Free Printable 105 câu đầu TTNT

Worksheets

105 câu đầu TTNT

Total questions: 105

Worksheet time: 2hrs 45mins

Name

Class

Date

Hàm đánh giá (h(u)) trong tìm kiếm kinh nghiệm (heuristic search) dùng để làm gì?

Để đánh giá tính khả thi của một giải pháp.

Để hướng dẫn sự tìm kiếm thông qua việc đánh giá "sự gần đích của trạng thái"

Để đếm số bước cần thiết để giải quyết một vấn đề

Để xác định số lượng toán tử áp dụng được cho một trạng thái.

h(u) là hàm đánh giá dùng để:

Đánh giá từ trạng thái u đến trạng thái u0

Đánh giá từ trạng thái u0 đến trạng thái u

Đánh giá từ trạng thái u đến trạng thái kết thúc

Đánh giá từ trạng thái u0 đến trạng thái bất kỳ

Trong thuật toán tìm kiếm leo đồi danh sách L1 để lưu:

Lưu giữ tạm thời các trạng thái được sinh ra.

Các trạng thái chờ để phát triển

Lưu giữ tạm thời các trạng thái kế trạng thái u và được sắp xếp theo thứ tự tăng dần của hàm đánh giá

Các trạng thái kề và các trạng thái chờ được phát triển

Thứ tự các giai đoạn cơ bản để giải quyết vấn đề bằng tìm kiếm kinh nghiệm là gì? 1. Tìm biểu diễn thích hợp mô tả các trạng thái và các toán tử của vấn đề. 2. Xây dựng hàm đánh giá. 3. Thiết kế chiến lược chọn trạng thái để phát triển ở mỗi bước.

1.3.2

1.2.3

2.1.3

3.2.1

Trong bài toán tìm kiếm đường đi từ thành phố A đến thành phố B trên bản đồ giao thông, hàm đánh giá có thể là gì?

Số lượng các nút giao từ một thành phố A tới thành phố B.

Tổng số các giao lộ trên đường đi từ một thành phố A tới thành phố B.

Độ dài của đường chim bay từ một thành phố A tới thành phố B

Số lượng các phương tiện giao thông trên đường đi.

Trong bài toán 8 số, cách xây dựng hàm đánh giá nào là hợp lý?

Là tổng số quân không nằm đúng vị trí của trạng thái hiện tại so với trạng thái đích

Tổng số lượng của trạng thái đầu vào và trạng thái đích

Số bước để đi từ trạng thái đầu đến trạng thái đích

Số lượng các quân nằm đúng vị trí của trạng thái hiện tại.

Trong thuật toán tìm kiếm leo đồi danh sách L để lưu:

Các trạng thái kề

Các trạng thái chờ được phát triển

Các trạng thái đã phát triển

Các trạng thái kết thúc

Trong thuật toán tìm kiếm tốt nhất đầu tiên danh sách L để lưu:

Các trạng thái kề

Các trạng thái chờ để phát triển

Các trạng thái đã phát triển

Các trạng thái kết thúc

Trong giải thuật tìm kiếm Beam, chiến lược phát triển đỉnh là:

Không phát triển một đỉnh K tốt nhất

Phát triển nhiều đỉnh K tốt nhất

Chỉ phát triển một đỉnh K tốt nhất

Phát triển nhiều đỉnh K nhưng không tốt nhất

10.

Trong chiến lược tìm kiếm tốt nhất đầu tiên tại mỗi bước của chiến lược tìm kiếm, trạng thái được chọn để phát triển là trạng thái có...

Trọng số lớn nhất trong các trạng thái chờ để phát triển

Hàm đánh giá nhỏ nhất trong số các trạng thái chờ để phát triển

Chỉ số nhỏ nhất trong số các trạng thái kề

Hàm đánh giá nhỏ nhất trong số các trạng thái kề

11.

Trong chiến lược tìm kiếm leo đồi tại mỗi bước của chiến lược tìm kiếm, trạng thái được chọn để phát triển là trạng thái có...

Chỉ số tốt nhất trong số các trạng thái chờ để phát triển

Hàm đánh giá nhỏ nhất trong số các trạng thái chờ để phát triển

Trọng số lớn nhất trong các trạng thái chờ để phát triển

Hàm đánh giá nhỏ nhất trong số các trạng thái kể

12.

