1.

Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,1), (2,3), (3,3), (4,5), atunci memoria OLAM care o encodeaza :
a. este W =








1
0

b. este W =








1 . 1
0
c. este W =
0
1.2
⎛ ⎞
⎜ ⎟
⎝ ⎠
d. este W =








3 . 1
0
e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

2. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,2), (3,4), (4,4), atunci memoria OLAM care o encodeaza :
a. este W = sigur nu este (colega de la Calarasi a luat 0 puncte)








5 . 0
1

b. este W =








6 . 0
1
c. este W =








7 . 0
1
d. este W =
1
0.8
⎛ ⎞
⎜ ⎟
⎝ ⎠


e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

3. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,3), (2,5), (3,7), (4,9), atunci memoria OLAM care o encodeaza :
a. este W =
1
2
⎛ ⎞
⎜ ⎟
⎝ ⎠
b. este W =








1
1
c. este W =








1
0
d. este W = sigur nu este (colega de la Calarasi a luat 0 puncte)








1
2

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

4. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,4), (3,6), (4,8), atunci memoria OLAM care o encodeaza :
a. este W =








2
1

b. este W =








1
1
c. este W = sigur nu este (colega de la Calarasi a luat 0 puncte)








1
0

d. este W =








1
2

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.


5. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,1), (3,4), (4,3), atunci memoria OLAM care o encodeaza :
a. este W =







⎛ −
6 . 0
3 . 0

b. este W = sigur nu este (colega de la Calarasi a luat 0 puncte)








3 . 0
1

c. este W =
1
0.6
⎛ ⎞
⎜ ⎟
⎝ ⎠
d. este W =








6 . 0
3 . 0

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.

6. Daca a = , atunci pseudo inversa matricei A










101
011
101


este
1 1 1
3 3 3
1 2 1
6 3 6
1 1 1
6 3 6
⎛ ⎞

⎜ ⎟
⎜ ⎟

− −

⎜ ⎟
⎜ ⎟
⎜ ⎟
⎝ ⎠


CORECTA


7. Daca A= , atunci pseudoinversa matricei A








1 1 0
0 0 2

a.este CORECTA










5 . 0 0
5 . 0 0
0 5 . 0


1 0 0
8. Daca A= (0 1 0 ), sa se cal cul eze pseudoinversa mat ricei A.
1 0 1

a.este CORECTA










− 1 0 1
0 1 0
0 0 1

9. Daca A= , atunci pseudoinversa matricei A










1 0 0
1 2 0
2 0 1

d.este CORECTA












1 0 0
5 . 0 5 . 0 0
2 0 1

10. Pseudo inversa mat ricei [ 1 1 1]

a. [ -1 -1 -1]
b. [ 1/ 2 ½ ½]
c. [ 1/ 3 1/ 3 1/ 3]
d. [ 1 ½ 1/ 3]
e. [ -1 -1/ 2 -1/ 3]


11. Multimea solutiilor unei probleme de clasificare bipolare este :

a.
1
N
i
i
S H
+
=
I
b.
U
N
i
i
H S
1 =
+

c.
I U

N
i
i i
H H S
1
) (
=
+

d.
U U

N
i
i i
H H S
1
) (
=
+


12. Multimea punctelor (memoriilor) admisibile asociata unei probleme de clasificare
bipolare este :

a.
I

N
i
i
H S
1 =
+
b.
U
N
i
i
H S
1 =
+

c.
1
( )
N
i i
i
S H H
+
=
I U

d.
U U

N
i
i i
H H S
1
) (
=
+



13. In varianta secventiala (Windrow-Hoff) a metodei de instruire ADALINE :

a. deplasarile in spatiul memoriilor depind de ordinea exemplelor
b. deplasarile in spatiul memoriilor nu depind de ordinea exemplelor


14. In varianta secventiala (Widrow-Hoff) a metodei de instruire ADALINE:
a. la orice actualizare a memoriei explicit toate exemplele de invatare
b. la orice actualizare a memoriei contribuie explicit un singur exemplu de invatare
c. doar la prima actualizare a memoriei contribuie explicit un singur exemplu de invatare
d. doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare

15. In modelul neuronal al Perceptronului se considera memoria sinaptica W= pragul








9 . 0
4 . 0
7 . 0 = θ si secventa de instruire



S
4
= }





















⎛ −




















































1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1


Atunci :

a. memoria totala a neuronului encondeaza corect secventa de instruire ;
b. memoria totala a neuronului encondeaza gresit un singur exemplu al
secventei de instruire
c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de
instruire
d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire


16. In modelul neuronal al Perceptronului se considera memoria sinaptica W=
pragul







⎛ −
9 . 0
9 . 0
7 . 0 = θ si secventa de instruire



S
4
= }





















⎛ −




















































1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1


Atunci :

a. memoria totala a neuronului encodeaza incorect toate exemplele secventei de
instruire
b.memoria totala a neuronului encodeaza corect un singur exemplar secventei de
instruire
c. memoria totala a neuronului encodeaza corect exact doua exemple ale secventei de
instruire
d. memoria totala a neuronului encodeaza corect exact trei exemple ale secventei de
instruire



17. In modelul neuronal al Perceptronului se considera memoria sinaptica W= pragul








0 . 4
4 . 0
7 . 0 = θ si secventa de instruire



S
4
= }





















⎛ −




















































1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1


Atunci :

a. memoria totala a neuronului encondeaza corect secventa de instruire ;
b. memoria totala a neuronului encondeaza gresit un singur exemplu al secventei
de instruire
c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei
de instruire
d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire




18. In modelul neuronal al Perceptronului se considera memoria sinaptica W=
pragul








− 4 . 0
4 . 0
7 . 0 = θ si secventa de instruire



S
4
= }





















⎛ −




















































1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1
, 1 ,
1
1


Atunci :

e. memoria totala a neuronului encondeaza corect secventa de instruire ;
f. memoria totala a neuronului encondeaza gresit un singur exemplu al
secventei de instruire
g. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de
instruire
h. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de
instruire
19. Procedura Perceipton aplicata secventei de instruire
a Converge la o memorie aflata in multimea de administratibilitate asociata
acestei probleme de clasificare bipolara .
b Nu converge
20. In varianta batch a metodei de intruire ADALINE:

a - deplasarile din spatiul memoriilor depind de ordinea exemplelor
b - deplasarile din spatiul memoriilor nu depind de ordinea exemplelor

21. Se considera secventa de instruire:
S
N
= {x
i
, y
i
0, x
i
Є R
n
, y
i
Є R
n
, 1<=i<=N}

si se noteaza Y’ =(y

1,
.......,y
n
) , Z=








N
x x K
K
1
1 1

Atunci eroarea medie patratica a regresorului liniar multidimensional are valoarea minima:


tr (Y (I
N
– Z
+
Z)Y
T


22. Marcati afirmatia corecta:

Problema XOR este linear separabila;
Problema XOR nu este linear separabila;

23. Varianta batch a metodei ADALINE:
a) la orice actualizare a memoriei contribuie explicit toate exemplele de invatare;
b)la orice actualizare a memoriei contribuie explicit 1 exemplu de invatare;
c)doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare;
d)doar la prima actualizare a memoriei nu contribuie explicit toate exemplele de invatare;

24. In procedura de instruire Perceptron:
a) deplasarile in spatiul memoriilor depind de ordinea exemplelor
b) deplasarile in spatiul memoriilor nu depind de ordinea exemplelor

25. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau :
{(1,2), (2,2), (3,4), (4,4), atunci memoria OLAM care o encodeaza :
a. este W =








5 . 0
0
b. este W =








6 . 0
0
c. este W =








7 . 0
0
d. este W =








8 . 0
0

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.


26. In procedura de instruire Perceptron:
a) la orice actualizare a memoriei contribuie explicit toate exemplele de invatare;
b)la orice actualizare a memoriei contribuie explicit 1 exemplu de invatare;
c)doar la prima actualizare a memoriei contribuie explicit un singur exemplu de invatare;
d)doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare;

Retele neuronale
1. Cine a propus modelul perceptronului la sfarsitul anilor 50?c) Frank Rosenblatt
2. Cine sunt autorii cartii "Perceptronii" (1969) in care se evidentia imposibilitatea
perceptronului de a invata functii neseparabile liniar?a) Minsky si Papert
4. Care este scopul unui perceptron cu un singur strat?b) clasificator pentru 2 clase prin gasirea
unui hiperplan care le separa
5. Care este iesirea unui perceptron cu un singur strat?b) functia Heaviside aplicata sumei
intrarilor ponderate
7. Care este avantajul perceptronului in comparatie cu Adaline?b) perceptronul garanteaza
clasificarea corecta a 2 clase liniar separabile
8. Care este metoda de antrenare a unui neuron Adaline?c) regula delta (least mean square)
11. Care din urmatoarele caracteristici nu sunt avantaje ale neuronului Adaline in comparatie cu
perceptronul?c) Adaline garanteaza separarea a 2 clase liniar separabile
12. Care este topologia Madaline?a) doua straturi de neuroni, primul format din neuroni
Adaline cu functie Heaviside aplicata iesirilor, iar al doilea cu porti logice
15. Ce inseamna principiul celei mai mici perturbatii in procesul de invatare a unei retele
neuronale?a) ponderile trebuie ajustate astfel incat sa se reduca eroarea la iesire pentru
vectorul de intrare curent cu o perturbatie minima asupra raspunsurilor deja invatate
16. Care sunt modalitatile in care algoritmul de invatare Madaline respecta principiul celei mai
mici perturbatii?c) se alege numarul minim de Adaline care ar putea influenta schimbarea
iesirii, se aleg Adalinele cu iesirea cat mai apropiata de zero iar ponderile sunt modificate in
directia vectorului de intrare
17. Care este diferenta dintre retelele Learning Vector Quantization si hartile cu auto-organizare
(SOM)?b) LVQ este o metoda de invatare supervizata
18. Cum se utilizeaza retelele Learning Vector Quantization pentru clasificare?b) spatiul vectorilor
de intrare se divide in regiuni disjuncte, fiecare cu un vector prototip; un vector de intrare
este etichetat cu clasa celui mai apropiat vector prototip
19. Cum se utilizeaza retelele Learning Vector Quantization pentru compresie de date?
a) spatiul vectorilor de intrare se divide in regiuni disjuncte, fiecare cu un vector prototip;
un vector de intrare este inlocuit cu indexul vectorului prototip cel mai apropiat
21. Ce aduce in plus modelul LQV2 fata de LVQ?
c) se considera si urmatorul cel mai apropiat vecin, in conditiile in care cel mai apropiat
vecin Wi apartine altei clase in comparatie cu vectorul de intrare X, urmatorul cel mai
apropiat vecin Wj apartine aceleiasi clase cu X iar X apartine une ferestre definite de planul
bisector al segmentului care uneste Wi si Wj
22. Ce fenomene cognitive considera Grossberg ca explica modelele Instar si Outstar?
a) invatare pavloviana, invatare hebbiana, repetarea imbunatateste rezultatele, repetarea
excesiva nu este necesara
23. Care sunt avantajele modelului CMAC (cerebellar model articulation controller)?
c) este un model viabil pentru sarcini de control complexe, algoritmul de invatare este mult
mai rapid decat backpropagation
24. Care este cel mai utilizat tip de retea neuronala?b) perceptronul multistrat
25. Care este structura unui perceptron multistrat?
c) mai multe straturi de neuroni interconectati, fiecare din ei calculeaza suma ponderata a
intrarilor la care se adauga un termen constant si apoi rezultatului i se aplica o functie de
activare neliniara
26. Ce inseamna conectarea feedforward a neuronilor intr-un perceptron multistrat?
c) interconectarile nu formeaza bucle
27. Cum se numesc retelele perceptron multistrat in care interconectarile formeaza una sau mai
multe bucle?a) recurente

28. Care este expresia functiei sigmoide unipolare (functia logistica)?a) S(s) = 1 / (1 + exp(-s) )
29. Care este expresia functiei sigmoide bipolare (tangenta hiperbolica)?a) S(s) = (1 - exp(-2s) ) / (1
+ exp(-2s) )
30. Cum se realizeaza antrenarea unui perceptron multistrat?b) prin modificarea ponderilor
conexiunilor si a valorilor prag ale neuronilor
31. Ce sunt straturile ascunse ale unui perceptron multistrat?b) straturi interne retelei, nici de
intrare si nici de iesire
33. Cine a introdus in 1986 algoritmul backpropagation ca metoda generala de antrenare a
perceptronilor multistrat?b) Rumelhart, Hinton si Williams
34. Care este ideea care sta la baza algoritmului backpropagation?
a) minimizarea erorii (diferentei dintre iesirea dorita si iesirea reala) in raport cu ponderile
prin metoda gradientului descendent
39. Ce reprezinta algoritmul backpropagation stohastic?
b) o varianta a algoritmului backpropagation standard in care actualizarea ponderilor nu
se face o singura data, la sfarsitul unei epoci de antrenare, cu ajutorul gradientilor
corespunzatori fiecarei conexiune, ci in timp real, dupa prezentarea fiecarui vector de intrare
40. Care este impedimentul cel mai important al algoritmului backpropagation?
b) deoarece se bazeaza pe metoda gradientului descendent, poate converge intr-un minim
local al functiei de eroare pe care incearca sa o minimizeze
41. Cum se justifica proprietatea perceptronului multistrat de "aproximator universal"?
b) s-a demonstrat ca o retea (posibil infinita) cu un singur strat ascuns este capabila sa
aproximeze orice functie continua
44. Ce se intelege prin capacitatea de a generaliza a unei retele neuronale?
c) reteaua trebuie sa dea rezultate bune nu numai pentru instantele folosite la antrenare, ci
si pentru instante noi
45. Care ar fi conditiile pentru ca o retea sa generalizeze bine?
a) sa aiba o topologie adecvata cu cat mai putine ponderi si totusi sa dea rezultate bune la
antrenare, exploatand astfel regularitatile problemei
46. Cum se realizeaza validarea incrucisata ("cross-validation")?
c) in timpul antrenarii, se analizeaza performantele retelei pe o multime de vectori de
validare diferita de multimea vectorilor de antrenare; antrenarea se opreste in momentul in
care eroarea pe setul de validare nu mai scade, chiar daca eroarea pe setul de antrenare ar
putea scadea in continuare
47. Cum se imbunatateste capacitatea de generalizare a unui perceptron multistrat prin
simplificarea retelei ("network pruning") si tehnicile constructive?
a) metoda simplificarii retelei porneste de la o retea mare si apoi elimina succesiv cele mai
putin importante conexiuni; tehnicile constructive pornesc de la o retea de dimensiuni mici si
ii adauga unitati pana cand performantele devin acceptabile
52. Care este diferenta dintre variantele algoritmului backpropagation pentru retele feed-forward
si recurente?b) in cazul retelelor recurente, dupa aplicarea unui vector de intrare si dupa
retropropagarea unui set de erori, reteaua trebuie lasata sa se stabilizeze
53. Care sunt conditiile care trebuie respectate pentru a garanta stabilitatea la antrenare a unei
retele recurente de tip perceptron multistrat?b) folosirea unor neliniaritati crescatoare si
marginite (de exemplu sigmoide), pastrareasimetriei ponderilor si implementarea dinamicii
retelei
54. Cum functioneaza retelele recurente secventiale de timp discret?
c) intrarile retelei se modifica numai la momente discrete de timp, iesirile unitatilor de
timp discret se modifica sincron cu intrarile iar iesirile unitatilor instantanee urmaresc
imediat variatiile intrarilor lor
56. Care este avantajul retelelor recurente secventiale de timp discret?
b) pot fi reduse la retele feed-forward si antrenate cu algoritmul backpropagation standard
57. Cum pot fi clasificate memoriile asociative din punct de vedere al asociatiilor stocate:
a) autoasociative si heteroasociative
58. Care este trasatura cea mai importanta a unei memorii asociative cu feedback?
b) sistemul dinamic rezultat trebuie sa aiba un comportament asimptotic stabil
60. Ce trebuie sa realizeze o memorie asociativa?
a) o mapare yk = G(xk) pentru toate perechile de intrare-iesire (xk, yk), maparea sa fie
toleranta la zgomote si sa poata corecta eventualele erori
61. Ce este o "amintire fundamentala" a unei memorii asociative?
b) o pereche intrare-iesire (xk, yk) cu care se face antrenarea
62. Ce este o memorie autoasociativa? a) o memorie asociativa care reda mapari intrare-iesire
de forma (xk, xk)
63. Ce este o "amintire falsa" (spurious memory)?
c) o asociatie stocata in memorie in mod neintentionat, care nu face parte din multimea de
amintiri fundamentale
67. Ce caracteristici are o memorie asociativa dinamica de inalta performanta?a) bazine mari de
atractie in jurul amintirilor fundamentale, un numar relativ mic de amintiri false cu bazine
mici de atractie, o stare stabila implicita de indecizie si fara regiuni cu oscilatii
68. Cum se determina matricea de interconectare W intr-o memorie asociativa liniara (notam A
transpus cu A^T)?b)W = Y * X^T
69. Care sunt parametrii unei memorii asociative neliniare (notam A transpus cu A^T si suma cu
i de la 1 la n din ai cu sum{i,1,n} (ai) )? b) Y = F (W* X) si W= (1/n) * sum{k,1,m} (yk * xk^T)
70. Care este reteta de inregistrare a proiectiei (projection recording recipe) pentru o memorie
asociativa liniara optima OLAM (notam A transpus cu A^T si inversa lui A cu A^(-1) )?
b)W* = Y * (X^T * X) ^(-1) * X^T
71. Cand este stabila reteaua Hopfield?
b) cand matricea de interconectare este simetrica si functia de activare este continua si
monoton crescatoare
72. Care este ecuatia caracteristica modelului Hopfield discret (notam suma cu i de la 1 la n din
ai cu sum{i,1,n} (ai) )?b) xi(k+1) = sgn( sum{j,1,n} (wij*xj(k)) + Ii )
73. Memoria asociativa bidirectionala (BAM) propusa de Kosko, cu constrangerea W2^T = W1
= W (W2^T noteaza W2 transpus):
c) este stabila pentru orice matrice reala de interconectare W si converge intotdeauna catre
un minim local al functiei sale de energie
74. Care sunt pasii principali ai metodologiei de calire simulata?
c) generarea aleatorie a unei noi stari, testarea validitatii acesteia si un program de
"racire" pentru stabilizarea intr-o anumita regiune
75. Care este densitatea de probabilitate folosita de masina Boltzman pentru a genera deplasarea
dintre starea veche si cea noua intr-o retea neuronala stohastica?
b) GT(x' | x' = x + X) = (1/2) * pi * T^(1/2) * exp(-X^2 / T)
76. Care este densitatea de probabilitate Cauchy pentru a genera deplasarea dintre starea veche si
cea noua intr-o retea neuronala stohastica?c) GT(x' | x' = x + X) = T / pi * (T^2 + |X|^2)
77. Care fenomen natural este analog cu ideea de calire simulata?
b) inghetarea treptata a apei pentru a se forma o structura cristalina
80. Care este programul de racire pentru calirea simulata folosind un proces aleatoriu gaussian?
b) T = T0 / log(1+t)
81. Cum poate fi accelerat programul de racire in calirea simulata fata de procesul gaussian
aleatoriu folosind zgomot colorat Cauchy?a) T = T0 / (1+t)
82. Care este relatia dintre zgomot si racire intr-un proces de calire simulata?
b) zgomotul asigura diversitatea starilor vizitate iar temperatura determina cat de
departate pot fi doua stari succesive; pe masura ce temperatura scade, cautarea se va localiza
intr-o anumita regiune si se spera ca va converge catre solutie
85. Care este topologia unei retele RBF?
b) o retea RBF este formata din trei straturi: primul contine neuroni simpli care transmit
intrarile fara distorsiuni, al doilea contine neuroni RBF iar al treilea contine neuroni cu
functii de activare liniare
86. Care este iesirea unei retele RBF gaussiene, daca notam suma cu i de la 1 la n din ai cu
sum{i,1,n} (ai), wj sunt ponderile conexiunilor, centrele sunt exemplarele xj, dispersiile sunt
sigma_j iar N este numarul de vectori de antrenare?b) f(x) = sum{j,1,N} (wj * exp ( - 1 / (2 *
sigma_j ^ 2) * || x . xj || ^ 2) )
87. Ce parametri ai unei retele RBF gaussiene sunt ajustati prin invatare?
c) ponderile wi, dispersiile sigma_i iar numarul de neuroni RBF poate fi redus prin selectia
unor exemplare reprezentative din vectorii de antrenare
88. Ce este o retea RBF generalizata?
a) o retea in care numarul de unitati RBF este mult redus fata de numarul de vectori de
antrenare
89. Cum se calculeaza ponderile unei retele RBF cu selectie a centrelor?a) prin metoda celor mai
mici patrate
90. Care din urmatoarele metode nu poate fi folosita pentru adaptarea latimii functiei de baza
radiala intr-o retea RBF?c) metoda celor mai mici patrate ortogonale nesupervizate
91. Ce sunt estimatorii densitatii nucleului (kernel density estimators)?
a) retele neuronale RBF pentru estimarea functiilor de densitate de probabilitate
92. Care sunt avantajele metodelor de clasificare bazate pe nucleu (kernel classifiers)?
b) invatare simpla, posibilitatea convergentei catre clasificatorul bayesian optim, care
poate ramane optim fara reantrenare
93. Care este topologia unei retele neuronale de energie Coulomb restransa?a) trei straturi: un
strat de intrare care retransmite intrarile, un strat de prototipuri si un strat de decizie
94. Intr-o retea neuronala de energie Coulomb restransa, care este rolul stratului de prototipuri?
c) aproximarea claselor printr-o superpozitie de hipervolume cu anumite raze in spatiul
trasaturilor
95. Ce se intalmpla daca intr-o retea neuronala de energie Coulomb restransa raza initiala
lambda_0 este prea mica? a) numarul de neuroni prototip devine egal cu numarul de vectori de
antrenare
96. Care este topologia unui arbore neuronal?
a) un strat de intrare, un strat de neuroni binari (cu un numar de neuroni egal cu numarul
de noduri ale arborelui), un strat de neuroni logici SI (cu un numar de neuroni egal cu
numarul de frunze ale arborelui) si un un strat de neuroni logici SAU (cu un numar de
neuroni egal cu numarul de clase)















