UTS Penganta AI

Apa itu Depth First Search (DFS) dalam kecerdasan buatan?

• DFS adalah model pembelajaran mesin yang digunakan dalam kecerdasan buatan untuk memprediksi hasil di masa depan.

• DFS adalah algoritma pengelompokan yang digunakan dalam kecerdasan buatan untuk mengelompokkan titik data serupa.

• DFS adalah algoritma pengurutan yang digunakan dalam kecerdasan buatan untuk mengatur data dalam urutan tertentu.

• DFS adalah algoritma traversal yang digunakan dalam kecerdasan buatan untuk mengeksplorasi sejauh mungkin di setiap cabang sebelum melakukan backtracking.

Bagaimana implementasi DFS dalam kecerdasan buatan?

• DFS adalah singkatan dari Seleksi Fitur Mendalam di AI

• Melibatkan eksplorasi grafik atau pohon dengan menelusuri setiap cabang sejauh mungkin sebelum melakukan backtracking.

• DFS digunakan untuk mengurutkan algoritma di AI

• DFS terutama digunakan untuk pengenalan gambar di AI

Apa itu Breadth First Search (BFS) dalam kecerdasan buatan?

• Breadth First Search (BFS) adalah algoritma traversal graf yang dimulai dari node root dan menjelajahi semua node tetangga pada kedalaman saat ini sebelum beralih ke node pada level kedalaman berikutnya.

• Breadth First Search (BFS) adalah algoritma yang dimulai dari node leaf dan bergerak ke node root

• Breadth First Search (BFS) adalah algoritma yang hanya menjelajahi node pada level kedalaman berikutnya

• Breadth First Search (BFS) adalah algoritma yang hanya menjelajahi node root tanpa memperhatikan node tetangga

Bagaimana implementasi BFS dalam kecerdasan buatan?

• BFS dalam AI melibatkan penelusuran grafik atau pohon tingkat demi tingkat menggunakan struktur data antrian.

• BFS di AI secara acak memilih node untuk traversal.

• BFS di AI melibatkan pengurutan elemen dalam urutan menurun.

• BFS di AI menggunakan struktur data tumpukan untuk traversal.

Apa perbedaan utama antara DFS dan BFS?

• DFS dan BFS sama-sama menjelajahi node secara acak tanpa urutan tertentu.

• DFS mengeksplorasi semua node tetangga pada kedalaman saat ini sebelum berpindah ke node pada kedalaman berikutnya, sementara BFS mengeksplorasi sejauh mungkin di sepanjang setiap cabang sebelum melakukan backtracking.

• DFS dan BFS mempunyai kompleksitas waktu dan kompleksitas ruang yang sama.

• DFS mengeksplorasi sejauh mungkin sepanjang setiap cabang sebelum melakukan backtracking, sementara BFS mengeksplorasi semua node tetangga pada kedalaman saat ini sebelum berpindah ke node pada kedalaman berikutnya.

Kapan kita harus menggunakan DFS daripada BFS dalam konteks kecerdasan buatan?

• Ketika memperhatikan space complexity lebih dari time complexity.

• Ketika memperhatikan time complexity lebih dari space complexity.

• Ketika ingin mencari jalur terpendek.

• Ketika ingin menghindari rekursi.

Kapan kita harus menggunakan BFS daripada DFS dalam konteks kecerdasan buatan?

• Ketika ingin menghemat memori yang digunakan.

• Ketika mencari solusi terpendek atau terdekat dari titik awal ke titik akhir.

• Ketika mencari solusi yang optimal secara global.

• Ketika mencari solusi terjauh dari titik awal ke titik akhir.

Apa aplikasi umum dari DFS dalam kecerdasan buatan?

• Traversal of graphs, searching for solutions, backtracking

• Sorting algorithms, Machine learning, Natural language processing

Apa aplikasi umum dari BFS dalam kecerdasan buatan?

• Pencarian jalur optimal dalam graf berbobot.

• Pencarian jalur terpanjang dalam graf berbobot.

• Pencarian jalur terpendek atau optimal dalam graf yang tidak berbobot.

• Pencarian jalur terpendek dalam graf berbobot.

Definisikan metode searching dalam konteks kecerdasan buatan.

• Menggunakan algoritma yang tidak relevan dengan masalah yang ada

• Proses mencari solusi atau informasi dalam ruang masalah dengan menggunakan algoritma atau strategi tertentu.

• Menggunakan strategi yang tidak teruji dalam mencari informasi

• Proses mencari solusi dalam ruang masalah dengan menggunakan keberuntungan