Trong tìm kiếm kinh nghiệm, một trạng thái được chọn để phát triển tại mỗi bước dựa trên cái gì?

Số lượng toán tử áp dụng được.

Giá trị của hàm đánh giá

Độ sâu của trạng thái trong cây tìm kiếm.

Số lượng trạng thái con của nó

13.

Bản chất của phương pháp tìm kiếm leo đồi?

Leo đồi sẽ duyệt tất cả các hướng đi có thể và chọn đi theo tất cả trạng thái kế tiếp của nó

Leo đồi sẽ duyệt tất cả các hướng đi có thể và chọn đi theo trạng thái tốt nhất trong số các trạng thái không kế tiếp của nó

Leo đồi sẽ duyệt theo một hướng đi có thể và chọn đi theo trạng thái tốt nhất trong số các trạng thái kế tiếp của nó

Các đáp án trên đều đúng.

14.

Đâu là điểm khác biệt của tìm kiếm mù và tìm kiếm kinh nghiệm

Tìm kiếm mù có sự hướng dẫn, tìm kiếm kinh nghiệm thì không

Tìm kiếm mù không có sự hướng dẫn, tìm kiếm kinh nghiệm thì có

Tìm kiếm mù sử dụng hàm đánh giá, tìm kiếm kinh nghiệm thì không

Tìm kiếm kinh nghiệm là tìm kiếm mù

15.

Phát biểu nào sau đây là đúng về chiến lược tìm kiếm tốt nhất đầu tiên?

là tìm kiếm theo bề rộng được hướng dẫn bởi hàm đánh giá.

là tìm kiếm theo độ sâu được hướng dẫn bởi hàm đánh giá.

là tìm kiếm theo độ sâu hạn chế được hướng dẫn bởi hàm đánh giá.

tìm kiếm theo độ sâu dần được hướng dẫn bởi hàm đánh giá.

16.

Tìm kiếm Beam khác với Tốt nhất đầu tiên ở điểm nào?

Beam Search chỉ chọn một đỉnh duy nhất để phát triển.

Beam Search giới hạn số lượng đỉnh được mở rộng tại mỗi bước

Beam Search không sử dụng hàm đánh giá.

Beam Search không giới hạn số lượng đỉnh được mở rộng tại mỗi bước.

17.

Độ phức tạp thời gian của thuật toán tìm kiếm tốt nhất đầu tiên

b^d là nhân tố nhánh của đỉnh, d là độ sâu của cây tìm kiếm

b^n với b là nhân tố nhánh của đỉnh, n là tổng số đỉnh của cây tìm kiếm

d^b với b là nhân tố nhánh của đỉnh, d là độ sâu của cây tìm kiếm

n^b với b là nhân tố nhánh của đỉnh, n là tổng số đỉnh của cây tìm kiếm

18.

Cho đồ thị không gian trạng thái. U₀ = A; T = {M,J,X,Z}. Áp dụng chiến lược tìm kiếm tốt nhất đầu tiên thì quá trình tìm kiếm xét các đỉnh:

A-D-F-X

A-B-G-M

A-C-E-J

A-D-B-F-X

19.

Cho đồ thị không gian trạng thái sau. U₀ = A; T = {M,J,X,Z}. Áp dụng chiến lược tìm kiếm leo đồi thì quá trình tìm kiếm xét các đỉnh:

A-D-F-X

A-D-B-F-X

A-D-B-I-G-M

A-D-B-G-M

20.

Cho đồ thị không gian trạng thái. U₀ = A; T = {N,Q,Z}. Áp dụng chiến lược tìm kiếm leo đồi thì quá trình tìm kiếm xét các đỉnh:

A-D-I-Z

A-D-B-E-M-K-H-Q

A-D-H-Q

A-C-G-N

21.

Cho đồ thị không gian trạng thái sau. u0 = A; T = {N, Q, Z}. Áp dụng chiến lược tìm kiếm Tốt nhất đầu tiên thì quá trình tìm kiếm xét các đỉnh là:

A-C-I-Z

A-D-B-E-M-K-H-Q

A-D-H-Q

A-C-G-N

22.