6. Daca wi este ponderea conexiunii i la momentul k, alfa este rata de invatare, t este iesirea
dorita, a este iesirea reala si xi este intrarea i, care este regula de actualizare a ponderilor unui
perceptron cu un singur strat?b) wi(k+1) = wi(k) + alfa * [t(k) - a(k)] * xi(k)
10. Daca wi(k) este ponderea conexiunii i la momentul k, alfa este rata de invatare, t este iesirea
dorita, a este iesirea reala si xi este intrarea i, care este regula de actualizare a ponderilor unui
neuron Adalinea) wi(k+1) = wi(k) + alfa * [t(k) - a(k)] * xi(k)
20. Daca Wi(t) este vectorul de ponderi al neuronului castigator la momentul t, Xj este vectorul
de intrare, alfa este rata de invatare, cum se realizeaza actualizarea ponderilor in procesul de
invatare al unei retele Learning Vector Quantization?
c) Wi(t+1) = Wi(t) + alfa * ( Xj - Wi(t) ) daca Xj si Wi apartin aceleiasi clase si Wi(t+1) =
Wi(t) - alfa * ( Xj - Wi(t) ) daca Xj si Wi apartin la clase diferite
32. De ce perceptronul multistrat nu are functii de activare liniare?
c) functiile liniare nu asigura o crestere a puterii de calcul in raport cu retelele cu un singur
strat, deoarece o functie liniara de functii liniare este tot o functie liniara
55. De ce trebuie sa existe in fiecare bucla a unei retele recurente de tip perceptron multistrat cel
putin o unitate de timp discret? c) daca bucla ar fi formata numai din unitati instantanee, ar
aparea o secventa infinita de actualizari
64. De ce sunt mai puternice arhitecturile de memorie autoasociativa recurente decat cele
feedforward? c) intr-o arhitectura feedforward, la prezentarea unui vector de intrare numai o
parte din eventualul zgomot va fi eliminat
65. Daca X sunt vectorii de intrare, W este matricea de interconectare, F este vectorul functiilor
de activare iar t sunt momentele de timp discrete, care este ecuatia unei memorii autoasociative
dinamice (DAM)?a) X(t+1) = F(W * X(t) )
66. Daca X sunt vectorii de intrare, Y sunt vectorii de iesire, W1 si W2 sunt matricele de
interconectare, F este vectorul functiilor de activare iar t sunt momentele de timp discrete, care sunt
ecuatiiile unei memorii heteroasociative?a) Y(t+1) = F(W1 * X(t) ) si X(t+1) = F( W2 * Y(t) )

3. Functia XOR:a) poate fi invatata de un perceptron multistrat

59. Intrarea intr-o memorie asociativa se numeste:a) cheie de memorie

14. La antrenarea unei retele Madaline, care este ordinea recomandata de prezentare a vectorilor
de intrare?a) ordine aleatorie, deoarece ordinea ciclica poate impiedica convergenta

9. Pe ce principiu se bazeaza algoritmul least mean square?b) minimizarea erorii patratice medii
dintre iesirea dorita si cea reala
35. Pentru aplicarea algoritmului backpropagation, care este derivata functiei sigmoida
unipolara?b) S'(s) = S(s) * (1 - S(s) )
36. Pentru aplicarea algoritmului backpropagation, care este derivata functiei tangenta
hiperbolica?a) S'(s) = (1 - S(s) ) * (1 + S(s)
42. Prin ce se caracterizeaza metoda momentului de accelerare a invatarii cu algoritmul
backpropagation?c) propune, la ajustarea unei ponderi, adaugarea unui termen proportional
cu ultima modificare a ponderii respective
43. Prin ce se caracterizeaza metoda ratei de invatare adaptive pentru accelerarea invatarii cu
algoritmul backpropagation?
a) consta in utilizarea unei rate de invatare individuale pentru fiecare pondere si adaptarea
acestor parametri in fiecare iteratie, in functie de semnele succesive ale gradientilor
ponderilor
51. Prin ce se caracterizeaza o retea neuronala recurenta secventiala?a) reteaua are "memorie" iar
iesirea dorita pentru fiecare vector de intrare depinde nu numai de acel vector ci si de cei
anteriori


13. In topologia Madaline, care este diferenta dintre ponderile portii logice si ponderile
Adalinelor?c) ponderile portii logice sunt fixe, iar ponderile Adalinelor sunt ajustabile
37. In algoritmul backpropagation, cum se calculeaza gradientii erorilor pentru neuronii din
stratul de iesire (delta_k), daca S' este derivata functiei de activare, ek(t) este eroarea la momentul t
iar wjk(p) sunt ponderile conexiunilor dintre stratul ascuns si cel de iesire?b) delta_k(t) = S' * ek(t)
38. In algoritmul backpropagation, cum se calculeaza gradientii erorilor pentru neuronii din
stratul ascuns (delta_j), daca S' este derivata functiei de activare, delta_k sunt gradientii erorilor
pentru neuronii din stratul de iesire, wjk(t) sunt ponderile conexiunilor dintre stratul ascuns si cel de
iesire la momnetul t iar l este numarul de iesiri ale retelei (notam suma cu i de la 1 la n din ai cu
sum{i,1,n} (ai) )?a) delta_j(t) = S' * sum{k,1,l} (delta_k(t) * wjk(t) )
48. In contextul regularizarii unui perceptron multistrat, care este rolul termenului de
regularizare Ereg din expresia functiei de cost Etotal = E + lambda * Ereg?
b) determina reteaua sa produca functii de aproximare cat mai netede, deoarece acestea
sunt mai regulate (au variabilitate mai mica) si deci pot produce generalizari mai bune
49. In contextul regularizarii unui perceptron multistrat, in expresia functiei de cost Etotal = E +
lambda * Ereg, sa presupunem ca termenul de regularizare Ereg este suma patratelor ponderilor
retelei. Cum se justifica o asemenea alegere?a) ponderile mai mici tind sa produca functii care se
schimba mai greu si deci mai netede
50. In contextul regularizarii unui perceptron multistrat, in expresia functiei de cost Etotal = E +
lambda * Ereg, sa presupunem ca termenul de regularizare Ereg este suma valorilor absolute ale
ponderilor retelei. Cum se justifica o asemenea alegere?a) in componenta gradientilor functiei de
cost apare un termen proportional cu semnul ponderilor, ceea ce asigura atat regularizarea,
cat si punerea pe 0 a ponderilor mai putin importante
78. In calirea simulata, cunoscand diferenta de energie dintre doua stari dE = E2 - E1, cand este
posibila o tranzitie din starea E1 in starea E2?c) cand dE < 0 sau cu probabilitatea PT = 1 / (1 +
exp(-dE / T) ) daca dE > 0
79. In calirea simulata, cand se face o tranzitie intre doua stari E1 si E2?
b) daca E2 este o stare mai buna, se trece in ea sigur, daca E2 este mai proasta, se trece in
ea cu o anumita probabilitate descrescatoare in timp
83. In contextul clasificarii, care este diferenta dintre un neuron de tip perceptron si un neuron
RBF?b) perceptronul imparte spatiul trasaturilor in hiperplane, neuronul RBF defineste un
hipervolum sau o hipersfer



84. Retelele RBF:b) pot realiza atat clasificari cat si aproximari functionale


Name: ________________________ Class: ___________________ Date: __________ ID: A
1
Subiecte inteligenta artificiala licenta informatica 3 ani
Multiple Choice
Identify the letter of the choice that best completes the statement or answers the question.
____ 1. Pentru predicatul PROLOG,
calcul([X],X):-!.
calcul([H|T],S):- calcul(T,R),S=H+P.
rezultatul apelului calcul([1,2,3,4],S) este:
a. S=24, c. S= 1,
b. S= 4, d. S= 10
____ 2. Fie predicatele PROLOG,
calcul([X],X):-!.
calcul([X|T],Y):- calcul(T,Z),compara(X,Z,Y).
compara(X,Z,X) :-X<=Z, !.
compara(X,Z,Z).
Rezultatul apelului calcul([1,2,3,4],S) este
a. S=2, c. S= 3,
b. S= 1, d. S= 4
____ 3. Pentru predicatul PROLOG,
verifica(X,[X|_]):-!.
verifica(X,[_|T]):- verifica(X,T).
Rezultatul apelului verifica(3, [1,2,3,4,5]) este
a. yes, c. 3,
b. no, d. 14
____ 4. Fie predicatul PROLOG,
calcul([],X,X):-!.
calcul([H|T],X,[H|R]):- calcul(T,X,R).
Rezultatul apelului calcul([1,2,3],[2,5],S) este
a. S=[1,2,3,5], c. S= [1,2,3,2,5],
b. S= [], d. yes
____ 5. Fie predicatele PROLOG,
calcul([],[]):-!.
calcul([H|T],S):-calcul(T,R), calcul_1(R,[H],S].
calcul_1([],L,L]:-!.
calcul_1([H|T],L,[H|R]]:- calcul_1(T,L,R].
Rezultatul apelului calcul([1,2,3,4],S) este
a. S=[1,2,3,4], c. S= [2,1,4,3],
b. S= [4,3,2,1], d. S= [1,3,2,4]
____ 6. Fie predicatul PROLOG,
calcul([X],[]):-!.
calcul([H|T],[H|R]):- calcul(T,R).
Rezultatul apelului calcul([1,2,1,3,2,4],S) este
a. S=[4], c. S= [1,2,1,3,2],
b. S= [1], d. S= [1,3,2,4]
Name: ________________________ ID: A
2
____ 7. Fie predicatul PROLOG,
calcul(_,[],[]):-!.
calcul(X,[X|T],S):- calcul(X,T,S),!.
calcul(X,[Y|T],[Y|R]):- calcul(X,T,R).
Rezultatul apelului calcul(2,[1,2,1,3,2,4],S) este
a. S= [2,1,2,1,3,2,4], c. S= [1,1,3,2,4],
b. S=[1,2,1,3,2,4,2] d. S= [1,1,3,4]
____ 8. Fie considera programul PROLOG,
calcul([],[]):-!.
calcul(L,L):-calcul_2(L),!.
calcul (L,S):-calcul_1(L,T), calcul (T,S).
calcul_1 ([],[]).
calcul_1 ([X],[X]).
calcul_1 ([X,Y|T],[X|S]):-X<=Y,
calcul_1 ([Y|T],S).
calcul_1 ([X,Y|T],[Y|S]):- X>Y,
calcul_1 ([X|T],S).
calcul_2 ([]).
calcul_2 ([_]).
calcul_2 ([X,Y|T]):-X<=Y,
calcul_2 ([Y|T]).
Rezultatul apelului calcul([1,2,1,3,2,4],S) este
a. S= [4,2,3,1,2,1], c. S= [1,1,2,2,3,4],
b. S=[1,2,3,1,2,4] d. S= [4,3,2,2,1,1]
____ 9. Fie considera programul PROLOG,
calcul ([],[]).
calcul ([H|T],S):- calcul (T,A), calcul_1 (H,A,S).
calcul_1 (X,[],[X]).
calcul_1 (X,[H|T],[X,H|T]):-X<=H.
calcul_1 (X,[H|T],[H|S]):-X>H, calcul_1 (X,T,S).
Rezultatul apelului calcul([1,2,1,3,2,4],S) este
a. S= [1,1,2,2,3,4], c. S=[1,2,3,1,2,4] ,
b. S= [4,2,3,1,2,1], d. S= [4,3,2,2,1,1]
Name: ________________________ ID: A
3
____ 10. Fie considera programul PROLOG,
calcul ([],[]).
calcul ([X],[X]).
calcul (L,[Min|T]):-mnm (L,Min),
calcul_1 (L,Min,S),
calcul (S,T),!.
calcul_1 ([],_,[]).
calcul_1 ([X|T],X,T).
calcul_1 ([Y|T],X,[Y|L]):-Y<>X,
calcul_1 (T,X,L).
mnm ([X],X):-!.
mnm ([X|T],Z):- mnm (T,Y),
calcul_2(X,Y,Z).
calcul_2 (X,Y,Y):- X>=Y,!.
calcul_2 (X,_,X).
Rezultatul apelului calcul([1,2,1,3,2,4],S) este
a. S= [4,2,3,1,2,1], c. S= [4,3,2,2,1,1],
b. S=[1,2,3,1,2,4], d. S= [1,1,2,2,3,4]
____ 11. Fie considera programul PROLOG,
calcul ([],[]).
calcul ([H|T],R):- calcul (T,S), calcul_1 (H,S,R).
calcul_1 ([],L,L).
calcul_1 ([H|T],L,[H|S]):- calcul_1 (T,L,S).
Rezultatul apelului calcul([1,1],[2],[1,3,2],[4]],S) este
a. S= [1,1,2,1,3,2,4], c. S= [[1,1,2,1,3,2,4]],
b. S=[[1,1,2,1,3,2,4]|[]] d. S= [[1],[1],[2],[1],[3],[2],[4]]
Name: ________________________ ID: A
4
____ 12. Fie considera programul PROLOG,
calcul ([],[]).
calcul ([H|T],S):- calcul_1 (H,T,L1),
calcul_2 (H,T,L2),
calcul (L1,S1),
calcul (L2,S2),
calcul_3 (S1,[H|S2],S).
calcul_1 (_,[],[]).
calcul_1 (X,[H|T],[H|S]):-H<=X,
calcul_1 (X,T,S).
calcul_1 (X,[H|T],S):-H>X,
calcul_1 (X,T,S).

calcul_2 (_,[],[]).
calcul_2 (X,[H|T],[H|S]):-H>X,
calcul_2 (X,T,S).
calcul_2 (X,[H|T],S):-H<=X,
calcul_2 (X,T,S).

calcul_3 ([],X,X).
calcul_3 ([H|T],L,[H|S]):- calcul_3 (T,L,S).
Rezultatul apelului calcul([1,2,1,3,2,4],S) este
a. S= [4,3,2,1], c. S= [1,1,2,2,3,4],
b. S=[1,2,3,4], d. S= [4,3,2,2,1,1]
____ 13. Formula
( ) Y X X Y α β β = ∃ ∀ →∀ ∃ este,
a. invalidabila , c. falsificabila ,
b. tautologie , d. incorecta din punct de vedere sintactic
____ 14. Formula
( ) X Y Y X α β β = ∀ ∃ →∃ ∀ este,
a. invalidabila , c. falsificabila ,
b. tautologie , d. incorecta din punct de vedere sintactic
____ 15. In limbajul de primul ordin al aritmeticii formula
( ) X Y Z XZ Y XY α = ∀ ∀ ∃ + →< ≐ este
a. invalidabila , c. falsa in interpretarea intentionata,
b. tautologie , d. valida in interpretarea intentionata
____ 16. Formula ( ) ( ) ( ) ( )
α β γ β γ = → ↔ ÷ ∨ este,
a. invalidabila ,
b. tautologie ,
c. falsificabila ,
d. falsa in orice L-structura avand domeniul de interpretare multime finita
Name: ________________________ ID: A
5
____ 17. Fie multimea de expresii,
{ }
( ) ( ) { }
,
( ) 3, 2, 1, , , ,
E fgXYhZgahX fghaZhhYgaha
r f r g r h a CS X Y Z V
=
= = = ∈ ⊂
a. E nu este unificabila,
b.
{ } | , | , | ha X hY Z ha Y σ = este mgu pentru E,
c.
{ } | , | , | hY Z a X Z Y σ = este mgu pentru E,
d. afirmatiile (a),(c) sunt false
____ 18. Fie multimea de expresii,
{ }
( ) ( ) { }
,
( ) 3, 2, 1, , , ,
E fagYXhX faZY
r f r g r h a CS X Y Z V
=
= = = ∈ ⊂
a. E nu este unificabila,
b.
{ } | , | ghXX Z hX Y σ = este mgu pentru E,
c.
{ } | , | gYX Z hX Y σ = este mgu pentru E,
d.
{ } | , | ghaa Z ha Y σ =
____ 19. Se considera formula,
( )
( ) ( ) { }
,
2, , , , ,
X Y Z T PXY QZa PZT
r P r Q a CS X Y Z T V
α = ∃ ∀ ∃ ∀ ∨÷ ∨÷
= = ∈ ⊂
a. orice forma normala Skolem corespunzatoare formulei α este semantic
echivalenta cu α
b.
( ) Y T PaY QfYa PfYT α = ∀ ∀ ∨÷ ∨÷ este forma normala Skolem pentru α , unde
( ) , 1 f FS r f ∈ =
c.
( ) Y Z T PbY QZa PZT α = ∀ ∀ ∀ ∨÷ ∨÷ este forma normala Skolem pentru α ,
unde b CS ∈
d.
( ) Y T PbY QfYa PfYT α = ∀ ∀ ∨÷ ∨÷ este forma normala Skolem pentru α , unde
( ) , 1 f FS r f ∈ = , b CS ∈
____ 20. Se considera afirmatia: “ Pentru orice formula inchisa α exista o multime finita de clauze S
astfel incat α este invalidabila daca si numai daca S este invalidabila”
a. afirmatia este adevarata
b. afirmatia este adevarata numai daca α este forma normala prenex
c. afirmatia este adevarata numai daca α este forma normala Skolem
d. afirmatia este falsa
____ 21. Se considera afirmatia: “ Multimea finita de clauze S este invalidabila daca si numai daca exista
o S-respingere rezolutiva”
a. afirmatia este falsa
b. afirmatia este adevarata numai daca S este multime de clauze de baza
c. afirmatia este adevarata numai daca S este multime de clauze definite
d. afirmatia este adevarata
Name: ________________________ ID: A
6
____ 22. Se considera afirmatia: “ Multimea finita de clauze S este invalidabila daca si numai daca exista
o SLD-respingere rezolutiva”
a. afirmatia este adevarata pentru orice multime de clauze S
b. afirmatia este adevarata numai daca in clauzele din S nu apar simboluri
functoriale
c. afirmatia este adevarata numai daca S este multime de clauze definite
d. afirmatia este adevarata numai daca toate clauzele din S sunt clauze de baza
____ 23. Fie H

universul Herbrand ,
( )
H
B S baza atomilor Herbrand pentru o multime finita de clauze
S.
a. Exista S astfel incat H

este multime infinita si
( )
H
B S multime finita
b. Exista S astfel incat H

este multime finita si
( )
H
B S multime infinita
c. Pentru orice S, H

( )
H
B S este multime
finita
d. Pentru orice S, H

este multime finita daca si numai daca
( )
H
B S este multime
infinita
____ 24. Fie S multime finita de clauze.
a. Este posibil sa nu existe arbore semantic complet pentru S.
b. Pentru orice S exista cel putin un arbore semantic complet finit pentru S
c. Pentru orice S, orice arbore semantic complet pentru S este arbore semantic inchis
pentru S
d. Daca exista T un arbore semantic complet pentru S astfel incat exista T’ arbore
semantic inchis pentru S, T’ subarbore finit al lui T cu aceeasi radacina si
multimea varfurilor terminale din T’ sectiune a arborelui T, atunci S este
invalidabila
____ 25. Fie S multime finita de clauze
a. Este posibil ca S sa fie validabila dar sa nu existe H-model pentru S.
b. S este invalidabila daca si numai daca nu exista H-model pentru S
c. Daca exista o multime invalidabila de instantieri de baza ale clauzelor din S nu
rezulta ca S este invalidabila
d. Toate afirmatiile precedente sunt false
____ 26. Fie
{ }
1
,...,
n
α α { }
1
,...,
m
β β multimi de formule inchise.
a.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca
( ) ( )
1 1
n m
i j
i j
M M α β
= =

∪ ∩
b.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca
( ) ( )
1 1
n m
i j
i j
M M α β
= =

∪ ∪
c.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca
( ) ( )
1 1
n m
i j
i j
M M α β
= =

∩ ∩
d.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca
( ) ( )
1 1
n m
i j
i j
M M α β
= =

∩ ∪
Name: ________________________ ID: A
7
____ 27. Fie expresiile
1
E fgXgXYhbY = ,
2
E fgXZaha = ,
3
E fgXhabZ = unde
( ) ( ) ( ) , , , 3, 2, 1 f g h FS r f r g r h ∈ = = =
, , , , X Y Z V a b CS ∈ ∈
si fie D dezacordul multimii
{ }
1 2 3
, , E E E E =
a.
{ } , , D gXY Z ha = c. D = ∅
b.
{ } , , D Z g h = d. afirmatiile a. ,(b),(c) sunt false
____ 28. In limbajul de primul ordin al aritmeticii fie formulele,
( )
( )
0
0
X SXSX XX XXS
X XX SS X
α
β
= ∀ ∗ + +∗ +
= ∀ + ∗


a. ambele formule α , β sunt valide in interpretarea intentionata
b. cel putin una din formulele α , β este tautologie
c. formula α este tautologie si β este falsificabila
d. formula β este tautologie si α este falsificabila
____ 29. Fie
{ }
1
,...,
n
α α { }
1
,...,
m
β β multimi de formule inchise.
a.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca exista ,1 i i n ≤ ≤ si exista
,1 j j m ≤ ≤ astfel incat ( ) ( )
i j
M M α β ⊆
b.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca pentru orice ,1 i i n ≤ ≤ exista ,1 j j m ≤ ≤ astfel
incat ( ) ( )
i j
M M α β ⊆
c.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β numai daca ( ) ( )
1 1
n m
i j
i j
M M α β
= =
| |
| |
= ∅
|
|
\ ¹
\ ¹

