Ni časa, da bi prepisal izpit.

1. naloga

• ID: cena: 6, generira: 15
• A*: cena: 3, generira: 13
• IDA*: cena: 3, generira: 30
• RBFS: cena: 3, generira: 17

Sled globine za IDA*: 0, 1, 2, 3

Sledi F(B) in F(C) za RBFS:

• F(B): 2, 4
• F(C): 1, 3

2. naloga

1. glej sem (točka 1.)
2. Leave one out je poseben primer metode k-fold cross-validation. Uporablja se pri ugotavljanju uspešnosti hipoteze pri strojnem učenju. Pri tem postopku iz množice učnih primerov izločimo en sam primer, na ostalih izvedemo učenje, nato pa preverimo uspešnost hipoteze na izločenem primeru. To ponavljamo na različnih primerih, nato pa pridobljene meritve statistično obdelamo. Metoda je smiselna, če imamo majhno množico učnih primerov.
3. Sistem FOIL ocenjuje nove stavke ?
4.  ?

3. naloga

Naj bo kvalitativni model sestavljen iz naslednjih omejitev:

M0-(X,Z)		% monotona padajoča funkcija M0
X + Y = C              % C je konstanta
deriv ( X, Z )		% ( Z = dX / dt )

Odlikovane vrednosti ( "landmarks" ) so

• X: minf, 0, x0, inf
• Y: minf, 0, y0, inf
• Z: minf, z0, 0, inf

Začetno stanje: X(t0) = x0; Y(t0) = 0; Z(t0) = z0;

1. Vsa možna stanja X, Y, Z ob času t0
2. Vsa možna stanja X, Y, Z ob na intervalu t0 .. t1
3. Vsa možna stanja X, Y, Z ob času t1

1. • X(t0) = < x0, dec >
   • Y(t0) = < 0, inc >
   • Z(t0) = < z0, inc >
2. • X(t0 .. t1) = < (0 .. x0), dec >
   • Y(t0 .. t1) = < (0 .. y0), inc >
   • Z(t0 .. t1) = < (z0 .. 0), inc >
3. Imamo tri možnosti:
   1. • X(t1) = < (0 .. x0), dec >
      • Y(t1) = < y0, inc >
      • Z(t1) = < (z0 .. 0), inc >
   2. • X(t1) = < 0, std >
      • Y(t1) = < (0 .. y0), std >
      • Z(t1) = < 0, std >
   3. • X(t1) = < 0, std >
      • Y(t1) = < y0, std >
      • Z(t1) = < 0, std >

4. naloga

Verjetnostni graf ( Bayes network ) naj bo podan s spodnjim programom. Relacija parent/2 podaja strukturo grafa, relaciji p/2, p/3 pa pripadajoče verjetnosti.

parent(a,c).	parent(b,c).	parent(b,d).
p(a, 0.1).			% p( a ) = 0.1
p(b, 0.1).
p(c, [a, b], 0.8 ).		% p( c | a and b ) = 0.8
p(c, [ not a, b], 0.6 ).
p(c, [ a, not b], 0.8 ).
p(c, [ not a, not b], 0.1 ).
p(d, [b], 0.9 ).
p(d, [ not b ], 0.2 ).

1. Brez računanja ugotovi katera verjetnost je večja in to utemelji:
   • p (a) ali p(a | c)
   • p (c) ali p(c | d)
   • p (a | c) ali p(a | c d)
2. Izračunaj p (b | c)

1. p(a | c)
2. p(c | d)
3. p(a | c)
4. p(b | c) = 62 / 215