Cho đồ thị không gian trạng thái sau. u0 = K; T = {N, Q, Z}. Áp dụng chiến lược tìm kiếm Tốt nhất đầu tiên thì quá trình tìm kiếm xét các đỉnh là:

K-D-F-G-E-H-A-Q

K-D-G-E-H-Q

K-F-A-Q

K-D-G-A-Q

23.

Cho đồ thị không gian trạng thái sau. u0 = K; T = {N, Q, Z}. Áp dụng chiến lược tìm kiếm leo đồi thì quá trình tìm kiếm xét các đỉnh là:

K-D-F-G-E-A-Q

K-D-G-T-J-H-F-A-Q

K-F-A-Q

K-D-F-G-A-Q

24.

Cho đồ thị không gian trạng thái sau. Nếu sử dụng thuật toán Beam Search, với k = 2, các đỉnh nào sẽ được duyệt đầu tiên từ K?

D, F

E, F

F, B

G, H

25.

Cho đồ thị không gian trạng thái sau. Nếu sử dụng thuật toán Beam Search, với k = 2, các đỉnh nào sẽ được chọn đầu tiên từ A?

B, C

C, D

D, B

E, F

26.

Cho đồ thị không gian trạng thái sau. Áp dụng thuật toán tìm kiếm Tốt nhất đầu tiên bắt đầu từ đỉnh K. Đỉnh nào sẽ được chọn để phát triển tiếp theo?

27.

Cho đồ thị không gian trạng thái và cây kết quả tìm kiếm với đỉnh đầu A, đỉnh kết thúc là B (thứ tự tìm kiếm theo chiều mũi tên), giá trị của hàm đánh giá là số ghi cạnh mỗi đỉnh. Hãy cho biết đây là cây tìm kiếm sau khi áp dụng thuật toán tìm kiếm nào?

Leo đồi

Tốt nhất đầu tiên

Theo chiều rộng

Theo chiều sâu

28.

Leo đồi

Tốt nhất đầu tiên

Theo chiều rộng

Theo chiều sâu

29.

Cho đồ thị không gian trạng thái, giá trị của hàm đánh giá là các số ghi cạnh mỗi đỉnh. Với u0 = A, T = {K, L, M}. Áp dụng chiến lược tìm kiếm Tốt nhất đầu tiên với đồ thị trên, thứ tự xét các đỉnh là:

A-C-F-B-E-D-H-K

A-B-E-D-H-K

A-C-F-B-H-K

A-B-E-D-I-L

30.

Trong bài toán 8 số như hình, bên trái là trạng thái đầu và bên phải là trạng thái đích. Nếu xây dựng hàm đánh giá h(u) là tổng số ô trong trạng thái Đầu ở vị trí sai khác với vị trí của trạng thái Đích thì h(u) bằng bao nhiêu?

31.

Những đặc điểm nào sau đây đúng với hàm đánh giá h(u) trong tìm kiếm kinh nghiệm? (chọn 3)

h(u) có thể dẫn đến sai lầm nếu không được thiết kế đúng

h(u) càng nhỏ thì trạng thái u càng gần đích

h(u) càng lớn thì trạng thái u được ưu tiên phát triển trước

h(u) dùng để đo khoảng cách từ trạng thái u đến trạng thái đích

32.

Hạn chế của tìm kiếm kinh nghiệm là gì? (chọn 2)

Luôn chậm hơn tìm kiếm mù

Có thể dẫn đến kết quả không tối ưu nếu hàm đánh giá không chính xác

Không thể áp dụng cho bài toán thực tế

Phụ thuộc vào chất lượng của hàm đánh giá

33.

Ưu điểm của tìm kiếm kinh nghiệm so với tìm kiếm mù là gì? (chọn 2)

Hàm đánh giá được tính bằng chi phí từ đỉnh hiện tại tới trạng thái đích

Không cần xây dựng hàm đánh giá

Luôn tìm ra nghiệm tối ưu

Thường nhanh hơn và hiệu quả hơn

34.

Theo hình mô phỏng beam search với k = 2, đặc điểm nào sau đây là đúng? (chọn 3)

Mỗi node con được đánh giá bằng điểm số riêng biệt và giữ lại theo điểm

Ở mỗi mức, chỉ 2 đỉnh có điểm số tốt nhất được chọn để mở rộng

Beam search có thể bỏ qua chuỗi có điểm tổng cao hơn vì chỉ xét theo mức

Chuỗi có điểm cao nhất toàn cục luôn được chọn mở rộng tiếp theo

35.