∩ ∩
d.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β numai daca ( ) ( )
1 1
n m
i j
i j
M M α β
= =
| |
| |
≠ ∅
|
|
\ ¹
\ ¹

∩ ∩
____ 30. In limbajul de primul ordin al aritmeticii se considera substitutiile,
{ } { } | , | , | , | SYSZ X X Y Y X X Z λ θ = + =
a. λ θ nu este definita c.
{ } | , | SYSX X X Z λ θ = +
b. λ θ =θ λ d. pentru orice t TERM ∈ , t t θ λ =
Name: ________________________ ID: A
8
____ 31. Fie reprezentarea clauzala
{ }
1 7
,..., S k k = unde
1
k PX QX RXfX = ÷ ∨ ∨
2
k PX QX SfX = ÷ ∨ ∨
3
k Ta =
4
k Pa =
5
k RaY TY = ÷ ∨
6
k TX QX = ÷ ∨ ÷
7
k TX SX = ÷ ∨ ÷
unde , , , , P Q R S T PS ∈ ,
( ) ( ) ( ) ( ) 1, 2 r P r S r T r R = = = = ,
( ) , 1 f FS r f ∈ = , , , a CS X Y V ∈ ∈
a. S este validabila c. Exista cel putin o clauza tautologie in
S
b. S este invalidabila d. Exista cel putin o clauza invalidabila
in S.
____ 32. Fie , FORM α β ∈ si ( ) ( ) ( )
γ α β α β = → → ∧
a. γ este invalidabila
b. γ este tautologie
c. γ este falsificabila
d. γ este validabila daca si numai daca α este validabila
____ 33. Fie
( ) 0 X XX SS X α = ∀ + ∗ ≐ in limbajul de primul ordin al aritmeticii.
a. α este tautologie
b. α este adevarata in interpretarea intentionata
c. α este adevarata in orice L-structura cu domeniul de interpretare multime finita
d. α este valida in orice L-structura cu domeniul de interpretare constand dintr-un
singur element
____ 34. Fie , FORM α β ∈ si ( ) ( ) ( )
γ α β α β = → → ∧
a. γ este validabila daca si numai daca
{ } α |= β
b. γ este validabila numai daca
{ } α |= β
c. γ este validabila numai daca
{ } β |= α
d. toate afirmatiile (a),(b),(c) sunt false
____ 35. Fie
{ }
1
,...,
n
α α { }
1
,...,
m
β β multimi de formule inchise
a.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca |=
1 1
n m
i j
i j
α β
= =

∧ ∨
b.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca |=
1 1
n m
i j
i j
α β
= =

∧ ∧
c.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca
( )
1 1
n m
i j
i j
α β
= =
∧ ÷
∧ ∧
este logic falsa
d.
{ }
1
,...,
n
α α |=
{ }
1
,...,
m
β β daca si numai daca
1 1
n m
i j
i j
α β
= =
| | | |
| |
∧ ÷
| | |
\ ¹
\ ¹ \ ¹
∧ ∨
este validabila
Name: ________________________ ID: A
9
____ 36. Fie programul logic P,
ogar(a).
mai_repede(a,X):-iepure(X).
mai_repede(X,Y):-cal(X),caine(Y).
mai_repede(X,Z):-mai_repede(X,Y),mai_repede(Y,Z).
cal(h).
iepure(r).
caine(X):-ogar(X).
si scopul G=+mai_repede(h,r)
a. nu exista respingere rezolutiva pentru G pe baza programului P.
b. nu exista SLD-respingere pentru G pe baza programului P.
c. substitutia vida este raspuns calculat pentru G pe baza programului P.
d. toate afirmatiile (a),(b),(c) sunt false
____ 37. Fie programul PROLOG
domains
lista=integer*
predicates
p(lista, integer)
d(integer,integer,integer)
clauses
p([X],X):-!.
p([X|T],Z):- p (T,Y),
d (X,Y,Z).
d (X,Y,Y):- X>=Y,!.
d (X,_,X).
Rezultatul apelului p([3,1,5,2,7,4],N) este
a. yes c. N=1
b. N=7 d. no
____ 38. Fie programul PROLOG
domains
lista=integer*
predicates
e (lista,integer,lista)
clauses
e ([],_,[]).
e ([X|T],X,T).
e ([Y|T],X,[Y|L]):-Y<>X,
e (T,X,L).
Rezultatul apelului e([3,1,5,1,2,7,4],1,S) este
a. S=[3,5,1,2,7,4] c. S=[4,7,2,1,5,1,3]
b. S=[3,5,2,7,4] d. S=[1,1,2,3,4,5,7]
Name: ________________________ ID: A
10
____ 39. Fie programul PROLOG
domains
lista=integer*
predicates
s (lista,lista)
m (lista, integer)
e (lista,integer,lista)
d (integer,integer,integer)
clauses
s ([],[]):-!.
s ([X],[X]).
s (L,[M|T]):-m (L,M),
e (L,M,S),
s (S,T),!.
e ([],_,[]).
e ([X|T],X,T).
e ([Y|T],X,[Y|L]):-Y<>X,
e (T,X,L).
m ([X],X):-!.
m ([X|T],Z):- m (T,Y),
d (X,Y,Z).
d (X,Y,Y):- X>=Y,!.
d (X,_,X).
Rezultatul apelului s([3,1,5,1,2,7,4],S) este
a. S=[3,5,1,2,7,4] c. S=[4,7,2,1,5,1,3]
b. S=[3,5,2,7,4] d. S=[1,1,2,3,4,5,7]
Name: ________________________ ID: A
11
____ 40. Fie programul PROLOG
domains
lista=integer*
predicates
s (lista,lista)
c (lista,lista,lista)
m1(integer,lista,lista)
m2(integer,lista,lista)
clauses
s([],[]).
s ([H|T],S):-m1(H,T,L1),
m2(H,T,L2),
s (L1,S1),
s (L2,S2),
c (S1,[H|S2],S).
m1(_,[],[]).
m1(X,[H|T],[H|S]):-H<=X,
m1(X,T,S).
m1(X,[H|T],S):-H>X,
m1(X,T,S).

m2(_,[],[]).
m2(X,[H|T],[H|S]):-H>X,
m2(X,T,S).
m2(X,[H|T],S):-H<=X,
m2(X,T,S).

c ([],X,X).
c([H|T],L,[H|S]):-c (T,L,S).
Rezultatul apelului s([3,1,5,1,2,7,4],S) este
a. S=[] c. S=[1,1,2,3,4,5,7]
b. S=[3,3,1,1,5,5,1,1,2,2,7,7,4,4] d. no
Name: ________________________ ID: A
12
____ 41. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
predicates
e (integer,tree)
clauses
e (X,t(_,X,_)):-!.
e (X,t(S,R,_)):-X<R,
e (X,S).
e (X,t(_,R,D)):-X>R,
e (X,D).
Rezultatul apelului
e(1, t(t(t(nil,5,nil),8,nil),10,t(t(nil,12,nil),15,t(nil,17,nil)))) este
a. yes, c. 1,
b. no, d. nici unul dintre raspunsurile (a)-(c)
____ 42. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
lista=integer*
predicates
g (lista,tree)
i (integer, tree,tree)
clauses
g ([H|T], R):- g (T,Rt),
i (H,Rt,R).
i (X,nil,t(nil,X,nil)).
i (X,t(S,R,D),t(S1,R,D)):-X<=R,
i (X,S,S1).
i (X,t(S,R,D),t(S,R,D1)):-X>R,
i (X,D,D1).
Rezultatul apelului
g([12,17,5,8,15,10],T) este
a. no
b. yes
c. T= t(t(t(nil,5,nil),8,nil),10,t(t(nil,12,nil),15,t(nil,17,nil)))
d. T= t(t(5,8,nil),10,t(12,15,17))
Name: ________________________ ID: A
13
____ 43. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
lista=integer*
predicates
sb (lista,lista)
tv(tree,lista)
g (lista,tree)
i (integer, tree,tree)
l (lista,lista,lista)
clauses
sb(L,S):-g (L,T),
tv (T,S).
g ([],nil).
g ([H|T], R):- g (T,Rt),
i (H,Rt,R).
i (X,nil,t(nil,X,nil)).
i (X,t(S,R,D),t(S1,R,D)):-X<=R,
i (X,S,S1).
i (X,t(S,R,D),t(S,R,D1)):-X>R,
i (X,D,D1).
tv (nil,[]).
tv (t(S,R,D),L):- tv (S,Ls), tv (D,Ld),
l (Ls,[R|Ld],L).
l ([],L,L).
l ([H|T],L,[H|S]):-l (T,L,S).
Rezultatul apelului
sb([3,1,5,2,6,7,4],T) este
a. T=[], c. T=[7,6,5,4,3,2,1],
b. no, d. T=[1,2,3,4,5,6,7]
Name: ________________________ ID: A
14
____ 44. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
predicates
d (integer,tree,lista)
clauses
d (X,t(_,X,_),[X]).
d (X,t(S,R,_),[R|L]):-X<R,
d (X,S,L).
d (X,t(_,R,D),[R|L]):-X>R,
d (X,D,L).
Rezultatul apelului
d(12, t(t(t(nil,5,nil),8,nil),10,t(t(nil,12,nil),15,t(nil,17,nil))) ,L)
este
a. L=[], c. L=[12,15,10]
b. L=[10,15,12] d. L=[5,12,17]
____ 45. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
predicates
sb(integer,tree,tree)
clauses
sb (X,t(S,X,D),t(S,X,D)).
sb (X,t(S,R,_),T):- X<R,
sb (X,S,T).
sb (X,t(_,R,D),T):- X>R,
sb (X,D,T).
Rezultatul apelului
sb(8, t(t(t(nil,5,nil),8,nil),10,t(t(nil,12,nil),15,t(nil,17,nil))) ,T)
este
a. T=t(t(nil,5,nil),8,nil), c. yes
b. T=nil d. T=t(5,8,nil)
Name: ________________________ ID: A
15
____ 46. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
lista=integer*
predicates
f (tree,lista)
l (lista,lista,lista)
clauses
f (nil,[]).
f (t(nil,R,nil),[R]):-!.
f (t(S,_,D),L):-f (S,Ls),
f (D,Ld),
l (Ls,Ld,L).
l ([],L,L).
l ([H|T],L,[H|S]):-l (T,L,S).
Rezultatul apelului
f(t(t(t(nil,5,nil),8,nil),10,t(t(nil,12,nil),15,t(nil,17,nil))),L)
este
a. L=[], c. L=[5,12,17]
b. L=[17,12,5] d. L=[5,8,12,17]
Name: ________________________ ID: A
16
____ 47. Fie programul PROLOG
domains
tree=nil;t(tree,integer,tree)
lista=integer*
llista=lista*
predicates
f (tree,lista)
l (lista,lista,lista)
td (tree,llista)
r (tree,integer)
d (integer,tree,lista,llista)
gd(integer,integer,tree,lista)
r (lista,lista)
ec(lista,lista)
clauses
td (nil,[]).
td (T,L):-
r (T,R),
f (T,F),
d (R,T,F,L).
r (t(_,R,_),R).
f (nil,[]).
f (t(nil,R,nil),[R]):-!.
f (t(S,_,D),L):-f (S,Ls),
f (D,Ld),
l (Ls,Ld,L).
l ([],L,L).
l ([H|T],L,[H|S]):-l (T,L,S).
d (_,_,[],[]).
d (R,T,[H|S],[RH|RS]):- gd (R,H,T,RH),
d (R,T,S,RS).
gd (X,Y,S,L):-d (X,S,Lx),
d (Y,S,Ly),
r (Lx,Lxx),
ec(Ly,Lyy),
l (Lxx,Lyy,L).
ec([_|T],T).
r ([],[]).
r ([H|T],L):-r (T,Tr),l (Tr,[H],L).
Rezultatul apelului
td(t(t(t(nil,5,nil),8,nil),10,t(t(nil,12,nil),15,t(nil,17,nil))),L)
este
a. L= [[10,8,5],[10,15,12],[10,15,17]] c. no
b. L=[[10,15,17], [10,15,12], [10,8,5]] d. L= [10,8,5,10,15,12,10,15,17]
Name: ________________________ ID: A
17
____ 48. Fie programul PROLOG
domains
lista=integer*
llista=lista*
predicates
def (llista,lista)
a (lista,lista,lista)
clauses
def ([],[]).
def ([H|T],R):-def (T,S), a (H,S,R).
a ([],L,L).
a ([H|T],L,[H|S]):-a (T,L,S).
Rezultatul apelului
def([[10,8,5],[10,15,12],[10,15,17]],L)
este
a. L=[[10,15,17, 10,15,12]], [10,8,5]] c. L= [[10,8,5,10,15,12,10,15,17]]
b. L= [10,8,5,10,15,12,10,15,17] d. L=[[10,15,17, 10,15,12, 10,8,5]]
____ 49. Fie programul PROLOG
domains
lista=integer*
predicates
ok(lista)
b (lista,lista)
t (lista,lista)
clauses
b ([],[]):-!.
b (L,L):- ok(L),!.
b (L,S):-t(L,T), b (T,S).
t ([],[]).
t ([X],[X]).
t ([X,Y|T],[X|S]):-X<=Y,
t ([Y|T],S).
t ([X,Y|T],[Y|S]):- X>Y,
t ([X|T],S).
ok([]).
ok([_]).
ok([X,Y|T]):-X<=Y,
ok([Y|T]).
Rezultatul apelului b([2,1,4,5,3],L) este
a. L=[3,5,4,1,2] c. L=[1,2,3,4,5]
b. L=[2,2,1,1,4,4,5,5,3] d. L=[5,4,3,2,1]
Name: ________________________ ID: A
18
____ 50. Fie programul PROLOG
domains
lista=integer*
llista=lista*
predicates
p (llista,llista,llista)
pmv (llista, lista,lista)
ps(lista,lista,integer)
clauses
p (M,[V|T],[R|S]):- pmv (M,V,R),
p (M,T,S).
p (M,[V],[R]):- pmv (M,V,R).
pmv ([X],Y,[R]):- ps (X,Y,R).
pmv ([H|T],V,[R|S]):-
ps (H,V,R),
pmv (T,V,S).

ps ([X],[Y],R):-R=X*Y.
ps ([X|T1],[Y|T2],R):-
ps (T1,T2,S), R=X*Y+S.
Rezultatul apelului p([[1,2,3],[4,5,6]],[[-1,-3,-2],[2,1,4]],X) este
a. X=[[1,2,3,4,5,6],[-1,-3,-2,2,1,4]] c. X=[1,2,3,4,5,6,-1,-3,-2,2,1,4]
b. X=[[1,4,-1,2],[2,5,-3,1],[3,6,-2,4]] d. X=[[-13,-31],[16,37]]
Name: ________________________ ID: A
19
____ 51. Fie programul PROLOG
domains
lista=integer*
llista=lista*
predicates
t (llista, llista)
pmv (llista, lista,lista)
ps(lista,lista,integer)
p (llista, llista, llista)
pt (integer, llista, llista)
a (llista,lista,llista)
clauses
pt (N,A,B):- N>1, M=N-1,
pt (M,A,C),
t (C,D),
p (A,D,E),
t (E,B).
t ([[]|_],[]):-!.
t (L,[H|R]):-a (L,H,Rest),
t (Rest,R).
p (M,[V|T],[R|S]):- pmv (M,V,R),
p (M,T,S).
p (M,[V],[R]):- pmv (M,V,R).
pmv ([X],Y,[R]):- ps (X,Y,R).
pmv ([H|T],V,[R|S]):-
ps (H,V,R),
pmv (T,V,S).

ps ([X],[Y],R):-R=X*Y.
ps ([X|T1],[Y|T2],R):-
ps (T1,T2,S), R=X*Y+S.
a ([[H|T]|Rest],[H|R],[T|S]):-
a (Rest,R,S).
a ([],[],[]):-!.
Rezultatul apelului pt(2,[[1,2],[3,4]],X) este
a. X=[[[1,2],[1,2],[3,4],[3,4]] c. X=[[7,10],[15,22]]
b. X=[[1,1,2,2,3,3,4,4]] d. X=[[1,3],[2,4]]
Name: ________________________ ID: A
20
____ 52. Fie programul PROLOG
domains
lsymbol=symbol*
llsymbol=lsymbol*
fr=f(symbol,integer)
lfr=fr*
predicates
fv(lsymbol,lfr)
n(symbol,lsymbol,integer)
e (symbol,lsymbol,lsymbol)
clauses
fv ([],[]):-!.
fv ([H|T],[f(H,F)|R]):-
n (H,T,N),
F=N+1,
e (H,T,S),
fv (S,R).
n (_,[],0):-!.
n (S,[S|T],N):- !,
n (S,T,M),
N=M+1.
n (S,[_|T],N):-
n (S,T,N).
e (_,[],[]):-!.
e (X,[X|T],S):- e (X,T,S),!.
e (X,[Y|T],[Y|S]):- e (X,T,S).
n (_,[],0):-!.
n (S,[S|T],N):- !,
n (S,T,M),
N=M+1.
n (S,[_|T],N):-
n (S,T,N).
e (_,[],[]):-!.
e (X,[X|T],S):- e (X,T,S),!.
e (X,[Y|T],[Y|S]):- e (X,T,S).

Rezultatul apelului fv([a,b,a,c,a,b,c,c,d,a],X) este
a. X=[f(a,4),f(b,2),f(c,3),f(d,1)] c. X=[f(4,a),f(2,b),f(3,c),f(1,d)]
b. X=[(“a”,4),(“b”,2),(“c”,3),(“d”,1)] d. X=[f(“a”,4),f(“b”,2),f(“c”,3),f(“d”,1)]
Name: ________________________ ID: A
21
____ 53. Fie programul PROLOG
domains
lsymbol=symbol*
llsymbol=lsymbol*
predicates
llm (llsymbol,llsymbol)
lm(llsymbol,integer)
al(integer,llsymbol,llsymbol)
l (lsymbol,integer)
m (integer,integer,integer)
clauses
llm (R,S):-
lm (R,N),
al (N,R,S).
lm ([],0):-!.
lm ([H|T],N):- l (H,M),
lm (T,P),
m (M,P,N).
al (_,[],[]):-!.
al (N,[H|T],[H|S]):-
l (H,N),!,
al (N,T,S).
al (N,[_|T],S):- al (N,T,S).
l ([],0):-!.
l ([_|T],N):- l (T,M),N=M+1.
m (A,B,A):-A>=B,!.
m (_,B,B).
Rezultatul apelului llm([[a,b,a,c],[a,b],[],[c,c,d,a],[a,b,c]],X) este
a. X=[[“a”,”b”,”a”,”c”],[“c”,”c”,”d”,”a”
]]
c. X=[[]]
b. X=[[a,b,a,c],[c,c,d,a]] d. X=[f(“a”,4),f(“b”,2),f(“c”,3),f(“d”,1)]
Name: ________________________ ID: A
22
____ 54. Fie programul PROLOG
domains
lv=symbol*
mch=m(symbol,symbol)
lm=mch*
graf=g(lv,lm)
predicates
p (symbol,symbol,graf, lv)
p1(symbol, lv,graf,lv)
ad (symbol,symbol,graf)
apv(symbol, lv)
apm(mch,lm)
v (symbol,graf)
arc(symbol,symbol,graf)
clauses
p (A,Z,G,P):- p1 (A,[Z],G,P).
p1 (A,[A|P],_,[A|P]).
path1(A,[Y|P1],G,P):-ad (X,Y,G),
not (apv(X,P1)),
p1 (A,[X,Y|P1],G,P).

ad (X,Y,G):- v (X,G), v (Y,G),
arc (X,Y,G).
v (X,g(L,_)):-apv(X,L).
arc (X,Y,g(_,L)):-apm(m(X,Y),L);apm(m(Y,X),L).
apv(X,[X|_]).
apv(X,[_|T]):-apv(X,T).
apm(X,[X|_]).
apm(X,[_|L]):-apm(X,L).
Numarul solutiilor calculate de apelul
p( a,e, g([a,b,c,d,e,f],[m(a,b),m(a,c),m(b,c),m(b,d),m(c,f),m(c,d),m(d,e),m(f,e)],L) pentru
digraful g([a,b,c,d,e,f],[m(a,b),m(a,c),m(b,c),m(b,d),m(c,f),m(c,d),m(d,e),m(f,e)],L), este
a. L=5 c. L=0
b. L>=7 d. L=<=3
Name: ________________________ ID: A
23
____ 55. Fie programul PROLOG
domains
domains
lv=symbol*
mch=m(symbol,symbol)
lm=mch*
graf=g(lv,lm)
predicates
p (symbol,symbol,graf, lv)
p1(symbol, lv,graf,lv)
ad (symbol,symbol,graf)
apv(symbol, lv)
apm(mch,lm)
v (symbol,graf)
arc(symbol,symbol,graf)
cc (symbol,graf,listav)
calculeaza(symbol,listav,graf,listav)
clauses
cc(X,g(V,M),L):-apv(X,V),
calculeaza(X,V,g(V,M),L).
calculeaza(X,[],_,[X]).
calculeaza(X,[Y|T],g(V,M),[Y|R] ):-
p (X,Y,g(V,M),_),
calculeaza(X,T,g(V,M),R),
not( apv(Y,R)),!.
calculeaza(X,[_|T],g(V,M),R):-
calculeaza(X,T,g(V,M),R).
p (A,Z,G,P):- p1 (A,[Z],G,P).
p1 (A,[A|P],_,[A|P]).
p1(A,[Y|P1],G,P):-ad (X,Y,G),
not (apv(X,P1)),
p1 (A,[X,Y|P1],G,P).

