voor Informatici najaar 2000 Opgaven en Oplossingen Hoofdstuk 3
Logica voor Informatici najaar 2000 Opgaven en Oplossingen Hoofdstuk 3 3.1 Stel ϕ, ψ α, β γ, en ψ, α, γ χ. Indien nu bovendien bekend wordt dat χ onwaar is, maar ψ en β waar, wat weet u dan over ϕ? oplossing:
Nadere informatieDiscrete Wiskunde 2WC15, Lente Jan Draisma
Discrete Wiskunde 2WC15, Lente 2010 Jan Draisma HOOFDSTUK 2 Gröbnerbases 1. Vragen We hebben gezien dat de studie van stelsels polynoomvergelijkingen in meerdere variabelen op natuurlijke manier leidt
Nadere informatierecursie Hoofdstuk 5 Studeeraanwijzingen De studielast van deze leereenheid bedraagt circa 6 uur. Terminologie
Hoofdstuk 5 Recursion I N T R O D U C T I E Veel methoden die we op een datastructuur aan kunnen roepen, zullen op een recursieve wijze geïmplementeerd worden. Recursie is een techniek waarbij een vraagstuk
Nadere informatieInleiding Speltheorie - 29 januari 2003, uur
Inleiding Speltheorie - 29 januari 2003, 9.30-2.30 uur Dit tentamen bestaat uit 4 opgaven. Het totaal aantal te behalen punten is 00. De waardering per opgave staat vermeld. Opgave (20 punten) Gegeven
Nadere informatie5.2.4 Varia in groepentheorie
Oefeningen op hoofdstuk 5 Algebra 5.2 Groepentheorie 5.2.1 Cayleytabellen van groepen van orde 8 Oefening 5.1. Stel de Cayleytabel op voor de groep van de symmetrieën van een vierkant. Bewijs dat deze
Nadere informatied(w j, x i ) d(w l, x i ) Voorbeeld
Transparanten bij het vak Inleiding Adaptieve Systemen: Unsupervised Leren/ Self organizing networks. M. Wiering Unsupervised Learning en Self Organizing Networks Leerdoelen: Weten wat unsupervised learning
Nadere informatieFaculteit Elektrotechniek - Leerstoel ES Tentamen Schakeltechniek. Vakcode 5A050, 17 november 2004, 9:00u-12:00u
achternaam : voorletters : identiteitsnummer : opleiding : Tijdens dit tentamen is het gebruik van rekenmachine of computer niet toegestaan. Vul je antwoorden in op dit formulier. Je dient dit formulier
Nadere informatieOpgaven Functies en Reeksen. E.P. van den Ban
Opgaven Functies en Reeksen E.P. van den Ban c Mathematisch Instituut Universiteit Utrecht Augustus 2014 1 Opgaven bij Hoofdstuk 1 Opgave 1.1 Zij f : R n R partieel differentieerbaar naar iedere variabele
Nadere informatieEen voorbeeld. Computationele Intelligentie Zoeken met een tegenstander. Een voorbeeld vervolg. Een zoekprobleem met een tegenstander
Computationele Intelligentie Zoeken met een tegenstander Beschouw het boter-kaas-en-eieren spel: een probleemtoestand is een plaatsing van i kruisjes en j nulletjes in de vakjes van het raam, met i j en
Nadere informatieOpen vragen. Naam:...
Tentamen IAS. Vrijdag 28 juni 2013 om 13.30-16.30 uur, zaal: EDUC-β. 1 Naam:............................................................................................................. Collegekaart-nummer:...........................
Nadere informatieComputationale Intelligentie Dirk Thierens
Computationale Intelligentie Dirk Thierens Organisatie Onderwijsvormen: Docent: Topic: Collegemateriaal: Boek: Beoordeling: hoorcollege, practicum, werkcollege Dirk Thierens Deel : Zoekalgoritmen Toets
Nadere informatieoefeningen opstellen met GeoGebra en javascript
oefeningen opstellen met GeoGebra en javascript Er zijn heel wat verschillende mogelijkheden om GeoGebra en Javascript te combineren in het opstellen van oefeningen. Antwoorden in het applet zelf: - Je
Nadere informatieTransparanten bij het vak Inleiding Adaptieve Systemen: Evolutionary Computation. f(s max ) f(s) s
Transparanten bij het vak Inleiding Adaptieve Systemen: Evolutionary Computation. M. Wiering f(s max ) f(s) s Evolutionary Computation (EC) Optimalisatie algoritmen geinspireerd door Darwin s evolutie
Nadere informatieEen topprogrammeur in het OO programmeren is Graig Larman. Hij bedacht de volgende zin:
Java Les 2 Theorie Beslissingen Algemeen Net als in het dagelijks leven worden in software programma s beslissingen genomen, naast het toekennen van waarden aan variabelen zijn beslissingen één van de
Nadere informatieVorig college. IN2505-II Berekenbaarheidstheorie. Turingmachines. Turingmachine en Taal. College 2
Vorig college College 2 Algoritmiekgroep Faculteit EWI TU Delft Welke problemen zijn (niet) algoritmisch oplosbaar? Wat is een probleem? Wat is een algoritme? 13 april 2009 1 2 Turingmachines Turingmachine
Nadere informatieAchter het correctievoorschrift is een aanvulling op het correctievoorschrift opgenomen.