Beam search với k = 2. Tại mỗi bước, beam search lấy ra kết quả có điểm cao nhất (chọn 2)

Vì chúng có điểm số cao nhất trong 5 nhánh đầu tiên

Vì các node khác có điểm thấp hơn: C = −123, D = −23, B = −11,4

Vì chúng là 2 node đầu tiên theo thứ tự từ điển

Vì chúng tạo ra nhiều node con hơn so với node khác

36.

Điểm khác biệt chính giữa tìm kiếm theo bề rộng và beam search là gì? (chọn 2)

Beam search dùng hàm đánh giá để giới hạn nhánh mở rộng

Beam search phát triển toàn bộ các đỉnh theo chiều sâu

Beam search chỉ phát triển k đỉnh tốt nhất ở mỗi mức

Beam search không cần hàm đánh giá

37.

Điểm khác biệt giữa tìm kiếm leo đồi và tìm kiếm tốt nhất - đầu tiên là gì? (chọn 2)

Leo đồi chỉ xem xét các đỉnh con của đỉnh hiện tại

Leo đồi không sử dụng hàm đánh giá

Tốt nhất - đầu tiên có thể quay lại các đỉnh ở mức trước

Tốt nhất - đầu tiên không sử dụng hàm đánh giá

38.

Tìm kiếm tốt nhất đầu tiên có đặc điểm gì? (chọn 2)

Không cần sắp xếp danh sách các trạng thái

Là tìm kiếm theo chiều rộng được hướng dẫn bởi hàm đánh giá

Luôn phát triển tất cả đỉnh ở cùng một lúc

Chọn đỉnh có giá trị hàm đánh giá nhỏ nhất để phát triển

39.

Tìm kiếm leo đồi có đặc điểm gì? (chọn 2)

Có thể mắc kẹt ở độ sâu vô hạn của suppose củagnuồn tìm kiếm

Luôn tìm ra nghiệm tối ưu toàn cục

Có thể tìm ra nghiệm ở không gian vô hạn

Là tìm kiếm theo độ sâu được hướng dẫn bởi hàm đánh giá

40.

Quá trình phát triển trạng thái trong tìm kiếm có nghĩa là gì? (chọn 2)

Chỉ di chuyển đến một trạng thái khác

Tìm tất cả các trạng thái có thể đạt được từ trạng thái hiện tại

Áp dụng các toán tử để sinh ra các trạng thái kế

Xóa bỏ các trạng thái hiện tại

41.

Đỉnh được đánh dấu “giải được” khi nào? (Sinh viên chọn 2 phương án đúng nhất)

Có ít nhất một toán tử mà tất cả các đỉnh kề theo toán tử đó đều giải được

Có tất cả các toán tử đều dẫn đến đỉnh giải được

Không có đỉnh kề nào

Là đỉnh kết thúc

42.

Hàm đánh giá h(u) trong tìm kiếm kinh nghiệm có tác dụng gì? (Sinh viên chọn 2 phương án đúng nhất)

Tính toán chi phí chính xác từ u đến đích

Hướng dẫn sự tìm kiếm bằng cách chọn trạng thái có nhiều hứa hẹn nhất

Không có tác dụng gì trong quá trình tìm kiếm

Đánh giá “sự gần đích” của trạng thái u

43.

Đâu là vai trò chính của hàm đánh giá trong các chiến lược tìm kiếm kinh nghiệm? (Sinh viên chọn 2 phương án đúng nhất)

Là công cụ thay thế hoàn toàn thuật toán tìm kiếm theo chiều sâu

Được dùng để quyết định nào sẽ được phát triển tiếp theo

Dùng để tính chi phí thực tế đã đi từ trạng thái ban đầu

Làm cho tìm kiếm nhanh hơn nhờ hướng dẫn đi đúng hướng

44.