ad (X,Y,G):- v (X,G), v (Y,G),
arc (X,Y,G).
v (X,g(L,_)):-apv(X,L).
arc (X,Y,g(_,L)):-apm(m(X,Y),L);apm(m(Y,X),L).
apv(X,[X|_]).
apv(X,[_|T]):-apv(X,T).
apm(X,[X|_]).
apm(X,[_|L]):-apm(X,L).
Rezultatul apelului cc(a,g([a,b,c,d,e,f],[m(a,b),m(a,c), m(d,e),m(f,e)],L) pentru graful
g([a,b,c,d,e,f],[m(a,b),m(a,c),m(b,c),m(b,d),m(c,f),m(c,d),m(d,e),m(f,e)],L), este
a. L=[“a”] c. L=[]
b. L=[“a”,”b”,”c”,”d”,”e”,”f”] d. L=[“a”,”b”,”c”]
Name: ________________________ ID: A
24
____ 56. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , , unde
PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 1 =
I
a ,
( ) 1 2 + = n n f
I
, ( )
2 2
, m n m n g
I
+ = . Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M.
Fie valuatia

→ H V s : astfel incat ( ) gafa X s = , ( ) fgaa Y s = .
Pentru gf Xf gXY t = ,
a. ( ) ( ) s t
I
*
ϕ =12345 c. ( ) ( ) s t
I
*
ϕ =63442
b. ( ) ( ) s t
I
*
ϕ =33441 d. toate afirmatiile precedente sunt false.
____ 57. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , , unde
PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 1 =
I
a ,
( ) 1 2 + = n n f
I
, ( )
2 2
, m n m n g
I
+ = . Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M.
Fie valuatia

→ H V s : astfel incat ( ) gaa X s = , ( ) fa Y s = .
Pentru gf Xf gXY t = ,
a. ( ) ( ) s t
I
*
ϕ =754 c. ( ) ( ) s t
I
*
ϕ =889
b. ( ) ( ) s t
I
*
ϕ =342 d. toate afirmatiile precedente sunt false.
____ 58. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , , unde
PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 0 =
I
a ,
( ) 1 2 + = n n f
I
, ( )
2 2
, m n m n g
I
+ = .
Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M. Fie valuatia

→ H V s : astfel
incat ( ) gfafa X s = , ( ) ffgaa Y s = .
Pentru gf Xf gXY t = ,
a. ( ) ( ) s t
I
*
ϕ =2344 c. ( ) ( ) s t
I
*
ϕ =4442
b. ( ) ( ) s t
I
*
ϕ =1354 d. toate afirmatiile precedente sunt false.
____ 59. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , , unde
PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 0 =
I
a ,
( ) 1 2 + = n n f
I
, ( ) m n m n g
I
3 , + = , ( ) F else T then m n if m n P
I
100 , < + = ,
( ) F else T then n if n Q
I
2 = . Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M. Fie
valuatia

→ H V s : astfel incat ( ) fffa X s = , ( ) fgafa Y s = .
Pentru gf Xf gXY t = ,
a. ( ) s t
I
ϕ =277 c. ( ) s t
I
ϕ =185
b. ( ) s t
I
ϕ =186 d. ( ) s t
I
ϕ =321
Name: ________________________ ID: A
25
____ 60. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , , unde
PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 0 =
I
a ,
( ) 1 2 + = n n f
I
, ( ) m n m n g
I
3 , + = , ( ) F else T then m n if m n P
I
< = , ,
( ) F else T then n if n Q
I
2 = . Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M.
a. ( ) ( ) T f f fa Q gf af a ff a P
I I
= ∨
* *
, c. ( ) ( ) F f f f a Q gfaf a f f a P
I I
= ÷ →
* *
,
b. ( ) ( ) T f ff a Q gf af a f f a P
I I
= →
* *
, d. ( ) ( ) T f f f a Q gf af a f f a P
I I
= ↔
* *
,
____ 61. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , , unde
PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 0 =
I
a ,
( ) 1 2 + = n n f
I
, ( ) m n m n g
I
3 , + = , ( ) F else T then m n if m n P
I
< = , ,
( ) F else T then n if n Q
I
2 = .
Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M.
a. ( ) ( ) T gf af a Q gf af a f gaf a P
I I
= ÷ → ÷
* *
,
b. ( ) ( ) T gfaf a Q gfaf a f gaf a P
I I
= ÷ ↔ ÷
* *
,
c. ( ) ( ) F gf af a Q gf af a f gafa P
I I
= ∧ ÷
* *
,
d. ( ) ( ) ( ) ( ) T gf af a Q gf af a Q gf af a f gaf a P
I I I
= → ÷ ∧ ÷
* * *
,
____ 62. Fie multimea de clauze S={ } QgXfX QfX PXY QX PXgXY QfX PXfY ÷ ∨ ∨ ÷ ∨ ∨ ÷ , ,
unde PS Q P ∈ , , ( ) ( ) 1 , 2 = = Q r P r , FS g f ∈ , , ( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Notam

H universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale,
{ } a H =
0
. Se considera L-structura ( ) I N M , = unde pentru orice n,m numere naturale, 0 =
I
a ,
( ) n n f
I
2 = , ( ) m n m n g
I
+ = , , ( ) F else T then m n if m n P
I
< = , ,
( ) F else T then n if n Q
I
10 < = . Notam ( )
* *
, I H M

= H-interpretarea asociata L-structurii M.
a. ( ) ( ) T gf af a Q gf af a f gaf a P
I I
= ÷ → ÷
* *
,
b. ( ) ( ) T gfaf a Q gfaf a f gaf a P
I I
= ÷ ↔ ÷
* *
,
c. ( ) ( ) F gf af a Q gf af a f gafa P
I I
= ∧ ÷
* *
,
d. ( ) ( ) ( ) ( ) T gf af a Q gf af a Q gf af a f gaf a P
I I I
= → ÷ ∧ ÷
* * *
,
Name: ________________________ ID: A
26
____ 63. Fie multimea de clauze S={ }
3 2 1
, , k k k unde QfX PXfY k ∨ ÷ =
1
, RXY QX PXgXY k ∨ ÷ ∨ =
2
,
PXgXfX QfX k ∨ =
3
, PS R Q P ∈ , , , ( ) ( ) ( ) 2 , 1 , 2 = = = R r Q r P r , FS g f ∈ , ,
( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Se considera L-structura ( ) I N M , = unde N este multimea
numerelor naturale; ( ) n n f
I
2 = , ( ) m n m n g
I
+ = , , ( ) F else T then m n if m n P
I
< = , ,
( ) F else T then n if n Q
I
10 < = , ( ) F else T then m n if m n R
I
= =
2
, pentru orice n,m numere
naturale.
a. S este invalidabila.
b. M este model pentru { }
2 1
, k k dar nu este model pentru S.
c. Multimea de clauze { }
3 1
, k k este invalidabila.
d. Toate afirmatiile precedente sunt false.
____ 64. Fie multimea de clauze S= { }
3 2 1
, , k k k unde QfX PXfY k ∨ ÷ =
1
, RXY QX PXgXY k ∨ ÷ ∨ =
2
,
PXgXfX QfX k ∨ =
3
, PS R Q P ∈ , , , ( ) ( ) ( ) 2 , 1 , 2 = = = R r Q r P r , FS g f ∈ , ,
( ) ( ) 2 , 1 = = g r f r , Y X, variabile. Se considera L-structura ( ) I N M , = unde N este multimea
numerelor naturale; ( ) n n f
I
2 = , ( ) m n m n g
I
+ = , , ( ) F else T then m n if m n P
I
< = , ,
( ) F else T then n if n Q
I
10 < = , ( ) F else T then m n if m n R
I
= =
2
, pentru orice n,m numere
naturale.
a. S este validabila dar nu admite H-modele.
b. M este model pentru S.
c. M este un model Herbrand pentru S.
d. Toate afirmatiile precedente sunt false.
____ 65. Fie S multime finita de clauze.
a. Daca S este validabila atunci pentru orice L-structura ( ) I D M , = exista cel putin
o valuatie | | D V s → ∈ astfel incat ( ) T s k
I
= pentru orice S k ∈ .
b. Daca S este invalidabila atunci pentru orice L-structura ( ) I D M , = exista cel
putin o valuatie | | D V s → ∈ astfel incat ( ) F s k
I
= pentru orice S k ∈ .
c. S este validabila daca exista o L-structura ( ) I D M , = astfel incat exista o valuatie
| | D V s → ∈ , si ( ) T s k
I
= pentru orice S k ∈ .
d. S este validabila daca pentru orice L-structura ( ) I D M , = , pentru fiecare S k ∈
exista cel putin o valuatie | | D V s → ∈ astfel incat ( ) T s k
I
= .
____ 66. Fie S multime finita de clauze.
a. Daca S este validabila atunci pentru orice L-structura ( ) I D M , = exista cel putin
o valuatie | | D V s → ∈ astfel incat ( ) T s k
I
= pentru cel putin o clauza S k ∈ .
b. Daca S este invalidabila atunci pentru orice L-structura ( ) I D M , = exista cel
putin o valuatie | | D V s → ∈ astfel incat ( ) F s k
I
= pentru orice S k ∈ .
c. S este validabila daca pentru orice L-structura ( ) I D M , = exista o valuatie
| | D V s → ∈ , si ( ) T s k
I
= pentru orice S k ∈ .
d. S este validabila daca exista o L-structura ( ) I D M , = astfel incat exista o valuatie
| | D V s → ∈ , si ( ) T s k
I
= pentru orice S k ∈ .
Name: ________________________ ID: A
27
____ 67. Fie S multime finita de clauze.
a. Daca S este validabila atunci orice H-interpretare este model pentru S.
b. Este posibil ca S sa fie validabila dar sa nu existe H-interpretare model pentru S.
c. S este validabila numai daca exista H-interpretare model pentru S.
d. S este validabila daca si numai daca fiecare clauza din S este validabila.
____ 68. Fie multimea de clauze { } QfX PX S , = unde PS Q P ∈ , , ( ) ( ) 1 = = Q r P r , FS f ∈ ,
( ) 1 = f r , X variabila.
a. Universul Herbrand

H este o multime finita.
b. Multimea atomilor Herbrand este o multime numarabil infinita.
c. Pentru orice numar natural 1 ≥ n ,

∈H f X f
ori n

...
d. Toate afirmatiile precedente sunt adevarate.
____ 69. Fie P simbol predicational de aritate 2, X,Y variabile. Notam cu " "≡ relatia de echivalenta
semantica.
a. XPXY Y YPXY X ∀ ∃ ≡ ∃ ∀
b. ( ) ( ) QY PXY Y X QY PXY Y X ↔ ∃ ∀ ≡ → ∃ ∀
c. ( ) ( ) QY PXY Y X QY PXY Y X ∨ ÷ ∃ ∀ ≡ → ∃ ∀
d. Toate afirmatiile precedente sunt false.
____ 70. Fie P simbol predicational de aritate 2, X,Y variabile. Notam cu " "≡ relatia de echivalenta
semantica.
a. ( ) ( ) QY PXY X Y QY PXY X Y ÷ ∨ ÷ ∀ ∃ ≡ → ÷ ∀ ∃
b. ( ) ( ) QY PXY X Y QY PXY X Y ↔ ∀ ∃ ≡ → ∀ ∃
c. ( ) ( ) QY PXY X Y QY PXY X Y ∨ ÷ ∀ ∃ ≡ → ∀ ∃
d. Toate afirmatiile precedente sunt false.
____ 71. Fie P simbol predicational de aritate 2, X,Y variabile. Notam cu " "≡ relatia de echivalenta
semantica.
a. ( ) ( ) ( ) ( ) ( ) ( ) QY PXY QY PXY X Y QY PXY QY PXY X Y ↔ → → ∀ ∃ ≡ → → ↔ ∀ ∃
b. ( ) ( ) ( ) ( ) ( ) ( ) QY PXY QY PXY X Y QY PXY QY PXY X Y ↔ → → ∀ ∀ ≡ → → ↔ ∀ ∀
c. ( ) ( ) ( ) ( ) ( ) ( ) QY PXY QY PXY X Y QY PXY QY PXY X Y ↔ → → ∃ ∃ ≡ → → ↔ ∃ ∃
d. Toate afirmatiile precedente sunt false.
____ 72. Se considera multimea de expresii
{ } , E PfXYghXZ PZgXY = unde
( ) , 2 P PS r P ∈ = ,
( ) ( ) ( ) , , , 2, 1 f g h FS r f r g r h ∈ = = = .
a. E este unificabila
b. Exista cel putin doua substitutii mgu pentru E.
c. E admite o singura substitutie mgu.
d. Toate afirmatiile precedente sunt false.
____ 73. Fie , , λ u θ substitutii arbitrare.
a. Exista τ substitutie astfel incat λ τ u θ =
b.
( ) ( ) λ u θ λ u θ =
c. λ u u λ =
d. Toate afirmatiile precedente sunt false.
Name: ________________________ ID: A
28
____ 74. Se considera multimea de expresii
{ } , , E PfXhYa PfXZa PfXhYb = unde
( ) , 3 P PS r P ∈ = ,
( ) ( ) , , 1 f h FS r f r h ∈ = = , , a b CS ∈ , X,Y,Z variabile
a. Dezacordul multimii E este
{ } , D hY Z =
c. Dezacordul multimii E este
{ } , D Y Z =
b. Dezacordul multimii E este
{ } , D h Z =
d. Dezacordul multimii E este definit.
____ 75. Fie substitutiile
{ } { } | , | , | , | fY X Z Y a X b Z θ σ = = si E PXYgZ = unde
( ) , 3 P PS r P ∈ = ,
( ) ( ) , , 1 f g FS r f r g ∈ = = , X,Y,Z variabile, , a b CS ∈ .
a. E PffYZgZ θ = c.
( ) E PfgYbgfb θ σ =
b.
( ) E PfYbgb θ σ = d.
( ) ( ) E E θ σ θ σ ≠
____ 76. Fie expresiile , E PfXYgZa F PfYXgUa = = unde
( ) , 3 P PS r P ∈ = ,
( ) ( ) , , 2, 1 f g FS r f r g ∈ = = , X,Y,Z ,U variabile, a CS ∈ .
a. Pentru orice λ substitutie daca E F λ = atunci exista u substitutie astfel incat
E Fu =
b. Pentru orice λ substitutie exista u substitutie astfel incat λ u ε = , unde ε este
substitutia vida.
c. Exista , λ u substitutii astfel incat E F λ = si E Fu =
d. Daca exista λ substitutie astfel incat E F λ = atunci exista u substitutie astfel
incat
( ) E F λ u u ≠
____ 77. Fie expresiile , E PXX F PXY = = unde
( ) , 2 P PS r P ∈ = , X,Y variabile.
a. Exista , λ u substitutii astfel incat E F λ = si E Fu =
b. Daca exista λ substitutie astfel incat E F λ = atunci exista u substitutie astfel
incat
( ) E F λ u u ≠
c. Daca λ este o substitutie astfel incat E F λ = atunci
( ) E F λ λ λ =
d. Toate afirmatiile precedente sunt false.
____ 78. Fie
{ } , E PfagX PYY = ,
{ } , F PXX PYfY = unde
( ) , 2 P PS r P ∈ = ,
( ) ( ) , , 1 f g FS r f r g ∈ = = , X,Y variabile, a CS ∈ .
a. E este unificabila
b. Daca E este unificabila atunci F este unificabila.
c. E F ∪ este unificabila
d. Cel putin una dintre multimile E,F este unificabila.
____ 79. Fie
{ } , E RaXhgZ RZhYhY = ,
{ } , F PXX PYfY = unde
( ) ( ) , , 2, 3 P R PS r P r R ∈ = = ,
( ) ( ) ( ) , , , 1 f g h FS r f r g r h ∈ = = = , X,Y,Z variabile, a CS ∈ .
a. Ambele multimi, E,F sunt unificabile.
b. Multimea E F ∪ este unificabila
c. Daca F este unificabila atunci E este unificabila.
d. Daca E este unificabila atunci F este unificabila.
Name: ________________________ ID: A
29
____ 80. Fie
{ } , E RaXhgZ RZhYhY = ( ) , 3 R PS r R ∈ = ,
( ) ( ) , , 1 h g FS r g r h ∈ = = , X,Y,Z variabile,
a CS ∈ .
a.
{ } | , | , | a z hga X ga Y σ = este unica substitutie unificator pentru E.
b.
{ } | , | , | a z hga X ga Y σ = este substitutie unificator pentru E dar nu este mgu
pentru E.
c.
{ } | , | , | a z hga X ga Y σ = este mgu pentru E.
d. Toate afirmatiile precedente sunt false.
____ 81. Fie limbajul de primul ordin
{ } { } { } , , , , , CS a b FS S PS P Q R = = = ,
( ) ( ) ( ) 2, 1 r P r R r Q = = = . Fie formula X YPXY α = ∀ ∃ .
Se considera L-structura
( ) , M N I = unde N este multimea numerelor naturale si I astfel incat
0, 1
I I
a b = = ,
( ) 1
I
S n n = + ,
( ) ,
I
P n m if n mthen T else F = >
( ) , |
I
R n m if n mthen T else F =
( ) 0
I
Q n if n then T else F = >
a. Pentru orice valuatie
| | s V N ∈ → ,
( )
I
s T α =
b. Exista
| | s V N ∈ → astfel incat
( )
I
s T α =
c. Pentru orice
| | s V N ∈ → ,
( )
I
s F α =
d. Exista
| |
1 2
, s s V N ∈ → astfel incat
( )
1
I
s T α = si
( )
2
I
s F α = .
____ 82. Fie limbajul de primul ordin
{ } { } { } , , , , , CS a b FS S PS P Q R = = = ,
( ) ( ) ( ) 2, 1 r P r R r Q = = = . Fie formula X YRXY α = ∃ ∀ .
Se considera L-structura
( ) , M N I = unde N este multimea numerelor naturale si I astfel incat
0, 1
I I
a b = = ,
( ) 1
I
S n n = + ,
( ) ,
I
P n m if n mthen T else F = >
( ) , |
I
R n m if n mthen T else F =
( ) 0
I
Q n if n then T else F = >
a. Pentru orice valuatie
| | s V N ∈ → ,
( )
I
s F α =
b. Exista
| | s V N ∈ → astfel incat
( )
I
s T α =
c. Pentru orice
| | s V N ∈ → ,
( )
I
s T α =
d. Exista
| |
1 2
, s s V N ∈ → astfel incat
( )
1
I
s T α = si
( )
2
I
s F α =
Name: ________________________ ID: A
30
____ 83. Fie limbajul de primul ordin
{ } { } { } , , , , , CS a b FS S PS P Q R = = = ,
( ) ( ) ( ) 2, 1 r P r R r Q = = = . Fie formula X YRXY α = ∃ ∀ , X YPXY β = ∀ ∃ , PSab γ = ÷
Se considera L-structura
( ) , M N I = unde N este multimea numerelor naturale si I astfel incat
0, 1
I I
a b = = ,
( ) 1
I
S n n = + ,
( ) ,
I
P n m if n mthen T else F = >
( ) , |
I
R n m if n mthen T else F =
( ) 0
I
Q n if n then T else F = >
a. Pentru orice valuatie
| | s V N ∈ → , ( ) ( ) ( )
I
s F α β γ ∨ → =
b. Pentru orice valuatie
| | s V N ∈ → , ( ) ( ) ( ) ( ) ( )
I
s F α γ β γ ∨ ↔ ∨ =
c. Pentru orice valuatie
| | s V N ∈ → , ( ) ( ) ( )
I
s T α γ β ∧ ↔ =
d. Pentru orice valuatie
| | s V N ∈ → , ( ) ( ) ( ) ( ) ( )
I
s F α γ β γ ∨ ∧ ∨ =
____ 84. Fie limbajul de primul ordin
{ } { } { } , , , , , CS a b FS S PS P Q R = = = ,
( ) ( ) ( ) 2, 1 r P r R r Q = = = . Fie formula
( ) X QX PXa α = ∀ → , XPSXX β = ∀ , PSab γ = ÷
Se considera L-structura
( ) , M N I = unde N este multimea numerelor naturale si I astfel incat
0, 1
I I
a b = = ,
( ) 1
I
S n n = + ,
( ) ,
I
P n m if n mthen T else F = >
( ) , |
I
R n m if n mthen T else F =
( ) 0
I
Q n if n then T else F = >
a. M este model pentru
( ) α β ∧
b. M este model pentru
( ) ( )
α β γ ∧ →÷
c. M este model pentru cel mult doua dintre formulele , , α β γ
d. Multimea
{ } , , α β γ este invalidabila.
____ 85. Fie limbajul de primul ordin
{ } { } { } , , , , , CS a b FS S PS P Q R = = = ,
( ) ( ) ( ) 2, 1 r P r R r Q = = = . Fie formula
( ) X Y RXY PXY α = ∀ ∀ →÷ ,
( ) ( )
X YPXY RSbSX QX β = ∀ ∃ ∨ →
Se considera L-structura
( ) , M N I = unde N este multimea numerelor naturale si I astfel incat
0, 1
I I
a b = = ,
( ) 1
I
S n n = + ,
( ) ,
I
P n m if n mthen T else F = >
( ) , |
I
R n m if n mthen T else F =
( ) 0
I
Q n if n then T else F = >
a. M este model pentru
( ) α β ∧ c. M este model pentru
( ) β α →
b. M este model pentru
( ) α β → d. Toate afirmatiile precedente sunt
false.
Name: ________________________ ID: A
31
____ 86. Fie formula
( ) X YPXY Y XPXY α = ∀ ∃ →∃ ∀
a. α este formula valida c. α este validabila dar nu este valida
b. α este invalidabila d. α este tautologie
____ 87. Fie formula
( ) Y XPXY X YPXY α = ∃ ∀ →∀ ∃
a. α este formula valida c. α este falsificabila
b. α este invalidabila d. Toate afirmatiile precedente sunt false
____ 88. Notam cu M
+
pseudoinversa Penrose a matricei M .
a. Egalitatea ( ) ( ) BA AB
+ +
= este adevarata pentru orice , A B matrice patratice.
b. Egalitatea ( ) ( ) BA AB
+ +
= este adevarata pentru orice matrice A daca
T
B A = ,
unde
T
A este transpusa matricei A
c. Pentru orice matrice B , B B
+
=
d. Egalitatea ( ) ( ) BA AB
+ +
= este adevarata numai daca cel putin una din matricele
, A B este inversabila.
____ 89. Se considera secventa de instruire
4
1 1 1 1
,1 , , 1 , ,1 , , 1
1 1 1 1
S
¦ ¹ | | | − | | − | | | | | | | | | | | ¦ ¦
= − −
´ ` | | | | | | | |
− −
\ ¹ \ ¹ \ ¹ \ ¹ ¦ ¦ \ ¹ \ ¹ \ ¹ \ ¹ ¹ )
a. Secventa nu este linear separabila
b. Pentru orice vector al ponderilor sinaptice initial, procedura PERCEPTRON
determina o evolutie ciclica.
c. Exista vectori ai ponderilor sinaptice initiale astfel incat o memorie sinaptica
pentru separarea corecta a secventei
4
S este calculabila pe baza procedurii
PERCEPTRON.
d. Procedura ADALINE permite calculul unei memorii sinaptice pentru separarea
corecta a secventei
4
S
____ 90. Notam cu M
+
pseudoinversa Penrose a matricei M .
a. Exista matrice inversabile A astfel incat m n =
1
A A