Examen HAVO 05 tijdvak donderdag 8 juni 3.30-6.30 uur wiskunde B Bij dit examen hoort een uitwerkbijlage. Achter het correctievoorschrift is een aanvulling op het correctievoorschrift opgenomen. Dit examen
Nadere informatieUitwerking Tweede Quiz Speltheorie,
Uitwerking Tweede Quiz Speltheorie, 28-11-2012 Attentie! Maak van de onderstaande drie opgaven er slechts twee naar eigen keuze! Opgave 1 [50 pt]. Van het tweepersoons nulsomspel met de 2 4-uitbetalingsmatrix
Nadere informatieFunctie beschrijving: Het automatisch aanmaken van een raai-volgende contour
Modelit Rotterdamse Rijweg 126 3042 AS Rotterdam Telefoon +31 10 4623621 info@modelit.nl www.modelit.nl Functie beschrijving: Het automatisch aanmaken van een raai-volgende contour Datum 8 Mei 2004 Modelit
Nadere informatie15.0 Voorkennis. Herhaling rekenregels voor differentiëren: (somregel) (productregel) (quotiëntregel) n( x) ( n( x))
5.0 Voorkennis Herhaling rekenregels voor differentiëren: f ( x) a f '( x) 0 n f ( x) ax f '( x) nax n f ( x) c g( x) f '( x) c g'( x) f ( x) g( x) h( x) f '( x) g'( x) h'( x) p( x) f ( x) g( x) p'( x)
Nadere informatieNeurale Netwerken en Deep Learning. Tijmen Blankevoort
Neurale Netwerken en Deep Learning Tijmen Blankevoort De toekomst - Internet of Things De toekomst - sluiertipje Je gezondheid wordt continue gemonitored Je dieet wordt voor je afgestemd -> Stroomversnelling
Nadere informatie1E HUISWERKOPDRACHT CONTINUE WISKUNDE
E HUISWERKOPDRACHT CONTINUE WISKUNDE Uiterste inleverdatum dinsdag oktober, voor het begin van het college N.B. Je moet de hele uitwerking opschrijven en niet alleen het antwoord geven. Je moet het huiswerk
Nadere informatieOpdracht 2 Het Multilayer Perceptron
Opdracht 2 Het Multilayer Perceptron Doel: - Inzicht verkrijgen in een neuraal netwerk (het multilayer perceptron). - Begrijpen van het backpropagation algoritme. - Een toepassing van een neuraal netwerk
Nadere informatieSchriftelijke zitting Systeem- en regeltechniek 2 (WB2207) 26 oktober 2010 van 14:00 tot 17:00 uur
Schriftelijke zitting Systeem- en regeltechniek 2 (WB2207) 26 oktober 2010 van 14:00 tot 17:00 uur Onderstaande aanwijzingen nauwkeurig lezen. Vul op het voorblad uw naam, voorletters, studienummer en
Nadere informatieUitgewerkte oefeningen
Uitgewerkte oefeningen Algebra Oefening 1 Gegeven is de ongelijkheid: 4 x. Welke waarden voor x voldoen aan deze ongelijkheid? A) x B) x [ ] 4 C) x, [ ] D) x, Oplossing We werken de ongelijkheid uit: 4
Nadere informatiePraktische opdracht Wiskunde A Patience
Praktische opdracht Wiskunde A Patience Praktische-opdracht door een scholier 1365 woorden 23 januari 2005 5,2 8 keer beoordeeld Vak Wiskunde A Patience Inleiding Dit is een spel voor één speler. Hij heeft
Nadere informatie