Về chiến lược lựa chọn trạng thái để phát triển tiếp theo, sự khác nhau giữa hai thuật toán Hill-Climbing và Best-First-Search? (Sinh viên chọn 2 phương án đúng nhất)

BFS sử dụng toàn bộ trạng thái trong không gian tìm kiếm để đưa ra quyết định

BFS có thể chọn lại trạng thái cũ nếu nó có hàm đánh giá tốt nhất

Hill-Climbing có thể phát triển nhiều trạng thái cùng lúc

Hill-Climbing chỉ chọn trạng thái tốt nhất trong số các con của trạng thái hiện tại

45.

Nhược điểm của tìm kiếm theo chiều sâu:

Tìm sâu cứng nhắc, trong quá trình tìm nó không có thông tin nào hỗ trợ để phát hiện lời giải, nếu chọn nút ban đầu không thích hợp có thể không dẫn đến đích của bài toán.

Không phù hợp với không gian bài toán lớn, kỹ thuật tìm kiếm sâu có thể không đến lời giải trong khoảng thời gian và phải.

Tất cả đều đúng.

Tất cả đều sai

46.

Ưu điểm của tìm kiếm theo chiều sâu

Nếu bài toán có lời giải, phương pháp tìm kiếm sâu bảo đảm tìm ra lời giải.

Kỹ thuật tìm kiếm sâu tập trung vào đích, con người cảm thấy hài lòng khi các câu hỏi tập trung vào vấn đề chính.

Do cách tìm của kỹ thuật này, nếu lời giải ở rất sâu, kỹ thuật tìm sâu sẽ tiết kiệm thời gian.

Tất cả đều đúng

47.

Các em hãy sắp xếp thứ tự hợp lý của các giai đoạn cơ bản để giải quyết vấn đề bằng tìm kiếm kinh nghiệm như sau:
I. Xây dựng hàm đánh giá
II. Thiết kế chiến lược chọn trạng thái để phát triển ở mỗi bước.
III. Tìm biểu diễn thích hợp mô tả các trạng thái và các toán tử của vấn đề.

I – II - III

I – I - III

III – I - II

II – III - I

48.

Cho bài toán đong nước với m=5 lít, n=4 lít, k=3 lít hỏi thông qua mấy mức(bước) thì ta thu được trạng thái đích là: (4 lít; 4 lít; 0 lít)

49.

Cho bài toán đong nước với m=5 lít, n=4 lít, k=3 lít hỏi thông qua mấy mức(bước) thì ta thu được trạng thái đích là: (4 lít; 0 lít; 0 lít)

50.

Cho bài toán đong nước với m=5 lít, n=4 lít, k=3 lít hỏi thông qua mấy mức(bước) thì ta thu được trạng thái đích là: (5 lít; 3 lít; 0 lít)

51.

Cho bài toán đong nước với m=5 lít, n=4 lít, k=3 lít hỏi thông qua mấy mức(bước) thì ta thu được trạng thái đích là: (0 lít; 4 lít; 0 lít)

52.

Mục tiêu của trí tuệ nhân tạo là?

Tạo ra con người

Tạo ra những hành vi như con người

Tạo ra các hệ thống thông minh có khả năng nhận thức, suy luận và phản ứng

Không có đáp án nào đúng

53.

Thuật toán A* có hàm đánh giá f(n) =

h(n) (heuristic).

h(n) + g(n).

g(n).

Tất cả đều không đúng.

54.

Trong thuật toán A*, hàm f(n) là

Tổng chi phí ước lượng đường đi từ n tới đích.

Tổng chi phí ước lượng từ nút ban đầu tới n.

Tổng chi phí ước lượng từ nút n tới đích.

Tất cả đều không đúng.

55.

Trong thuật toán A*, hàm h(n) là

Tổng chi phí ước lượng đường đi từ n tới đích.

Tổng chi phí ước lượng từ nút ban đầu tới n.

Tổng chi phí ước lượng từ nút n tới đích.

Tất cả đều không đúng.

56.

Ưu điểm của tìm kiếm theo chiều rộng là

Kỹ thuật tìm kiếm rộng là kỹ thuật vét cạn không gian trạng thái bài toán

Đường đi tìm được đi qua ít đỉnh nhất.

Thuận lợi khi muốn tìm nhiều lời giải.

Tất cả đều đúng

57.

Cơ sở tri thức là

Tập hợp các câu biểu diễn bằng ngôn ngữ biểu diễn tri thức.

Phương pháp tương thuật để xây dựng chương trình.