b. Pentru orice matrice
nxm
A M ∈ ,
( ) ( )
T
T
A A
+
+
= numai daca m n = .
c. Nu exista
nxm
A M ∈ astfel incat A A
+
=
d. Daca m n = si
3
A A = atunci A A
+
=
____ 91. Fie t o t-norma inferior semicontinua; si | | | | | | : 0,1 0,1 0,1 ϕ × → astfel incat pentru orice
| | , 0,1 a b∈ , ( ) ( ) { }
, sup , a b c t a c b ϕ = ≤
a. ( ) ( )
, , t a a b b ϕ >
b. ( ) ( )
, , a t a b b φ <
c. a b ≤ daca si numai daca ( ) , 1 a b ϕ =
d. exista | | 0,1 b∈ astfel incat ( ) 1, b b ϕ ≠
Name: ________________________ ID: A
32
____ 92. Se considera relatia fuzzy definita de matricea de apartenenta
0.7 0.5 0 0
0 0 0 1
0 0.4 0 0
0 0 0.8 0
R
M
| |
|
|
=
|
|
\ ¹
a. Relatia are cel putin doua inchideri tranzitive max-min
b. a. Inchiderea tranzitiva max-min este unica si corespunde matricei de
apartenenta
0.7 0.5 0.5 0.5
0 0.4 0.8 1
0 0.4 0.4 0.4
0 0.4 0.8 0.4
R
M
| |
|
|
=
|
|
\ ¹
ɶ
c. Relatia nu admite inchidere tranzitiva.
d. a. Una din inchiderile tranzitive ale relatiei este data de matricea de
apartenenta
0.7 0.5 0.5 0.5
0 0.4 0.8 0.4
0 0.4 0.4 0.4
0 0.4 0.4 0.4
M
| |
|
|
=
|
|
\ ¹
____ 93. Se considera relatiile fuzzy binare definite prin matricele
0.7 0.4 0
0.9 1 0.4
0 0.7 1
0.7 0.9 0
R
M
| |
|
|
=
|
|
\ ¹
,
0.9 0.5 0.7 0.7
0.3 0.2 0 0.9
1 0 0.5 0.5
Q
M
| |
|
=
|
|
\ ¹
a. Compunerea max-min P Q nu este definita
b. Compunerea max-min P Q este definita si
0.8 0.15 0.4 0.45
1 0.14 0.5 0.63
0.5 0.2 0.28 0.54
P Q
M
| |
|
=
|
|
\ ¹

c. Compunerea max-min P Q este definita si
0.8 0.3 0.5 0.5
1 0.2 0.5 0.7
0.5 0.4 0.5 0.6
P Q
M
| |
|
=
|
|
\ ¹

d. Compunerile max-min P Q , Q P sunt definite si
P Q Q P
M M ≠

Name: ________________________ ID: A
33
____ 94. Se considera relatiile fuzzy binare definite prin matricele
0.3 0.5 0.8
0 0.7 1
0.4 0.6 0.5
R
M
| |
|
=
|
|
\ ¹
,
0.9 0.5 0.7 0.7
0.3 0.2 0 0.9
1 0 0.5 0.5
Q
M
| |
|
=
|
|
\ ¹
a. Compunerea max-produs P Q ⊙ nu este definita
b. Compunerea max-produs Q P ⊙ este definita
c. Compunerea max-produs P Q ⊙ este definita si
0.8 0.3 0.5 0.5
1 0.2 0.5 0.7
0.5 0.4 0.5 0.6
P Q
M
| |
|
=
|
|
\ ¹

d. Compunerea max-produs P Q ⊙ este definita si
0.8 0.15 0.4 0.45
1 0.14 0.5 0.63
0.5 0.2 0.28 0.54
P Q
M
| |
|
=
|
|
\ ¹

____ 95. Se considera relatia fyzzy binara Rdefinita de matricea
0.3 0.2
0 1
0.6 0.4
R
M
| |
|
=
|
|
\ ¹
a. Inversa relatiei R nu este definita
b. Inversa relatiei R este data de matricea
1
0.3 0 0.6
0.2 1 0.4
R
M

| |
=
|
\ ¹
c. Inversa relatiei R este definita si este o relatie crisp
d. Exista relatii fuzzy Q astfel incat
( )
1
1
Q Q



____ 96. Se considera relatia fuzzy binara R definita de matricea
0.7 0.4 0
0.9 1 0.4
0 0.7 1
0.7 0.9 0
R
M
| |
|
|
=
|
|
\ ¹
; notam cu
R
Λ
multimea nivelelor relatiei.
a. Multimea nivelelor relatiei R este { } 0, 0.4, 0.7, 0.9,1
R
Λ =
b. Multimea nivelelor relatiei R este { } 0.4, 0.7, 0.9
R
Λ =
c. Multimea nivelelor relatiei R este | | 0,1
R
Λ =
d. Multimea nivelelor relatiei R este ( ) 0,1
R
Λ =
Name: ________________________ ID: A
34
____ 97. Se considera relatia fuzzy ternara ( )
1 2 3
, , R X X X , definita pe
1 2 3
X X X × × , unde
{ } { } { }
1 2 3
, , , , *, $ X x y X a b X = = = ,
( )
1 2 3
, , R X X X =0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.8 , , $ x a x b y a y a y b + + + + . Se noteaza prin
{ }
,
ij i j
R R X X

= ↓

proiectia relatiei R pe
i j
X X × .
a.
1
0.9 1 R x y = +
b.
12
0.5 , 0.4 , 1 , 0.8 , R x a x b y a y b = + + +
c.
12
0.5 , 0.4 , R x a x b = +
d.
1
0.8 0.5 R x y = +
____ 98. Se considera relatia fuzzy ternara ( )
1 2 3
, , R X X X , definita pe
1 2 3
X X X × × , unde
{ } { } { }
1 2 3
, , , , *, $ X x y X a b X = = = ,
( )
1 2 3
, , R X X X =0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.8 , , $ x a x b y a y a y b + + + + . Se noteaza prin
{ }
,
ij i j
R R X X

= ↓

proiectia relatiei R pe
i j
X X × .
a.
13
0.5 ,* 0.4 , $ R x y = +
b.
13
0.9 ,* 0.4 ,* 0.8 , $ R x y y = + +
c.
3
1 * 0.8 $ R = +
d.
3
0.5 * 0.8 $ R = +
____ 99. Se considera relatia fuzzy ternara ( )
1 2 3
, , R X X X , definita pe
1 2 3
X X X × × , unde
{ } { } { }
1 2 3
, , , , *, $ X x y X a b X = = = ,
( )
1 2 3
, , R X X X =0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.8 , , $ x a x b y a y a y b + + + + . Se noteaza prin
{ }
,
ij i j
R R X X

= ↓

proiectia relatiei R pe
i j
X X × .
a.
12
0.7 , 0.5 , 1 , 0.8 , R x a x b y a y b = + + +
b.
12
0.9 , 0.4 , 1 , 0.8 , R x a x b y a x b = + + +
c.
12
0.9 , 0.4 , 1 , 0.8 , R x b x b y a x a = + + +
d.
12
0.9 , 0.4 , 1 , 0.8 , R x a x b y a y b = + + +
Name: ________________________ ID: A
35
____ 100. Se considera relatia fuzzy ternara ( )
1 2 3
, , R X X X , definita pe
1 2 3
X X X × × , unde
{ } { } { }
1 2 3
, , , , *, $ X x y X a b X = = = ,
( )
1 2 3
, , R X X X =0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.8 , , $ x a x b y a y a y b + + + +
Se noteaza prin
ij
R Y ↑

extensia cilindrica a relatiei
ij
R la domeniul
i j
X X Y × ×
a.
( ) ( ) ( )
12
12 3 12 3
, ,* , , $ , 0.9
R
R X R X
x a x a x a u u u
↑ ↑

= = =
b. ( )
12
, 0.9
R
x a u = si
( ) ( )
12 3 12 3
, ,* , , $
R X R X
x a x a u u
↑ ↑


c.
( ) ( )
12 3 12 3
, ,* , , $ 0.5
R X R X
x a x a u u
↑ ↑

= =
d.
( ) ( )
12
12 3
, ,* ,
R
R X
x a x a u u


<
____ 101. Se considera relatia fuzzy ternara ( )
1 2 3
, , R X X X , definita pe
1 2 3
X X X × × , unde
{ } { } { }
1 2 3
, , , , *, $ X x y X a b X = = = ,
( )
1 2 3
, , R X X X =0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.8 , , $ x a x b y a y a y b + + + +
Se noteaza prin
ij
R Y ↑

extensia cilindrica a relatiei
ij
R la domeniul
i j
X X Y × ×
a.
( )
1 2 3
, , $ 0.5
R X X
y a u
↑ ×

=
b. ( ) ( )
1 2 3 12 3
, , $ , , $
R X
R X X
y a y a u u


↑ ×

=
c. ( ) ( )
1 2 3 12 3
, , $ , , $
R X
R X X
y a y a u u


↑ ×

<
d.
( )
1 2 3
, ,* 1
R X X
y a u
↑ ×


____ 102. Se considera relatia fuzzy ternara ( )
1 2 3
, , R X X X , definita pe
1 2 3
X X X × × , unde
{ } { } { }
1 2 3
, , , , *, $ X x y X a b X = = = ,
( )
1 2 3
, , R X X X =0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.8 , , $ x a x b y a y a y b + + + +
Notam ( )
12 13 23
, , cil R R R relatia inchidere cilindrica a relatiilor
12 13 23
, , R R R .
a. ( )
12 13 23
, , 0.5 , , * 0.5 , ,* 0.7 , ,* cil R R R x a x b y a = + +
b. ( )
12 13 23
, , 0.7 , ,* 0.7 , , $ 0.4 , ,* 0.8 , , $ cil R R R y a y a y b y b = + + +
c.
( )
12 13 23
, , 0.9 , ,* 0.4 , ,* 1 , ,* 0.7 , , $ 0.4 , ,* 0.8 , , $ cil R R R x a x b y a y a y b y b = + + + + +
d. niciuna dintre afirmatiile (a),(b),(c) nu este adevarata
Name: ________________________ ID: A
36
____ 103. Se considera ecuatia fuzzy
( )
0.1 0.7
0.2 0.8 0.6 0.3
0.9 1
p
| |
|
=
|
|
\ ¹

a. Ecuatia are o singura solutie
b. Ecuatia are o infinitate de solutii
c. Ecuatia nu are solutii.
d. Ecuatia are cel putin trei solutii.
____ 104. Se considera ecuatia fuzzy
( )
0.9 0.5
0.3 0.8 0.6 0.3
1 0.1
p
| |
|
=
|
|
\ ¹

a. ( ) 0.3 0.3 0.6 p = este solutie
b. Ecuatia are cel mult trei solutii
c. Ecuatia are cel putin doua solutii si cel mult sapte solutii
d. Toate afirmatiile (a),(b),(c) sunt false.
____ 105. Se considera ecuatia fuzzy
( )
0.1 0.4 0.5 0.1
0.9 0.7 0.2 0
0.8 0.7 0.5 0
0.8 1 0.5 0
0.1 0.3 0.6 0
p
| |
|
|
=
|
|
\ ¹

a. Ecuatia are cel putin doua solutii maximale
b. Ecuatia are un numar finit de solutii
c. Ecuatia nu are solutii minimale
d. ( ) 0 0.8 0.7 0.5 p = este solutia maximala a ecuatiei
____ 106. Se considera ecuatia fuzzy
( )
0.1 0.4 0.5 0.1
0.9 0.7 0.2 0
0.8 0.7 0.5 0
0.8 1 0.5 0
0.1 0.3 0.6 0
p
| |
|
|
=
|
|
\ ¹

a. Ecuatia are a singura solutie maximala si o singura solutie minimala
b. Multimea solutiilor minimale este
| | | | | |
( ) { } | | | | ( )
( ) ( ) ( )
( ) ( ) ( )
1
1
: 0,1 0,1 0,1
, max 0, 1 : 0,1 0,1 1
, max 0,1 0,
, 1 min 1, 1 1
p p
p
p p
p
s
t a b a b n n a a
s a b a b p
t a b a b
× →
= + − → = −
¦ ¹
= − + ∈ ∞
´ `
¹ )
¦ ¹
¦ ¦

= − − + −
´ `

¦ ¦
¹ )
c. Multimea solutiilor ecuatiei este ( ) ( ) { }
0 0.8 0.5 0 , 0 0.8 0 0.5
d. Niciuna din afirmatiile (a).(b),(c) nu este adevarata
Name: ________________________ ID: A
37
____ 107. Fie | | | | | | : 0,1 0,1 0,1 t × → , ( ) { } , max 0, 1 t a b a b = + − , | | | | : 0,1 0,1 n → , ( ) 1 n a a = −
a. Functia t este o t-conorma
b. Functia t este o t-norma si | | | | | | : 0,1 0,1 0,1 s × → , ( ) { } , min 1, s a b a b = + este
t-conorma duala in raport cu functia de negatie n
c. Functia n nu este o functie de negatie
d. Functia t este o t-conorma si | | | | | | : 0,1 0,1 0,1 s × → , ( ) { } , min 1, s a b a b = + este
t-norma duala in raport cu functia de negatie n
____ 108. Fie | | | | | | : 0,1 0,1 0,1
p
t × → ,
( ) ( ) ( )
1
, 1 min 1, 1 1
p p
p
p
t a b a b
¦ ¹
¦ ¦

= − − + −
´ `

¦ ¦
¹ )
, | | | | : 0,1 0,1 n → ,
( ) 1 n a a = − , ( ) 0, p∈ ∞
a. Functia
p
t este o t-norma si | | | | | | : 0,1 0,1 0,1 s × → ,
( ) ( )
1
, max 0,1
p p
p
s a b a b
¦ ¹
= − +
´ `
¹ )
este t-conorma duala in raport cu functia de
negatie n
b. Functia
p
t este o t-conorma si | | | | | | : 0,1 0,1 0,1 s × → ,
( ) ( )
1
, min 1,
p p
p
s a b a b
¦ ¹
= +
´ `
¹ )
este
t-norma duala in raport cu functia de negatie n
c. Functia
p
t este o t-conorma si | | | | | | : 0,1 0,1 0,1 s × → ,
( ) ( )
1
, max 0,1
p p
p
s a b a b
¦ ¹
= − +
´ `
¹ )
este t-norma duala in raport cu functia de negatie
n
d. Functia
p
t este o t-norma si | | | | | | : 0,1 0,1 0,1 s × → ,
( ) ( )
1
, min 1,
p p
p
s a b a b
¦ ¹
= +
´ `
¹ )
este t-conorma duala in raport cu functia de negatie
n
____ 109. Fie | | | | | | : 0,1 0,1 0,1 t
λ
× → , ( )
1
, max 0,
1
a b ab
t a b
λ
λ
λ
+ − + ¦ ¹
=
´ `
+
¹ )
, ( ) 1, λ ∈ − ∞
a. Functia t
λ
este o t-conorma
b. Functia t
λ
este si t-norma si t-conorma
c. a. Duala functiei t
λ
in raport cu functia de negatie n este
| | | | | | : 0,1 0,1 0,1 s × → ,
( ) { } , max 0, s a b a b ab λ = + −
d. a. Duala functiei t
λ
in raport cu functia de negatie n este
| | | | | | : 0,1 0,1 0,1 s × → ,
( ) { } , max 0, s a b a b ab λ = + −
Name: ________________________ ID: A
38
____ 110. Fie | | | | | | : 0,1 0,1 0,1
p
t × → ,
( ) ( ) ( )
1
, 1 min 1, 1 1
p p
p
p
t a b a b
¦ ¹
¦ ¦

= − − + −
´ `

¦ ¦
¹ )
, ( ) 0, p∈ ∞ si
| | | | | | : 0,1 0,1 0,1 ϕ × → , ( ) ( )
{ }
, sup ,
p
a b c t a c b ϕ = ≤
a. ( )
1,
,
,
a b
a b
b a b
ϕ
≤ ¦
=
´
>
¹
b. ( )
min 1, , 0
,
1, 0
b
a
a b a
a
ϕ
¦ ¦ ¹

¦ ´ `
=
¹ ) ´
¦
=
¹
c. ( ) { } , min 1,1 a b a b ϕ = − +
d. Niciuna dintre afirmatiile (a),(b),(c) nu este adevarata
____ 111. Fie | | | | | | : 0,1 0,1 0,1 t
λ
× → , ( )
1
, max 0,
1
a b ab
t a b
λ
λ
λ
+ − + ¦ ¹
=
´ `
+
¹ )
, ( ) 1, λ ∈ − ∞ si
| | | | | | : 0,1 0,1 0,1 ϕ × → , ( ) ( ) { }
, sup , a b c t a c b
λ
ϕ = ≤
a. ( )
min 1, , 0
,
1, 0
b
a
a b a
a
ϕ
¦ ¦ ¹

¦ ´ `
=
¹ ) ´
¦
=
¹
b. ( ) ( ) ( )
{ }
, max 0,1 1 1 a b b a
λ λ
ϕ = − − − −
c. Daca a b > atunci ( )
1
,
1
a b b
a b
a
λ
ϕ
λ
− + +
=
+
d. Pentru orice | | , 0,1 a b∈ , ( )
1
,
1
a b b
a b
a
λ
ϕ
λ
− + +
=
+
____ 112. Fie | | | | | | : 0,1 0,1 0,1 t
λ
× → , ( )
1
1
1 , 0, 0
1 1
,
1
1, 0 0
a b
a b
t a b
a b
a sau b
λ λ
λ
λ
¦
− ≠ ≠
¦
¦
− − | | | |
=
+ + ´

| |
\ ¹ \ ¹ ¦

¦
= =
¹
, unde 0 λ > ,
| | | | | | : 0,1 0,1 0,1 ϕ × → , ( ) ( ) { }
, sup , a b c t a c b
λ
ϕ = ≤
a. Functia t
λ
este o t-conorma
b. Daca a>b>0 atunci
( )
1
1
,
1 1
1
a b
b a
b a
λ λ
λ
ϕ =

− − | | | |
+ −

| |
\ ¹ \ ¹


c. Daca a>b atunci
( )
( )( )
( ) ( )
1 1
,
1 1
b a b
a b
a a b
λ
ϕ
λ
+ − −
=
+ − −
d. Daca a>b atunci ( )
1
,
1
a b b
a b
a
λ
ϕ
λ
− + +
=
+

e. nu este nici una dintre matricele indicate la celelalte variante de raspuns. 4. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau : {(1,2), (2,4), (3,6), (4,8), atunci memoria OLAM care o encodeaza : ⎛1 ⎞ a. este W = ⎜ ⎟ ⎜ 2⎟ ⎝ ⎠ ⎛1⎞ b. este W = ⎜ ⎟ ⎜1⎟ ⎝ ⎠ ⎛ 0⎞ c. este W = ⎜ ⎟ sigur nu este (colega de la Calarasi a luat 0 puncte) ⎜ ⎟ ⎝1 ⎠ ⎛ 2⎞ d. este W = ⎜ ⎟ ⎜1 ⎟ ⎝ ⎠ e. nu este nici una dintre matricele indicate la celelalte variante de raspuns. 5. Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau : {(1,2), (2,1), (3,4), (4,3), atunci memoria OLAM care o encodeaza : ⎛ − 0.3 ⎞ a. este W = ⎜ ⎜ 0.6 ⎟ ⎟ ⎝ ⎠ ⎛1 ⎞ b. este W = ⎜ ⎟ sigur nu este (colega de la Calarasi a luat 0 puncte) ⎜ 0.3 ⎟ ⎝ ⎠ ⎛1 ⎞ c. este W = ⎜ ⎟ ⎝ 0.6 ⎠ ⎛ 0.3 ⎞ d. este W = ⎜ ⎟ ⎜ ⎟ ⎝ 0.6 ⎠ e. nu este nici una dintre matricele indicate la celelalte variante de raspuns.
⎛101 ⎞ ⎟ ⎜ 6. Daca a = ⎜ 011⎟ , atunci pseudo inversa matricei A ⎜101 ⎟ ⎠ ⎝

⎛1 1 1 ⎞ ⎜3 − 3 3 ⎟ ⎜ ⎟ ⎜ − 1 2 − 1 ⎟ CORECTA este ⎜ 6 3 6⎟ ⎜ ⎟ ⎜1 1 1 ⎟ ⎜ ⎟ ⎝6 3 6 ⎠

⎛ 2 0 0⎞ 7. Daca A= ⎜ ⎜ 0 1 1 ⎟ , atunci pseudoinversa matricei A ⎟ ⎝ ⎠
⎛ 0.5 0 ⎞ ⎟ ⎜ a.este ⎜ 0 0.5 ⎟ CORECTA ⎜ 0 0.5 ⎟ ⎠ ⎝
100 8. Daca A= (0 1 0 ), sa se calculeze pseudoinversa matricei A. 101

⎛1 0 0 ⎞ ⎟ ⎜ a.este ⎜ 0 1 0 ⎟ CORECTA ⎜ − 1 0 1⎟ ⎠ ⎝ ⎛1 0 2 ⎞ ⎟ ⎜ 9. Daca A= ⎜ 0 2 1⎟ , atunci pseudoinversa matricei A ⎜ 0 0 1⎟ ⎠ ⎝ ⎛1 0 − 2 ⎞ ⎟ ⎜ d.este ⎜ 0 0.5 − 0.5 ⎟ CORECTA ⎟ ⎜0 0 1 ⎠ ⎝
10. Pseudo inversa matricei [ 1 1 1] a. b. c. d. e. [ -1 -1 -1] [1/2 ½ ½] [1/3 1/3 1/3] [1 ½ 1/3] [-1 -1/2 -1/3]

11. Multimea solutiilor unei probleme de clasificare bipolare este : a. b.

IS

N

+

Hi

US
i =1
N i =1

i =1 N

+

Hi

c.