Tập hợp các câu trả lời của vấn đề.

Tất cả đều đúng.

58.

Thuật ngữ nào chỉ khả năng của máy tính sẽ vượt qua con người?

Artificial Super Intelligence

Artificial General Intelligence

Artificial Narrow Intelligence

Artificial Min Intelligence

59.

Các nhà nghiên cứu AI đã phát triển vài ngôn ngữ đặc biệt cho nghiên cứu AI là LISP và

Pascal

Prolog

C++

60.

Logic là gì?

Ngôn ngữ mà mỗi câu trong ngôn ngữ đó có ngữ nghĩa (giá trị) là đúng hoặc sai.

Các câu trong một dạng ngôn ngữ.

Là ý nghĩa của các câu biểu diễn thông tin.

Tất cả đều sai.

61.

Cú pháp trong logic là?

Ngôn ngữ sử dụng để biểu diễn thông tin mà từ đó có thể rút ra các kết luận.

Các câu trong một dạng ngôn ngữ, có thể bao gồm tập các ký hiệu và tập các luật xây dựng công thức.

Là ý nghĩa của các câu biểu diễn thông tin.

Tất cả đều không đúng.

62.

Thứ tự logic là gì?

Một câu tiếp theo từ một câu khác.

Mối quan hệ giữa các câu (cú pháp) dựa trên ngữ nghĩa.

x + y = 4 suy ra 4 = x + y.

Tất cả đều đúng.

63.

Có mấy phép kết nối trong logic mệnh đề?

64.

Trong các công thức sau, công thức nào bằng công thức (A AND B)?

(B AND A)

(B OR A)

NOT(B AND A)

NOT(B OR A)

65.

Trong các công thức sau, công thức nào bằng công thức (A OR B)?

B AND A

B OR A

NOT(B AND A)

NOT(B OR A)

66.

Trong các công thức sau, công thức nào bằng công thức (NOT(A) AND NOT(B))?

(B AND A)

(B OR A)

NOT(B AND A)

NOT(A OR B)

67.

Trong các công thức sau, công thức nào bằng công thức (NOT(A) OR NOT(B))?

A AND B

A OR B

NOT(A AND B)

NOT(A OR B)

68.

Trong các công thức sau, công thức nào bằng công thức (A <=> B)?

(A => B) AND (B => A)

(A => B) OR (B => A)

NOT(B) => NOT(A)

NOT(B) OR A

69.

Trong các công thức sau, công thức nào bằng công thức (A => B)?

NOT(A) => NOT(B)

NOT(B) AND A

NOT(A) OR B

NOT(A) AND B

70.

Trong các công thức sau, công thức nào bằng công thức (A => B)?

NOT(B) AND A

NOT(B) => NOT(A)

NOT(A) AND NOT(B)

NOT(A) AND B

71.

Trong các công thức sau, công thức nào bằng công thức A AND (B OR C)?

(A OR B) AND (B OR C)

(A OR B) AND (A OR C)

(A AND B) OR (B AND C)

(A AND B) OR (A AND C)

72.

Trong các công thức sau, công thức nào bằng công thức A OR (B AND C)?

(A OR B) AND (B OR C)

(A OR B) AND (A OR C)

(A AND B) OR (B AND C)

(A AND B) OR (A AND C)

73.

Trong các công thức sau, công thức nào bằng công thức A AND B?

B AND A

B OR A

B => A

NOT(A) AND NOT(B)

74.

Trong các công thức sau, công thức nào bằng công thức A OR B?

B AND A

B OR A

B => A

NOT(A) AND NOT(B)

75.

Trong các công thức sau, công thức nào bằng công thức A AND (B AND C)?

(A AND B) AND C

(A AND C) OR B

(A AND B) OR C

76.

Trong các công thức sau, công thức nào bằng công thức A OR (B OR C)?

(A OR B) AND C

(A AND C) OR B

(A AND B) OR C

(A OR B) OR C

77.

Biểu thức A=>B sử dụng phép kết nối logic gì?

Kéo theo

Hội

Tuyển

Tương đương

78.

Biểu thức A v B sử dụng phép kết nối logic gì?

Kéo theo

Hội

Tuyển

Tương đương

79.

Biểu thức A ^ B sử dụng phép kết nối logic gì?