I (S U (S
i =1 N +

+

Hi U Hi )

d.

Hi U Hi )

12. Multimea punctelor (memoriilor) admisibile asociata unei probleme de clasificare bipolare este : a. b.

IS US
i =1
N i =1

N

+

Hi Hi

i =1 N

+

c.

I (S U (S
i =1 N +

+

Hi U Hi )

d.

Hi U Hi )

13. In varianta secventiala (Windrow-Hoff) a metodei de instruire ADALINE :
a. deplasarile in spatiul memoriilor depind de ordinea exemplelor b. deplasarile in spatiul memoriilor nu depind de ordinea exemplelor

14. In varianta secventiala (Widrow-Hoff) a metodei de instruire ADALINE: a. la orice actualizare a memoriei explicit toate exemplele de invatare b. la orice actualizare a memoriei contribuie explicit un singur exemplu de invatare c. doar la prima actualizare a memoriei contribuie explicit un singur exemplu de invatare d. doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare

⎛ 0.4 ⎞ 15. In modelul neuronal al Perceptronului se considera memoria sinaptica W= ⎜ ⎟ pragul ⎜ 0.9 ⎟ ⎝ ⎠ θ = 0.7 si secventa de instruire

⎧ ⎪⎛ ⎛1⎞ ⎞ ⎛ ⎛1 ⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ S4= ⎨⎜ ⎜ ⎟,1⎟, ⎜ ⎜ ⎟,1⎟, ⎜ ⎜ ⎟,−1⎟, ⎜ ⎜ ⎟,−1⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪⎜ ⎝1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝1 ⎠ ⎟ ⎠ ⎠⎝ ⎠⎝ ⎠⎝ ⎩⎝ Atunci :

}

a. memoria totala a neuronului encondeaza corect secventa de instruire ; b. memoria totala a neuronului encondeaza gresit un singur exemplu al secventei de instruire c. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de instruire d. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de instruire ⎛ − 0.9 ⎞ 16. In modelul neuronal al Perceptronului se considera memoria sinaptica W= ⎜ ⎜ 0.9 ⎟ ⎟ ⎝ ⎠ pragul θ = 0.7 si secventa de instruire

⎧⎛ ⎛1⎞ ⎞ ⎛ ⎛1 ⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎪ S4= ⎨⎜ ⎜ ⎟,1⎟, ⎜ ⎜ ⎟,1⎟, ⎜ ⎜ ⎟,−1⎟, ⎜ ⎜ ⎟,−1⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪⎜ ⎝1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝1 ⎠ ⎟ ⎠⎝ ⎠⎝ ⎠⎝ ⎠ ⎩⎝ Atunci :

}

a. memoria totala a neuronului encodeaza incorect toate exemplele secventei de instruire b.memoria totala a neuronului encodeaza corect un singur exemplar secventei de instruire c. memoria totala a neuronului encodeaza corect exact doua exemple ale secventei de instruire d. memoria totala a neuronului encodeaza corect exact trei exemple ale secventei de instruire

4 ⎞ 17.⎛ 0.1⎟. In modelul neuronal al Perceptronului se considera memoria sinaptica W= ⎜ ⎜ ⎟ ⎝ − 0. ⎜ ⎜ ⎟.1⎟. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de instruire d. ⎜ ⎜ ⎟.4 ⎞ ⎟ 18.1⎟. b.−1⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪⎜ ⎝1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝1 ⎠ ⎟ ⎠⎝ ⎠⎝ ⎠⎝ ⎠ ⎩⎝ Atunci : } a. f. memoria totala a neuronului encondeaza corect secventa de instruire .−1⎟.−1⎟. ⎜ ⎜ ⎟. memoria totala a neuronului encondeaza gresit un singur exemplu al secventei de instruire c.0 ⎟ ⎝ ⎠ θ = 0. In modelul neuronal al Perceptronului se considera memoria sinaptica W= ⎜ ⎟ pragul ⎜ 4.7 si secventa de instruire ⎧⎛ ⎛1⎞ ⎞ ⎛ ⎛1 ⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎪ S4= ⎨⎜ ⎜ ⎟. ⎜ ⎜ ⎟. ⎜ ⎜ ⎟.4 ⎠ pragul θ = 0.7 si secventa de instruire ⎧⎛ ⎛1⎞ ⎞ ⎛ ⎛1 ⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎛ ⎛ − 1⎞ ⎞ ⎪ S4= ⎨⎜ ⎜ ⎟.−1⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎪⎜ ⎝1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝ − 1⎠ ⎟ ⎜ ⎝1 ⎠ ⎟ ⎠⎝ ⎠⎝ ⎠⎝ ⎠ ⎩⎝ Atunci : } e. memoria totala a neuronului encondeaza gresit un singur exemplu al secventei de instruire g. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de instruire ⎛ 0. ⎜ ⎜ ⎟. memoria totala a neuronului encondeaza gresit doua exemple ale secventei de instruire h. memoria totala a neuronului encondeaza gresit trei exemple ale secventei de instruire .1⎟. memoria totala a neuronului encondeaza corect secventa de instruire .

c)doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare. yi0..19. Procedura Perceipton aplicata secventei de instruire a Converge la o memorie aflata in multimea de administratibilitate asociata acestei probleme de clasificare bipolara .... d)doar la prima actualizare a memoriei nu contribuie explicit toate exemplele de invatare. 23.. xi Є Rn. In procedura de instruire Perceptron: a) deplasarile in spatiul memoriilor depind de ordinea exemplelor b) deplasarile in spatiul memoriilor nu depind de ordinea exemplelor . Z= ⎜ ⎟ ⎜ x Kx ⎟ N ⎠ ⎝ 1 Atunci eroarea medie patratica a regresorului liniar multidimensional are valoarea minima: tr (Y (IN – Z+Z)YT 22. b)la orice actualizare a memoriei contribuie explicit 1 exemplu de invatare. yi Є Rn. Marcati afirmatia corecta: Problema XOR este linear separabila.yn) . 1<=i<=N} ⎛1K1 ⎞ si se noteaza Y’ =(y’1...deplasarile din spatiul memoriilor nu depind de ordinea exemplelor 21.deplasarile din spatiul memoriilor depind de ordinea exemplelor b . In varianta batch a metodei de intruire ADALINE: a . Problema XOR nu este linear separabila. Se considera secventa de instruire: SN= {xi. 24. b Nu converge 20.. Varianta batch a metodei ADALINE: a) la orice actualizare a memoriei contribuie explicit toate exemplele de invatare.

nu este nici una dintre matricele indicate la celelalte variante de raspuns.2).7 ⎟ ⎝ ⎠ ⎛0 ⎞ d. d)doar la prima actualizare a memoriei contribuie explicit toate exemplele de invatare. (2.2). atunci memoria OLAM care o encodeaza : ⎛0 ⎞ a.4). (3.8 ⎟ ⎝ ⎠ e.6 ⎟ ⎝ ⎠ ⎛0 ⎞ c. este W = ⎜ ⎟ ⎜ 0.4).5 ⎟ ⎝ ⎠ ⎛0 ⎞ b.25. este W = ⎜ ⎟ ⎜ 0. c)doar la prima actualizare a memoriei contribuie explicit un singur exemplu de invatare. este W = ⎜ ⎟ ⎜ 0. b)la orice actualizare a memoriei contribuie explicit 1 exemplu de invatare. . Daca functia f:R →R este cunoscut doar prin urmatoarele 4 puncte de pe graficul sau : {(1. (4. In procedura de instruire Perceptron: a) la orice actualizare a memoriei contribuie explicit toate exemplele de invatare. 26. este W = ⎜ ⎟ ⎜ 0.

repetarea excesiva nu este necesara 23. Care este structura unui perceptron multistrat? c) mai multe straturi de neuroni interconectati. Cum se utilizeaza retelele Learning Vector Quantization pentru clasificare?b) spatiul vectorilor de intrare se divide in regiuni disjuncte. Care este iesirea unui perceptron cu un singur strat?b) functia Heaviside aplicata sumei intrarilor ponderate 7. Ce aduce in plus modelul LQV2 fata de LVQ? c) se considera si urmatorul cel mai apropiat vecin. algoritmul de invatare este mult mai rapid decat backpropagation 24.Retele neuronale 1. Care sunt modalitatile in care algoritmul de invatare Madaline respecta principiul celei mai mici perturbatii?c) se alege numarul minim de Adaline care ar putea influenta schimbarea iesirii. un vector de intrare este inlocuit cu indexul vectorului prototip cel mai apropiat 21. Ce fenomene cognitive considera Grossberg ca explica modelele Instar si Outstar? a) invatare pavloviana. fiecare cu un vector prototip. Care este topologia Madaline?a) doua straturi de neuroni. Care este avantajul perceptronului in comparatie cu Adaline?b) perceptronul garanteaza clasificarea corecta a 2 clase liniar separabile 8. Cine a propus modelul perceptronului la sfarsitul anilor 50?c) Frank Rosenblatt 2. un vector de intrare este etichetat cu clasa celui mai apropiat vector prototip 19. Care sunt avantajele modelului CMAC (cerebellar model articulation controller)? c) este un model viabil pentru sarcini de control complexe. Cine sunt autorii cartii "Perceptronii" (1969) in care se evidentia imposibilitatea perceptronului de a invata functii neseparabile liniar?a) Minsky si Papert 4. Ce inseamna conectarea feedforward a neuronilor intr-un perceptron multistrat? c) interconectarile nu formeaza bucle 27. Ce inseamna principiul celei mai mici perturbatii in procesul de invatare a unei retele neuronale?a) ponderile trebuie ajustate astfel incat sa se reduca eroarea la iesire pentru vectorul de intrare curent cu o perturbatie minima asupra raspunsurilor deja invatate 16. Care este scopul unui perceptron cu un singur strat?b) clasificator pentru 2 clase prin gasirea unui hiperplan care le separa 5. se aleg Adalinele cu iesirea cat mai apropiata de zero iar ponderile sunt modificate in directia vectorului de intrare 17. in conditiile in care cel mai apropiat vecin Wi apartine altei clase in comparatie cu vectorul de intrare X. fiecare din ei calculeaza suma ponderata a intrarilor la care se adauga un termen constant si apoi rezultatului i se aplica o functie de activare neliniara 26. Cum se utilizeaza retelele Learning Vector Quantization pentru compresie de date? a) spatiul vectorilor de intrare se divide in regiuni disjuncte. Care este metoda de antrenare a unui neuron Adaline?c) regula delta (least mean square) 11. repetarea imbunatateste rezultatele. fiecare cu un vector prototip. invatare hebbiana. primul format din neuroni Adaline cu functie Heaviside aplicata iesirilor. iar al doilea cu porti logice 15. Care din urmatoarele caracteristici nu sunt avantaje ale neuronului Adaline in comparatie cu perceptronul?c) Adaline garanteaza separarea a 2 clase liniar separabile 12. Cum se numesc retelele perceptron multistrat in care interconectarile formeaza una sau mai multe bucle?a) recurente . Care este cel mai utilizat tip de retea neuronala?b) perceptronul multistrat 25. Care este diferenta dintre retelele Learning Vector Quantization si hartile cu auto-organizare (SOM)?b) LVQ este o metoda de invatare supervizata 18. urmatorul cel mai apropiat vecin Wj apartine aceleiasi clase cu X iar X apartine une ferestre definite de planul bisector al segmentului care uneste Wi si Wj 22.

Care ar fi conditiile pentru ca o retea sa generalizeze bine? a) sa aiba o topologie adecvata cu cat mai putine ponderi si totusi sa dea rezultate bune la antrenare. Ce sunt straturile ascunse ale unui perceptron multistrat?b) straturi interne retelei. Ce se intelege prin capacitatea de a generaliza a unei retele neuronale? c) reteaua trebuie sa dea rezultate bune nu numai pentru instantele folosite la antrenare. Care este expresia functiei sigmoide bipolare (tangenta hiperbolica)?a) S(s) = (1 . Ce reprezinta algoritmul backpropagation stohastic? b) o varianta a algoritmului backpropagation standard in care actualizarea ponderilor nu se face o singura data. se analizeaza performantele retelei pe o multime de vectori de validare diferita de multimea vectorilor de antrenare. la sfarsitul unei epoci de antrenare. nici de intrare si nici de iesire 33. Care este expresia functiei sigmoide unipolare (functia logistica)?a) S(s) = 1 / (1 + exp(-s) ) 29. Care sunt conditiile care trebuie respectate pentru a garanta stabilitatea la antrenare a unei retele recurente de tip perceptron multistrat?b) folosirea unor neliniaritati crescatoare si marginite (de exemplu sigmoide). pastrareasimetriei ponderilor si implementarea dinamicii retelei 54. Cum se justifica proprietatea perceptronului multistrat de "aproximator universal"? b) s-a demonstrat ca o retea (posibil infinita) cu un singur strat ascuns este capabila sa aproximeze orice functie continua 44. cu ajutorul gradientilor corespunzatori fiecarei conexiune. exploatand astfel regularitatile problemei 46. antrenarea se opreste in momentul in care eroarea pe setul de validare nu mai scade. chiar daca eroarea pe setul de antrenare ar putea scadea in continuare 47. dupa prezentarea fiecarui vector de intrare 40. Care este ideea care sta la baza algoritmului backpropagation? a) minimizarea erorii (diferentei dintre iesirea dorita si iesirea reala) in raport cu ponderile prin metoda gradientului descendent 39. iesirile unitatilor de timp discret se modifica sincron cu intrarile iar iesirile unitatilor instantanee urmaresc imediat variatiile intrarilor lor 56. dupa aplicarea unui vector de intrare si dupa retropropagarea unui set de erori. tehnicile constructive pornesc de la o retea de dimensiuni mici si ii adauga unitati pana cand performantele devin acceptabile 52. poate converge intr-un minim local al functiei de eroare pe care incearca sa o minimizeze 41. reteaua trebuie lasata sa se stabilizeze 53. Cum se realizeaza antrenarea unui perceptron multistrat?b) prin modificarea ponderilor conexiunilor si a valorilor prag ale neuronilor 31. Cine a introdus in 1986 algoritmul backpropagation ca metoda generala de antrenare a perceptronilor multistrat?b) Rumelhart. Cum se imbunatateste capacitatea de generalizare a unui perceptron multistrat prin simplificarea retelei ("network pruning") si tehnicile constructive? a) metoda simplificarii retelei porneste de la o retea mare si apoi elimina succesiv cele mai putin importante conexiuni.exp(-2s) ) / (1 + exp(-2s) ) 30. Care este impedimentul cel mai important al algoritmului backpropagation? b) deoarece se bazeaza pe metoda gradientului descendent.28. Hinton si Williams 34. ci in timp real. Cum se realizeaza validarea incrucisata ("cross-validation")? c) in timpul antrenarii. Care este avantajul retelelor recurente secventiale de timp discret? b) pot fi reduse la retele feed-forward si antrenate cu algoritmul backpropagation standard . Cum functioneaza retelele recurente secventiale de timp discret? c) intrarile retelei se modifica numai la momente discrete de timp. Care este diferenta dintre variantele algoritmului backpropagation pentru retele feed-forward si recurente?b) in cazul retelelor recurente. ci si pentru instante noi 45.

care nu face parte din multimea de amintiri fundamentale 67. testarea validitatii acesteia si un program de "racire" pentru stabilizarea intr-o anumita regiune 75.1. Ce este o "amintire fundamentala" a unei memorii asociative? b) o pereche intrare-iesire (xk. Care este densitatea de probabilitate Cauchy pentru a genera deplasarea dintre starea veche si cea noua intr-o retea neuronala stohastica?c) GT(x' | x' = x + X) = T / pi * (T^2 + |X|^2) 77. Care fenomen natural este analog cu ideea de calire simulata? b) inghetarea treptata a apei pentru a se forma o structura cristalina 80. yk) cu care se face antrenarea 62. Care este reteta de inregistrare a proiectiei (projection recording recipe) pentru o memorie asociativa liniara optima OLAM (notam A transpus cu A^T si inversa lui A cu A^(-1) )? b)W* = Y * (X^T * X) ^(-1) * X^T 71. Cum pot fi clasificate memoriile asociative din punct de vedere al asociatiilor stocate: a) autoasociative si heteroasociative 58. un numar relativ mic de amintiri false cu bazine mici de atractie. Ce este o "amintire falsa" (spurious memory)? c) o asociatie stocata in memorie in mod neintentionat. o stare stabila implicita de indecizie si fara regiuni cu oscilatii 68.1.n} (ai) )?b) xi(k+1) = sgn( sum{j. Ce este o memorie autoasociativa? a) o memorie asociativa care reda mapari intrare-iesire de forma (xk. xk) 63. Cum se determina matricea de interconectare W intr-o memorie asociativa liniara (notam A transpus cu A^T)?b)W = Y * X^T 69.n} (ai) )? b) Y = F (W* X) si W= (1/n) * sum{k. Cand este stabila reteaua Hopfield? b) cand matricea de interconectare este simetrica si functia de activare este continua si monoton crescatoare 72. Care sunt pasii principali ai metodologiei de calire simulata? c) generarea aleatorie a unei noi stari. Care este ecuatia caracteristica modelului Hopfield discret (notam suma cu i de la 1 la n din ai cu sum{i.m} (yk * xk^T) 70.57.1. Ce caracteristici are o memorie asociativa dinamica de inalta performanta?a) bazine mari de atractie in jurul amintirilor fundamentale. pe masura ce temperatura scade. Ce trebuie sa realizeze o memorie asociativa? a) o mapare yk = G(xk) pentru toate perechile de intrare-iesire (xk. Care este trasatura cea mai importanta a unei memorii asociative cu feedback? b) sistemul dinamic rezultat trebuie sa aiba un comportament asimptotic stabil 60. yk). cu constrangerea W2^T = W1 = W (W2^T noteaza W2 transpus): c) este stabila pentru orice matrice reala de interconectare W si converge intotdeauna catre un minim local al functiei sale de energie 74.n} (wij*xj(k)) + Ii ) 73. Care sunt parametrii unei memorii asociative neliniare (notam A transpus cu A^T si suma cu i de la 1 la n din ai cu sum{i. Care este relatia dintre zgomot si racire intr-un proces de calire simulata? b) zgomotul asigura diversitatea starilor vizitate iar temperatura determina cat de departate pot fi doua stari succesive. Care este densitatea de probabilitate folosita de masina Boltzman pentru a genera deplasarea dintre starea veche si cea noua intr-o retea neuronala stohastica? b) GT(x' | x' = x + X) = (1/2) * pi * T^(1/2) * exp(-X^2 / T) 76. Memoria asociativa bidirectionala (BAM) propusa de Kosko. cautarea se va localiza intr-o anumita regiune si se spera ca va converge catre solutie .1. Care este programul de racire pentru calirea simulata folosind un proces aleatoriu gaussian? b) T = T0 / log(1+t) 81. maparea sa fie toleranta la zgomote si sa poata corecta eventualele erori 61. Cum poate fi accelerat programul de racire in calirea simulata fata de procesul gaussian aleatoriu folosind zgomot colorat Cauchy?a) T = T0 / (1+t) 82.

daca notam suma cu i de la 1 la n din ai cu sum{i. care poate ramane optim fara reantrenare 93. Care este iesirea unei retele RBF gaussiene. dispersiile sunt sigma_j iar N este numarul de vectori de antrenare?b) f(x) = sum{j. Cum se calculeaza ponderile unei retele RBF cu selectie a centrelor?a) prin metoda celor mai mici patrate 90.1. Care este topologia unui arbore neuronal? a) un strat de intrare. wj sunt ponderile conexiunilor.N} (wj * exp ( . Care din urmatoarele metode nu poate fi folosita pentru adaptarea latimii functiei de baza radiala intr-o retea RBF?c) metoda celor mai mici patrate ortogonale nesupervizate 91.1 / (2 * sigma_j ^ 2) * || x . xj || ^ 2) ) 87.85. dispersiile sigma_i iar numarul de neuroni RBF poate fi redus prin selectia unor exemplare reprezentative din vectorii de antrenare 88.1. Care sunt avantajele metodelor de clasificare bazate pe nucleu (kernel classifiers)? b) invatare simpla. al doilea contine neuroni RBF iar al treilea contine neuroni cu functii de activare liniare 86. centrele sunt exemplarele xj. Ce este o retea RBF generalizata? a) o retea in care numarul de unitati RBF este mult redus fata de numarul de vectori de antrenare 89. posibilitatea convergentei catre clasificatorul bayesian optim. Ce sunt estimatorii densitatii nucleului (kernel density estimators)? a) retele neuronale RBF pentru estimarea functiilor de densitate de probabilitate 92. Care este topologia unei retele neuronale de energie Coulomb restransa?a) trei straturi: un strat de intrare care retransmite intrarile.n} (ai). Care este topologia unei retele RBF? b) o retea RBF este formata din trei straturi: primul contine neuroni simpli care transmit intrarile fara distorsiuni. care este rolul stratului de prototipuri? c) aproximarea claselor printr-o superpozitie de hipervolume cu anumite raze in spatiul trasaturilor 95. un strat de neuroni binari (cu un numar de neuroni egal cu numarul de noduri ale arborelui). un strat de neuroni logici SI (cu un numar de neuroni egal cu numarul de frunze ale arborelui) si un un strat de neuroni logici SAU (cu un numar de neuroni egal cu numarul de clase) . Intr-o retea neuronala de energie Coulomb restransa. Ce se intalmpla daca intr-o retea neuronala de energie Coulomb restransa raza initiala lambda_0 este prea mica? a) numarul de neuroni prototip devine egal cu numarul de vectori de antrenare 96. Ce parametri ai unei retele RBF gaussiene sunt ajustati prin invatare? c) ponderile wi. un strat de prototipuri si un strat de decizie 94.