Kéo theo

Hội

Tuyển

Tương đương

80.

Câu nào sau đây không phải là ưu điểm của logic mệnh đề?

Tính tương thuật

Khả năng biểu diễn

Kết hợp

Độc lập với nội dung của câu

81.

Từ viết tắt của tìm kiếm theo chiều rộng là?

Best First Search

Breadth – First

Breath – First Search

Breadth – Search

82.

Từ viết tắt của tìm kiếm theo chiều sâu là?

Depth – Search

Depth – First

Depth – First Search

First Search

83.

Khái niệm trí tuệ theo quan điểm của Turing?

Trí tuệ là những gì có thể đánh giá được thông qua các trắc nghiệm thông minh

Trí tuệ nhân tạo nghiên cứu về con người

Trí tuệ nhân tạo nghiên cứu những hành vi thông minh giống như con người

Tất cả đều sai

84.

Một số chuyên ngành (lĩnh vực ứng dụng) của trí tuệ nhân tạo là:

Các phương pháp tìm kiếm lời giải, Hệ chuyên gia, Xử lý ngôn ngữ tự nhiên, Lý thuyết

nhận dạng

Lập kế hoạch và Người máy (Robot), Máy học

Các mô hình thần kinh (Mạng Neuron và giải thuật di truyền)

Tất cả đều đúng

85.

Tính hoàn chỉnh của một thuật toán là:

Thuật toán đã cho có thể luôn tìm được một giải pháp cho bài toán.

Số các node được tạo ra.

Số tối đa các node được lưu trong bộ nhớ.

Luôn tìm được một giải pháp có chi phí thấp nhất.

86.

Độ phức tạp về thời gian của một thuật toán là:

Thuật toán đã cho có thể luôn tìm được một giải pháp cho bài toán.

Số các node được tạo ra.

Số tối đa các node được lưu trong bộ nhớ.

Luôn tìm được một giải pháp có chi phí thấp nhất.

87.

Độ phức tạp về không gian của một thuật toán là:

Thuật toán đã cho có thể luôn tìm được một giải pháp cho bài toán.

Số các node được tạo ra.

Số tối đa các node được lưu trong bộ nhớ.

Luôn tìm được một giải pháp có chi phí thấp nhất.

88.

Tính tối ưu của một thuật toán là:

Thuật toán đã cho có thể luôn tìm được một giải pháp cho bài toán.

Số các node được tạo ra.

Số tối đa các node được lưu trong bộ nhớ.

Luôn tìm được một giải pháp có chi phí thấp nhất.

89.

Độ phức tạp về không gian và thời gian có thể tính được dựa vào các nhân tố:

Số tối đa các nhánh của cây tìm kiếm.

Chiều sâu của giải pháp ít chi phí nhất.

Độ sâu tối đa của không gian trạng thái (có thể vô hạn).

Cả ba nhân tố trên.

90.

Sử dụng logic vị từ để chuyển câu sau “Gần mực thì đen, gần đèn thì sáng”:

∀x Gần(x, Mực) ∨ Đen(x), ∀y Gần(y, Đèn) ∨ Sáng(y)

∀x Gần(x, Mực) ⇒ Đen(x), ∀y Gần(y, Đèn) ∨ Sáng(y)

∀x Gần(x, Mực) ∧ Đen(x), ∀y Gần(y, Đèn) ∧ Sáng(y)

∀x Gần(x, Mực) ⇒ Đen(x), ∀y Gần(y, Đèn) ⇒ Sáng(y)

91.

Sử dụng logic vị từ để chuyển câu sau “Gần bùn mà chẳng hôi tanh mùi bùn”:

∃x Gần(x, Bùn) ⇒ ¬Hôi_tanh(x, Bùn)

∃x Gần(x, Bùn) ∧ ¬Hôi_tanh(x, Bùn)

∃x Gần(x, Bùn) ∨ ¬Hôi_tanh(x, Bùn)

∀x Gần(x, Bùn) ∨ ¬Hôi_tanh(x, Bùn)

92.

Ví dụ bài toán 8 số. Có thể đưa ra hai cách xây dựng hàm đánh giá. Đánh giá trạng thái u sau. Hàm h1: Với mỗi trạng thái u thì h1(u) là số quân không nằm đúng vị trí của nó trong trạng thái đích.

h1(u) = 3 vì các quân không đúng vị trí là 3, 8, 1

h1(u) = 3 vì các quân không đúng vị trí là 3, 8, 6

h1(u) = 4 vì các quân không đúng vị trí là 3, 8, 6 và 1

h1(u) = 4 vì các quân không đúng vị trí là 3, 8, 6 và 0

93.

Ví dụ bài toán 8 số. Có thể đưa ra hai cách xây dựng hàm đánh giá. Đánh giá trạng thái u sau. Hàm h2: h2(u) là tổng khoảng cách giữa vị trí của các quân trong trạng thái u và vị trí của nó trong trạng thái đích; khoảng cách là số ít nhất các bước di chuyển theo hàng hoặc cột để đưa mỗi quân tới đúng vị trí.

h2(u) = 9

h2(u) = 8

h2(u) = 7

h2(u) = 6

94.

Trong thuật toán cắt tỉa alpha-beta, alpha (α) là giới hạn giá trị tầng MAX, beta (β) là giới hạn giá trị tầng MIN. Khi đang duyệt đến một nút con của nút v thuộc tầng MIN, ta sẽ cắt tỉa các nhánh con còn lại nếu:

$\alpha - \beta \ge 0$

$\alpha + \beta \ge 0$

$\alpha - \beta \le 0$

$\alpha + \beta \le 0$

95.

Trong thuật toán cắt tỉa alpha-beta, alpha (α) là giới hạn giá trị tầng MAX, beta (β) là giới hạn giá trị tầng MIN. Khi đang duyệt đến một nút con của nút v thuộc tầng MAX, ta sẽ cắt tỉa các nhánh con còn lại nếu:

$\alpha - \beta \ge 0$

$\alpha + \beta \ge 0$

$\alpha - \beta \le 0$

$\alpha + \beta \le 0$

96.

Mục tiêu của ngành trí tuệ nhân tạo là gì?

Cả hai đều sai

Cả hai đều đúng

Giúp con người thông minh hơn

Giúp máy tính suy nghĩ và hành động giống như con người

97.

Các nhà nghiên cứu AI đã phát triển vài ngôn ngữ đặc biệt cho nghiên cứu AI là LISP và

C++

Prolog

Pascal

98.

Hàm heuristic là gì?

Là ước lượng về khả năng dẫn đến lời giải

Là chi phí về khả năng dẫn đến lời giải

Là về khả năng dẫn đến lời giải

99.

Hàm Heuristic trong thuật giải Heuristic?

Giá trị phụ thuộc vào trạng thái bắt đầu T0

Giá trị phụ thuộc vào trạng thái kế tiếp

Giá trị phụ thuộc vào trạng thái hiện tại

Giá trị phụ thuộc vào trạng thái trước đó

100.

Đâu là ứng dụng của trí tuệ nhân tạo

Nhận dạng tiếng nói

Nhận dạng chữ viết

Tất cả đều sai

Tất cả đều đúng

101.

Đâu không phải là vấn đề cốt lõi của trí tuệ nhân tạo?

Học

Biểu diễn

Lập luận

Chế tạo ra máy móc

102.

Lý thuyết được áp dụng trong TTNT nhiều nhất là:

Lý thuyết giải bài toán và suy diễn thông minh

Lý thuyết tìm kiếm may rủi

Lý thuyết biểu diễn tri thức và hệ chuyên gia

Lý thuyết nhận dạng và xử lý tiếng nói

103.

Tương tác giữa người và máy tính trong TTTNT chủ yếu là:

Qua giao diện người - máy tính sử dụng văn bản

Qua giao diện người - máy tính sử dụng âm thanh

Qua giao diện tự động

Qua giao diện người - máy tính sử dụng menu

104.

Có thể nói một chương trình lập trình bằng ngôn ngữ Prolog là một chương trình lập trình theo:

Lập trình hướng thành phần

Lập trình hướng đối tượng

Lập trình cấu trúc

Lập trình logic

105.

Ai được coi là người khai sinh ra ngành trí tuệ nhân tạo?

A. Newell

Bill Gate

Turing

M. Minsky

Reset

105 câu đầu TTNT

Total questions: 105

Worksheet time: 2hrs 45mins

Similar Resources on Wayground