W1 si W2 sunt matricele de interconectare. deoarece o functie liniara de functii liniare este tot o functie liniara 55. alfa este rata de invatare. care este ordinea recomandata de prezentare a vectorilor de intrare?a) ordine aleatorie. Daca wi este ponderea conexiunii i la momentul k. care este regula de actualizare a ponderilor unui neuron Adalinea) wi(k+1) = wi(k) + alfa * [t(k) . Daca X sunt vectorii de intrare.a(k)] * xi(k) 10.6. la ajustarea unei ponderi. care este ecuatia unei memorii autoasociative dinamice (DAM)?a) X(t+1) = F(W * X(t) ) 66. Daca wi(k) este ponderea conexiunii i la momentul k. Pentru aplicarea algoritmului backpropagation. alfa este rata de invatare.a(k)] * xi(k) 20. La antrenarea unei retele Madaline. Intrarea intr-o memorie asociativa se numeste:a) cheie de memorie 14. care este regula de actualizare a ponderilor unui perceptron cu un singur strat?b) wi(k+1) = wi(k) + alfa * [t(k) . De ce perceptronul multistrat nu are functii de activare liniare? c) functiile liniare nu asigura o crestere a puterii de calcul in raport cu retelele cu un singur strat. care este derivata functiei sigmoida unipolara?b) S'(s) = S(s) * (1 . cum se realizeaza actualizarea ponderilor in procesul de invatare al unei retele Learning Vector Quantization? c) Wi(t+1) = Wi(t) + alfa * ( Xj . F este vectorul functiilor de activare iar t sunt momentele de timp discrete. t este iesirea dorita.S(s) ) 36. De ce sunt mai puternice arhitecturile de memorie autoasociativa recurente decat cele feedforward? c) intr-o arhitectura feedforward. a este iesirea reala si xi este intrarea i.Wi(t) ) daca Xj si Wi apartin la clase diferite 32. ar aparea o secventa infinita de actualizari 64. alfa este rata de invatare.alfa * ( Xj . Prin ce se caracterizeaza metoda momentului de accelerare a invatarii cu algoritmul backpropagation?c) propune. adaugarea unui termen proportional cu ultima modificare a ponderii respective 43. Xj este vectorul de intrare. la prezentarea unui vector de intrare numai o parte din eventualul zgomot va fi eliminat 65. Prin ce se caracterizeaza o retea neuronala recurenta secventiala?a) reteaua are "memorie" iar iesirea dorita pentru fiecare vector de intrare depinde nu numai de acel vector ci si de cei anteriori . Daca X sunt vectorii de intrare. t este iesirea dorita. W este matricea de interconectare. in functie de semnele succesive ale gradientilor ponderilor 51.S(s) ) * (1 + S(s) 42. Y sunt vectorii de iesire. Functia XOR:a) poate fi invatata de un perceptron multistrat 59. care sunt ecuatiiile unei memorii heteroasociative?a) Y(t+1) = F(W1 * X(t) ) si X(t+1) = F( W2 * Y(t) ) 3. Pentru aplicarea algoritmului backpropagation. care este derivata functiei tangenta hiperbolica?a) S'(s) = (1 . a este iesirea reala si xi este intrarea i. Daca Wi(t) este vectorul de ponderi al neuronului castigator la momentul t.Wi(t) ) daca Xj si Wi apartin aceleiasi clase si Wi(t+1) = Wi(t) . Prin ce se caracterizeaza metoda ratei de invatare adaptive pentru accelerarea invatarii cu algoritmul backpropagation? a) consta in utilizarea unei rate de invatare individuale pentru fiecare pondere si adaptarea acestor parametri in fiecare iteratie. De ce trebuie sa existe in fiecare bucla a unei retele recurente de tip perceptron multistrat cel putin o unitate de timp discret? c) daca bucla ar fi formata numai din unitati instantanee. F este vectorul functiilor de activare iar t sunt momentele de timp discrete. Pe ce principiu se bazeaza algoritmul least mean square?b) minimizarea erorii patratice medii dintre iesirea dorita si cea reala 35. deoarece ordinea ciclica poate impiedica convergenta 9.

daca E2 este mai proasta. in expresia functiei de cost Etotal = E + lambda * Ereg. sa presupunem ca termenul de regularizare Ereg este suma valorilor absolute ale ponderilor retelei.1. sa presupunem ca termenul de regularizare Ereg este suma patratelor ponderilor retelei. care este rolul termenului de regularizare Ereg din expresia functiei de cost Etotal = E + lambda * Ereg? b) determina reteaua sa produca functii de aproximare cat mai netede. cum se calculeaza gradientii erorilor pentru neuronii din stratul ascuns (delta_j). In algoritmul backpropagation. care este diferenta dintre un neuron de tip perceptron si un neuron RBF?b) perceptronul imparte spatiul trasaturilor in hiperplane. cunoscand diferenta de energie dintre doua stari dE = E2 . daca S' este derivata functiei de activare. iar ponderile Adalinelor sunt ajustabile 37. daca S' este derivata functiei de activare. In algoritmul backpropagation. cat si punerea pe 0 a ponderilor mai putin importante 78. In topologia Madaline.n} (ai) )?a) delta_j(t) = S' * sum{k. In calirea simulata. se trece in ea sigur. In calirea simulata. delta_k sunt gradientii erorilor pentru neuronii din stratul de iesire. neuronul RBF defineste un hipervolum sau o hipersfer 84. deoarece acestea sunt mai regulate (au variabilitate mai mica) si deci pot produce generalizari mai bune 49. In contextul clasificarii. in expresia functiei de cost Etotal = E + lambda * Ereg. In contextul regularizarii unui perceptron multistrat. In contextul regularizarii unui perceptron multistrat. Cum se justifica o asemenea alegere?a) in componenta gradientilor functiei de cost apare un termen proportional cu semnul ponderilor.13. cand se face o tranzitie intre doua stari E1 si E2? b) daca E2 este o stare mai buna. Cum se justifica o asemenea alegere?a) ponderile mai mici tind sa produca functii care se schimba mai greu si deci mai netede 50.1. se trece in ea cu o anumita probabilitate descrescatoare in timp 83. care este diferenta dintre ponderile portii logice si ponderile Adalinelor?c) ponderile portii logice sunt fixe. ek(t) este eroarea la momentul t iar wjk(p) sunt ponderile conexiunilor dintre stratul ascuns si cel de iesire?b) delta_k(t) = S' * ek(t) 38. In contextul regularizarii unui perceptron multistrat.E1. cand este posibila o tranzitie din starea E1 in starea E2?c) cand dE < 0 sau cu probabilitatea PT = 1 / (1 + exp(-dE / T) ) daca dE > 0 79. Retelele RBF:b) pot realiza atat clasificari cat si aproximari functionale .l} (delta_k(t) * wjk(t) ) 48. ceea ce asigura atat regularizarea. wjk(t) sunt ponderile conexiunilor dintre stratul ascuns si cel de iesire la momnetul t iar l este numarul de iesiri ale retelei (notam suma cu i de la 1 la n din ai cu sum{i. cum se calculeaza gradientii erorilor pentru neuronii din stratul de iesire (delta_k).

Name: ________________________ Class: ___________________ Date: __________ ID: A Subiecte inteligenta artificiala licenta informatica 3 ani Multiple Choice Identify the letter of the choice that best completes the statement or answers the question.2. calcul([X]. S= [4. ____ 4.L.3.Z.X):-!.2. d.2.R]. S= 4. d.4].S) este a.2.1.3.3.3.calcul(T. calcul([H|T]. calcul([]. Rezultatul apelului calcul([1. c.X) :-X<=Z.S):-calcul(T.4] Fie predicatul PROLOG. b.X. S= [1]. d.2. c. ____ 5.2.Z). calcul([H|T].2.2]. c. !.X):-!.L. calcul([X].Z.[X|_]):-!. S= [1.S) este a.S) este a. yes Fie predicatele PROLOG. b.L. S=[1.[]):-!.S) este: a.R).1. compara(X. calcul([H|T]. Rezultatul apelului verifica(3. compara(X.calcul_1(T. ____ 1. S= []. calcul([].2.S) este a.3.5].2. S= [2. S= 4 Pentru predicatul PROLOG.3.4].2.Y).[H|R]]:. ____ 6.5]. S=24.[H|R]):. verifica(X.S].[2. c. S= 1.3]. S= 3.2. verifica(X. S=[4].5]. rezultatul apelului calcul([1. yes.X):-!. S= [1.3]. calcul([H|T]. calcul([X].X.3. ____ 3. b.2.4].4. [1. S= [1.compara(X.3. 14 Fie predicatul PROLOG. Rezultatul apelului calcul([1.1.2. calcul_1([].R). c. d. S=[1.S=H+P. no. calcul([X|T].calcul(T.[]):-!. calcul_1([H|T].Y):.[H|R]):. S=2.4]. ____ 2.3. c.5]) este a.calcul(T.3.4].R).T).[H]. b.3. S= 1.4.X.R). Rezultatul apelului calcul([1. b.2.verifica(X.Z.3.calcul(T.2. d.S):.L]:-!. Pentru predicatul PROLOG. S= [1. Rezultatul apelului calcul([1.[_|T]):. b.1].4] 1 . S= 10 Fie predicatele PROLOG.Z). d. 3. calcul_1(R.

[H|S]):-X>H.[H|T].3.2. calcul_1 (X.[1. calcul_1 (H.4].[X]). calcul_1 ([Y|T].[X.X>Y.4]. S= [2.4] .[H|T].1.2. calcul_2 ([Y|T]).H|T]):-X<=H.Name: ________________________ 7.4].calcul(X. S= [4.[]). calcul_1 ([X.Y|T]):-X<=Y. calcul_2 ([]).4] 8.1.A).S).3.[].2.1. calcul_1 (X.1.3.2.4].2.2.S). calcul([].2. calcul_2 ([_]).1.Y|T]. S= [4.2. d.2. S= [4.1.S).S):.S).3. calcul(X.calcul (T.2.3.[X]).2. calcul_1 (X.!.[X|T]. calcul_1 ([X].2.2.S).3.1.2] d.3.4.2.S).4].2.2.4].2.[Y|S]):. c.[Y|T]. S= [1.3. b. ID: A ____ ____ ____ calcul(_. calcul (T. calcul_1 (X.3. Rezultatul apelului calcul([1.T.1.2. S= [1. b.R).Y|T].A.[Y|R]):.3.1.1.2.1] 9. Fie considera programul PROLOG.3.2. calcul_1 ([X|T]. S=[1.S) este a.1. c.S) este a.2.S) este a.[]):-!. calcul_2 ([X.1. Rezultatul apelului calcul(2. Fie considera programul PROLOG. S=[1.T.3.T).1].[X|S]):-X<=Y.1] 2 .L):-calcul_2(L). calcul ([H|T]. Rezultatul apelului calcul([1.[]). S=[1.calcul(X.1.3.2. calcul(X. Fie predicatul PROLOG. S= [1.S):.!.4] d.2.2.1.1. calcul_1 ([X. calcul (L.1].2. calcul ([].1.3.[]):-!.S):-calcul_1(L. calcul_1 ([].3.2. b. S= [4.4]. c. S= [1.T.[].2. calcul(L.

calcul_1 (T.!.Y.[]). S= [[1.calcul (T.1.X):-!.4].L).1]. calcul_1 (T. S= [4.1.2].4].S). calcul_1 ([H|T].1.2.L.[2].3.R):.4]. Rezultatul apelului calcul([1._.1. mnm ([X|T].3.X.R).[]). calcul_2(X. S= [1.X).Z):.L. Rezultatul apelului calcul([1.2.1].[4]].[X]).1.2. b. calcul_1 ([Y|T].Y):.S) este a. calcul_2 (X.[]). S= [1.X>=Y.[1].T). d. calcul_1 ([].2.2. calcul_1 (H.3. S= [4.[H|S]):.[1].Y).2. mnm ([X].[3].2.X. calcul ([X].T).S.[Min|T]):-mnm (L.S).1. ID: A calcul ([].3.L).2.S).4] ____ 11. c.2.2.mnm (T. c.2.[2]. Fie considera programul PROLOG.2. S=[[1.3.1.[2].1.S) este a. Fie considera programul PROLOG.!.1.L. calcul ([].2.3. S= [[1].2. calcul (L.[4]] 3 .3.1. calcul_1 ([X|T].3.Z).1]. calcul (S. S=[1. calcul ([H|T].2.[1. calcul_1 ([].Min).[Y|L]):-Y<>X.Y.4]]. calcul_1 (L.3.X._.4]|[]] d. b.2. calcul_2 (X.Min.1.Name: ________________________ ____ 10.

a.L1). calcul_1 (X. Formula α = ( ∀X ∃Y β → ∃Y ∀X β ) este.2.3.T.2.[H|T]. S= [4. tautologie .4]. a. calcul_2 (_.1]. calcul_3 ([]. calcul_1 (X.2.[H|T]. Fie considera programul PROLOG. calcul_2 (H.[]). In limbajul de primul ordin al aritmeticii formula α = ∀X ∀Y ( ∃Z + XZ ≐ Y →< XY ) este ____ 16.calcul_3 (T. calcul ([H|T]. d.Name: ________________________ ____ 12.1. incorecta din punct de vedere sintactic falsificabila .T.S).3.L.S):-H>X. S=[1.[H|S]):-H>X. d. b. ( ( β → γ ) ↔ ( ( ¬β ) ∨ γ ) ) este. c. tautologie .[H|S2].[H|S]):. valida in interpretarea intentionata ____ 14. calcul_1 (X. falsa in orice L-structura avand domeniul de interpretare multime finita 4 . d.S):.T. tautologie . invalidabila .S). calcul (L2.L.4]. calcul_1 (X.3.[]. ID: A calcul ([].S) este a.3. calcul_2 (X.[]). S= [1.4]. invalidabila .2. d. tautologie .T.2. calcul_2 (X.[H|S]):-H<=X. calcul (L1.[H|T]. c. calcul_2 (X.S). incorecta din punct de vedere sintactic falsa in interpretarea intentionata. calcul_1 (_. a. c.T. calcul_2 (X.3.S1). falsificabila .calcul_1 (H.S).1. invalidabila .S). falsificabila . c.1] ____ 13. S= [4. Rezultatul apelului calcul([1.X. b. calcul_3 (S1.X).[H|T]. invalidabila .S):-H<=X.[].T.S2).2. d.S).1.2. b. ____ 15. c. b. Formula α = ( ∃Y ∀X β → ∀X ∃Y β ) este.2.[]). calcul_3 ([H|T].L2). b. Formula α = a.

Z } ⊂ V a. ha | Y } ____ 19. unde f ∈ FS . r ( f ) = 3. σ = {ha | X . Se considera formula. fghaZhhYgaha} E nu este unificabila. Y . Z | Y } este mgu pentru E. faZY } r ( f ) = 3. { X . afirmatia este adevarata b. c. { X . { X . b. Z } ⊂ V a. afirmatia este falsa ____ 21. unde a. Y . afirmatia este adevarata numai daca S este multime de clauze definite d. a ∈ CS . afirmatia este adevarata numai daca S este multime de clauze de baza c. σ = { gYX | Z . ha | Y } este mgu pentru E. afirmatia este adevarata numai daca α este forma normala prenex c. Se considera afirmatia: “ Pentru orice formula inchisa α exista o multime finita de clauze S astfel incat α este invalidabila daca si numai daca S este invalidabila” a. Se considera afirmatia: “ Multimea finita de clauze S este invalidabila daca si numai daca exista o S-respingere rezolutiva” a. ID: A E = { fgXYhZgahX . afirmatiile (a). afirmatia este adevarata numai daca α este forma normala Skolem d. d. σ = { ghXX | Z . T } ⊂ V orice forma normala Skolem corespunzatoare formulei α este semantic echivalenta cu α α = ∀Y ∀T ( PaY ∨ ¬QfYa ∨ ¬PfYT ) este forma normala Skolem pentru α . hX | Y } este mgu pentru E. r ( h ) = 1. σ = {hY | Z . α = ∃X ∀Y ∃Z ∀T ( PXY ∨ ¬QZa ∨ ¬PZT ) . b.Name: ________________________ ____ 17. b. d. hX | Y } este mgu pentru E. f ∈ FS . r ( f ) = 1 c. Y . unde b ∈ CS α = ∀Y ∀T ( PbY ∨ ¬QfYa ∨ ¬PfYT ) este forma normala Skolem pentru α . a | X . Fie multimea de expresii. b ∈ CS ____ 20. c. E nu este unificabila. r ( g ) = 2. E = { fagYXhX . Z . hY | Z . afirmatia este falsa b. α = ∀Y ∀Z ∀T ( PbY ∨ ¬QZa ∨ ¬PZT ) este forma normala Skolem pentru α . a ∈ CS . r ( f ) = 1 . r ( P ) = r ( Q ) = 2. d. r ( h ) = 1. Fie multimea de expresii.(c) sunt false ____ 18. afirmatia este adevarata 5 . a ∈ CS . r ( g ) = 2. σ = { ghaa | Z .

Se considera afirmatia: “ Multimea finita de clauze S este invalidabila daca si numai daca exista o SLD-respingere rezolutiva” a.. T’ subarbore finit al lui T cu aceeasi radacina si multimea varfurilor terminale din T’ sectiune a arborelui T..... Fie S multime finita de clauze a. b.. atunci S este invalidabila ____ 25. Daca exista o multime invalidabila de instantieri de baza ale clauzelor din S nu rezulta ca S este invalidabila d......... S este invalidabila daca si numai daca nu exista H-model pentru S c. Pentru orice S. β m } multimi de formule inchise. b... Toate afirmatiile precedente sunt false ____ 26. c. Pentru orice S exista cel putin un arbore semantic complet finit pentru S c.. afirmatia este adevarata numai daca in clauzele din S nu apar simboluri functoriale c.. βm } daca si numai daca ∩ M (αi ) ⊆ ∩ M ( β j ) i =1 n j =1 m {α1 . afirmatia este adevarata numai daca toate clauzele din S sunt clauze de baza ____ 23.... α n } |= {β1 . d.. βm } daca si numai daca ∩ M (αi ) ⊆ ∪ M ( β j ) i =1 j =1 6 . d. Daca exista T un arbore semantic complet pentru S astfel incat exista T’ arbore semantic inchis pentru S. H ∞ este multime finita daca si numai daca BH ( S ) este multime infinita ____ 24. α n } |= {β1 .... c. a.. Exista S astfel incat H ∞ este multime infinita si BH ( S ) multime finita Exista S astfel incat H ∞ este multime finita si BH ( S ) multime infinita Pentru orice S. Este posibil sa nu existe arbore semantic complet pentru S...... b. BH ( S ) baza atomilor Herbrand pentru o multime finita de clauze S. Fie H ∞ universul Herbrand . βm } daca si numai daca ∪ M (α i ) ⊆ ∩ M ( β j ) i =1 n j =1 m n m {α1 .. βm } daca si numai daca ∪ M (αi ) ⊆ ∪ M ( β j ) i =1 n j =1 m {α1 . afirmatia este adevarata pentru orice multime de clauze S b. α n } {β1 . a. orice arbore semantic complet pentru S este arbore semantic inchis pentru S d.. α n } |= {β1 .. a... afirmatia este adevarata numai daca S este multime de clauze definite d.. Fie {α1 .. {α1 . α n } |= {β1 . Este posibil ca S sa fie validabila dar sa nu existe H-model pentru S. H ∞ BH ( S ) este multime finita Pentru orice S..Name: ________________________ ID: A ____ 22. b. Fie S multime finita de clauze..

. βm } daca pentru orice i. λ θ = {+ SYSX | X . h ∈ FS . λ = {+ SYSZ | X . X | Z } λ θ nu este definita λ θ =θ λ a. β m } numai daca  ∩ M (α i )  ∩  ∩ M ( β j )  = ∅ {α1 .1 ≤ i ≤ n exista j. α n } {β1 . X | Y } .... In limbajul de primul ordin al aritmeticii fie formulele. β este tautologie c.. Z . Z ∈ V . d. b. tθ = t λ c.. D=∅ afirmatiile a. X | Z } d.. α n }  i =1   j =1    n   m |= {β1 . βm } daca si numai daca exista i..1 ≤ j ≤ m astfel incat M (α i ) ⊆ M ( β j ) {α1 .... β sunt valide in interpretarea intentionata b. E3} a... α = ∀X ( ≐ ∗SXSX + + ∗ XX + XXS 0 ) β = ∀X ( ≐ + XX ∗ SS 0 X ) a. g ...r ( g ) = 2. {α1 .. D = { gXY . E2 .. In limbajul de primul ordin al aritmeticii se considera substitutiile.. cel putin una din formulele α .. a. θ = {Y | X .. ha} D = {Z ... E2 = fgXZaha ..r ( f ) = 3.... ambele formule α . ____ 30. b ∈ CS si fie D dezacordul multimii E = {E1 ... β m } multimi de formule inchise.. α n }  i =1   j =1  c.. β m } numai daca  ∩ M (α i )  ∩  ∩ M ( β j )  ≠ ∅ {α1 .r ( h ) = 1 X . g .. E3 = fgXhabZ unde ID: A f . d.. formula β este tautologie si α este falsificabila ____ 29. b.1 ≤ i ≤ n si exista j . 7 .Name: ________________________ ____ 27.... . α n } |= {β1 .. b.. α n } |= {β1 .(c) sunt false ____ 28. pentru orice t ∈ TERM .(b).. Fie expresiile E1 = fgXgXYhbY . h} c. Y .. Fie {α1 .1 ≤ j ≤ m astfel incat M (α i ) ⊆ M ( β j )   n   m |= {β1 . formula α este tautologie si β este falsificabila d.. a.

r ( f ) = 1 . β ∈ FORM si γ = α → ( β → (α ∧ β ) ) a. α n } |= {β1 . T ∈ PS . ____ 32. α n } |= {β1 ... r ( P ) = r ( S ) = r (T ) = 1. {α1 . d.. k7 } unde ID: A k1 = ¬PX ∨ QX ∨ RXfX k 2 = ¬PX ∨ QX ∨ SfX k3 = Ta k4 = Pa k5 = ¬RaY ∨ TY k6 = ¬TX ∨ ¬QX k7 = ¬TX ∨ ¬SX unde P. βm } daca si numai daca |= |= n ∧α i ↔ ∨β j i =1 n j =1 n m ∧α ∧ ∧β i =1 i j =1 m j =1 m j ∧α i ∧ ∧ ( ¬β j ) este logic falsa i =1 d.. Fie α = ∀X ( ≐ + XX ∗ SS 0 X ) in limbajul de primul ordin al aritmeticii.. {α1 . c... b... ( ) γ este validabila daca si numai daca {α } |= β γ este validabila numai daca {α } |= β γ este validabila numai daca { β } |= α toate afirmatiile (a).. Fie α ..Name: ________________________ ____ 31.. Fie α ..... f ∈ FS . Q... b. b.. c.... S este validabila S este invalidabila c. βm } daca si numai daca {α1 . Fie reprezentarea clauzala S = {k1 . βm } daca si numai daca  ∧α i  ∧  ¬  ∨β j     n   m  i =1    j =1  este validabila 8 .... Y ∈ V a. c. Fie {α1 . a.... S . β ∈ FORM si γ = α → ( β → (α ∧ β ) ) a... α este tautologie α este adevarata in interpretarea intentionata α este adevarata in orice L-structura cu domeniul de interpretare multime finita α este valida in orice L-structura cu domeniul de interpretare constand dintr-un singur element ____ 34. α n } |= {β1 .. d... X . α n } |= {β1 ... a ∈ CS ... d. d... b. β m } multimi de formule inchise a... α n } {β1 .. βm } daca si numai daca {α1 . c. Exista cel putin o clauza tautologie in S Exista cel putin o clauza invalidabila in S.(b).. r ( R ) = 2 .(c) sunt false ____ 35. R. b.. ( ) γ γ γ γ este invalidabila este tautologie este falsificabila este validabila daca si numai daca α este validabila ____ 33.

T).integer.X.X. e ([X|T].X). Fie programul PROLOG domains lista=integer* predicates p(lista.X):-iepure(X).1. cal(h). Rezultatul apelului p([3.5.2.[Y|L]):-Y<>X._.7.7] 9 . mai_repede(X.r) a.Y):.Y).1.X):-!.5. b. yes c. Rezultatul apelului e([3.Z).N) este a. caine(X):-ogar(X).integer) clauses p([X].7. toate afirmatiile (a).1.3. mai_repede(X.[]).(c) sunt false ____ 37.Z).lista) clauses e ([]. Fie programul PROLOG domains lista=integer* predicates e (lista.3] S=[1. e ([Y|T].1.!. d.4] d.S) este a.Name: ________________________ ____ 36. ____ 38.L). integer) d(integer.5.Y.7. c.Y.(b).X. b. Fie programul logic P.7. S=[3. iepure(r).4. si scopul G=+mai_repede(h.Z):.integer. nu exista SLD-respingere pentru G pe baza programului P.1.mai_repede(Y.5.1. ID: A ogar(a). p([X|T].2.Y).p (T.7.X>=Y.4]. N=7 d. b.4] c.4].caine(Y). S=[3.1.1. d (X.5. mai_repede(a. d (X.2.Y):-cal(X). substitutia vida este raspuns calculat pentru G pe baza programului P. e (T. nu exista respingere rezolutiva pentru G pe baza programului P.5.2. d (X.2.Z):-mai_repede(X.2. N=1 no S=[4._.

1. s ([X].2.4.1.Name: ________________________ ____ 39.[]).[M|T]):-m (L. S=[3. S=[4.L). d (X. d (X.3.1. m ([X].!.4] c.Z):.2.integer.7.2. s (L.lista) d (integer. e (T.7.!.lista) m (lista.Y.m (T.5. m ([X|T].S) este a. e (L.X>=Y.Y):.M). e ([X|T]._.X.T).5.M. Fie programul PROLOG ID: A domains lista=integer* predicates s (lista.Z). e ([Y|T]. e ([]. Rezultatul apelului s([3.X. d (X.Y).1.4] d.5.integer) clauses s ([].7] 10 .7.T).Y. S=[3. s (S.7.[X]).1.X).1.S). b.3] S=[1.X):-!.5.[]):-!._.X.2.2.integer. integer) e (lista.5.[Y|L]):-Y<>X.4].

Rezultatul apelului s([3.1.[H|T].[H|S]):-H<=X.S2).[H|S]):-H>X.S). m2(X.S).7.[]). m1(X.S):-H<=X.lista) m2(integer.Name: ________________________ ____ 40.lista) clauses s([].[H|T].2.[]).lista. b. m2(X.2.S). s (L1.lista) c (lista. c ([]. s (L2.L. S=[] c.S):-m1(H.5.[H|S2].[]).7.lista.L2).lista) m1(integer. m1(X.T.T.3.5. m2(X.S).1.1.1.1.3.L1). m2(X. m2(H. s ([H|T].S) este a.5.S). c([H|T].2.5.4].[].[H|T].L. m1(X.T.S1).[H|S]):-c (T.1.1.2. m1(_.S).4] d.T.lista. m1(X.4.[]. S=[3.7] no 11 . m2(_.4.T. Fie programul PROLOG ID: A domains lista=integer* predicates s (lista.[H|T].T. S=[1.S):-H>X.X).X. c (S1.7.

i (X.t(nil.10.tree) clauses e (X.D)):-X<=R.nil)).S1).R. b.5.17.R).5.nil).D).t(S.tree) predicates e (integer._)):-X<R. Rezultatul apelului g([12.t(tree.t(S.Rt._)):-!.5.t(_.nil).8.X.D.R.t(t(nil.15.t(12.D1).15.D).Rt).integer. tree.12. T= t(t(t(nil.nil).nil)))) este a.10. T= t(t(5.tree) lista=integer* predicates g (lista. i (X.15. no b. yes c.17. e (X.15. nici unul dintre raspunsurile (a)-(c) ____ 42.nil).10. Rezultatul apelului e(1. d.t(_.S. e (X. c.t(tree.17)) 12 .8. yes.nil))) d.nil). R):. no.tree) clauses g ([H|T].10].t(nil.t(t(nil.nil).X. e (X. e (X.t(S1.D).R.Name: ________________________ ____ 41. t(t(t(nil. 1.t(nil.D1)):-X>R.8.integer.R. i (H.8.t(S.g (T.T) este a. i (X. i (X.D)):-X>R. Fie programul PROLOG domains tree=nil.nil).nil. i (X.12.R.S).t(S.tree) i (integer.R.17. Fie programul PROLOG ID: A domains tree=nil.

4. tv (D.Ls).Name: ________________________ ____ 43.4].L.nil).t(S.Rt.3.nil)).4.T) este a.t(S.[H|S]):-l (T.2.X. l ([H|T].tv (S.R).[R|Ld].6. i (H. i (X. no.R.1.tree) lista=integer* predicates sb (lista.g (T. i (X.R.lista) tv(tree. g ([H|T]. tree.D. b.L.lista) g (lista. l ([].2.L).t(S.R. T=[1.D1)):-X>R.t(tree.S. tv (t(S. g ([].D1).D).D).t(nil. Rezultatul apelului sb([3.t(S1.S).2.L.Rt).6.S1).S):-g (L.3. i (X. T=[7.D)):-X<=R. Fie programul PROLOG ID: A domains tree=nil. l (Ls.[]).L):.5. T=[]. d. i (X.R. tv (T.tree) l (lista. tv (nil.7] 13 . c.D).7.integer.nil.S).lista.1].lista) clauses sb(L.Ld).R.6.5.T).L). R):.tree) i (integer. i (X.5.

L=[10. T=t(t(nil._).8.[R|L]):-X>R.nil))) .nil) 14 .t(_.15.nil).5.X._).L) este a. T=nil d.D).t(tree.5.D.D)). Fie programul PROLOG domains tree=nil.lista) clauses d (X.12.X.15. L=[].tree.17.t(S.D.t(t(nil.12.D).nil). sb (X. L=[12.S.t(S. Rezultatul apelului d(12.T).t(nil.X>R.17] ____ 45.t(nil. t(t(t(nil.R.tree. yes b.15.17.nil).8.nil).t(S.nil).X.t(t(nil.10. Fie programul PROLOG ID: A domains tree=nil.t(_. d (X. sb (X.L).T).12] d.R.nil).nil))) .tree) predicates d (integer.5.nil). sb (X. d (X.T):.T):.Name: ________________________ ____ 44. Rezultatul apelului sb(8.X<R. c. L=[5.S.R. d (X.8. T=t(5.10] b.15.10.[R|L]):-X<R.L).tree) clauses sb (X.12.t(_.D)._). sb (X.integer. t(t(t(nil.T) este a.nil).integer.[X]).t(tree.8.t(S.tree) predicates sb(integer. d (X.R. c.

L). f (D. c.nil).12.15.12.L) este a.L):-f (S. l (Ls. L=[].10. Rezultatul apelului f(t(t(t(nil.R.[R]):-!. f (t(nil. Fie programul PROLOG ID: A domains tree=nil.lista) l (lista.8.tree) lista=integer* predicates f (tree.5.nil).Ld.nil))).D).Ld).t(t(nil. l ([H|T].[H|S]):-l (T.lista) clauses f (nil.8.17.L).12.integer.L. f (t(S. l ([].L.nil).L. L=[17.t(tree.12.S).17] 15 . L=[5.5] d.Ls). L=[5.Name: ________________________ ____ 46.lista.[]).17] b._.t(nil.nil).

tree.17] 16 .[H].L.L)._.12].5].Ld.lista) clauses td (nil. d (R.8. L= [[10.t(tree.lista.S.15.lista) td (tree.lista) ec(lista. f (D.15. l (Ls.[]). r ([H|T].8.Lyy.L):-f (S.10.[10. gd (X.[H|S]):-l (T.F.15.nil))). f (t(nil.[]).17].[].12].Tr). l ([]. d (R.[10.L).integer.T.R.8.T. f (T.T.tree.R). L= [10.H.D).15.tree) lista=integer* llista=lista* predicates f (tree.15.nil).Name: ________________________ ____ 47. [10.Ly). r ([].10.F).S).[R]):-!._).L).llista) r (tree.lista) r (lista.15.[]). td (T.L).L) este a.t(nil. d (R. Fie programul PROLOG ID: A domains tree=nil.L):-r (T.15. Rezultatul apelului td(t(t(t(nil.L.integer.5.[H|S]. no b.Ld).S.10.R). L=[[10.nil).RH). d (Y.Lx).L. [10._.5]] d.lista. l ([H|T].12.RS).gd (R.l (Tr.12.17.t(t(nil.T.Lyy).llista) gd(integer.S.nil). r (Lx.L).S.lista) l (lista. f (t(S.[]). ec([_|T].[RH|RS]):. f (nil. l (Lxx.8.T).Ls).Lxx).5.R. ec(Ly.L):-d (X. r (t(_.integer) d (integer.Y. d (_.nil).17]] c.L):r (T.

10.[]):-!.[X]). a (H.L.!.8.12.5. t ([Y|T].15.L.L).8.S).Name: ________________________ ____ 48.Y|T].Y|T].15. t ([X.[]). Fie programul PROLOG ID: A domains lista=integer* llista=lista* predicates def (llista.1.1. ok([X.5] L=[5.4. ok([]). Fie programul PROLOG domains lista=integer* predicates ok(lista) b (lista. t ([X.R):-def (T.T).2.3].12.5.[10.17. ok([_]).12]].5.8. t ([X].10. a ([]. 10.15.17]].1.10. L=[3.Y|T]):-X<=Y. b (L. L= [[10. b (T.S):-t(L.15. b (L.5]] b.12.5].L) este a.S).L. Rezultatul apelului b([2.[10.15.17.ok(L).L):. L=[2.4. L=[[10. 10. a ([H|T].1. Rezultatul apelului def([[10.5.[X|S]):-X<=Y.5.10.4.3.4.15.2] b.12].2.L) este a. t ([].lista) a (lista. L=[1.15. [10. d. ok([Y|T]).R).10.15.2.X>Y. L= [10. t ([X|T].15.4.17]] L=[[10.[]).S).5.[Y|S]):.lista) clauses def ([].lista) clauses b ([].15.5]] c.3. def ([H|T]. d.1] 17 .S).17] ____ 49.8.lista.S.[H|S]):-a (T.lista) t (lista.8.3] c.4.S).

5.-2.4.llista) pmv (llista.1].-3.3. R=X*Y+S.-31].integer) clauses p (M.V.[V].3].[R|S]):ps (H.X) este a.1.Y.[[-1. p (M.37]] 18 .2.-2.R):-R=X*Y.pmv (M.-3.V.llista.[3.1.-1.V.S). X=[[1.4.[R|S]):.[Y].4]].pmv (M.Name: ________________________ ____ 50. pmv ([X].4]] c.[16.-2].4]] d.2. Rezultatul apelului p([[1.[R]):.R).R).-2. lista.S).[R]):.T.2. ps ([X].R). X=[1.[Y|T2].-3.5.4] b.-3. Fie programul PROLOG ID: A domains lista=integer* llista=lista* predicates p (llista. X=[[-13.2].lista) ps(lista. pmv ([H|T].[4.T2.5.ps (X.4. pmv (T.V. ps ([X|T1].1.6].-1.5.[-1.[2.2.S).6.[V|T].V.[2.R):ps (T1. X=[[1.2.6]]. p (M.Y.R).6.3.lista.

R):-R=X*Y.integer) p (llista.A. X=[[1.X) este a.E). ps ([X].V. ps ([X|T1].[3.[T|S]):a (Rest.V. Rezultatul apelului pt(2. pmv ([H|T]. llista.[1.4.D. b. p (A. X=[[[1.[R|S]):.V.Rest).[V|T].lista. M=N-1. p (M. pmv ([X].[Y|T2].2.S). llista) a (llista.3].R).3.B):.2].[H|R]):-a (L. Fie programul PROLOG ID: A domains lista=integer* llista=lista* predicates t (llista.4]] c.N>1.[].T2.ps (X.[H|R]. llista.S).B).2.R).[2.[R|S]):ps (H.A.[R]):.Name: ________________________ ____ 51.[]):-!. pmv (T.4]] 19 .4].lista) ps(lista. a ([[H|T]|Rest].R.[3.S).D). p (M. llista) pt (integer. X=[[7.[15. llista) pmv (llista.lista. lista.[Y].R).R).10].pmv (M.H.pmv (M.3.C).[[1.R).T.1.2]. t (Rest. a ([].V. R=X*Y+S.[3.S). t (L. t (C.4]].22]] X=[[1.R):ps (T1.llista) clauses pt (N. t ([[]|_].[]):-!.4]] d.Y. p (M.Y.[R]):. t (E. pt (M.V.[V].2].

S):.3). F=N+1.lsymbol.f(2.lsymbol.[].f(d.c.[]):-!.f(3. Rezultatul apelului fv([a.4).c. n (S. X=[f(4.[]):-!.2).e (X.[Y|S]):.F)|R]):n (H.2).3).R). N=M+1. X=[(“a”.(“d”. n (S.e (X.N):.[Y|T].(“c”.b).integer) e (symbol.N). e (X.T.T.[_|T].T.[Y|S]):. e (H. Fie programul PROLOG ID: A domains lsymbol=symbol* llsymbol=lsymbol* fr=f(symbol.3).a).f(1.Name: ________________________ ____ 52.[]):-!.M).N):n (S.[].d)] b. n (S.c). e (_.1)] c. fv (S.f(c. e (X.[].T.integer) lfr=fr* predicates fv(lsymbol.T. e (_. n (S.[Y|T].b.[X|T]. X=[f(a.S).T. e (X. N=M+1.N).T.S).(“b”.a.1)] d. n (_.lsymbol) clauses fv ([].S).T.N):. X=[f(“a”.[_|T].[S|T].a.N):n (S.d.f(“d”.f(“b”.2).f(b.N).M).a].S).[X|T].!.0):-!.c.[S|T].[f(H.!.4).S):.f(“c”.T.T.4).[].X) este a. n (S.b. n (S.S).1)] 20 .!.lfr) n(symbol.!.e (X. e (X. n (_.0):-!. fv ([H|T].e (X.

d. m (_. X=[[a. X=[[“a”.al (N. Rezultatul apelului llm([[a.S):lm (R.integer.N=M+1.[“c”.b.3).integer) m (integer. X=[[]] ]] b.B.llsymbol) lm(llsymbol.Name: ________________________ ____ 53. lm ([].”d”.[]):-!.c]].T.l (T.”c”].”c”. Fie programul PROLOG ID: A domains lsymbol=symbol* llsymbol=lsymbol* predicates llm (llsymbol. lm (T.”a”.b.llsymbol) l (lsymbol.c].b.N).0):-!.[c.N).a.a].c.4).[c.S):. al (N.1)] 21 .l (H.B.S).”b”.N):.X) este a. l ([_|T].d.c]. lm ([H|T].[a. al (N.integer) clauses llm (R.[H|T].[a.M).N):.f(“c”. m (A.P).a]] d.[].f(“d”.S). l ([].[].”a” c. al (_.S).integer) al(integer.[_|T].!.2).B).M).P. al (N.[H|S]):l (H. X=[f(“a”.R. al (N. m (M.f(“b”.b].llsymbol.!.T.N).A):-A>=B.0):-!.c.a.

graf) arc(symbol.[X|_]).[m(a.Name: ________________________ ____ 54.p1 (A.lm) v (symbol.m(b.G).P):-ad (X. p1 (A.Y. apm(X.e.L).d.e).symbol.G).f].m(c.L) pentru digraful g([a.[A|P].symbol. ad (X.symbol) lm=mch* graf=g(lv.e. L=5 c.P). g([a. path1(A.c.c).e)].[A|P]).d.c).[_|L]):-apm(X.b).G).d).m(b.Y).graf.m(c. apv(X.m(d.b).c). este a.m(b.m(c.L)):-apm(m(X.P1)).L).Y|P1].v (X.e).G. Numarul solutiilor calculate de apelul p( a. arc (X.G._)):-apv(X.[Y|P1].d).Y.G.m(d. v (X.symbol. p1 (A. L=0 b.f].[X.L).lv) ad (symbol.P):.c.m(a. L=<=3 22 .m(c.[m(a. arc (X.G):. v (Y.G).lm) predicates p (symbol.apm(m(Y._.G.graf) apv(symbol.Y.e)].[Z].f).e.g(_.L).Z.[_|T]):-apv(X.Y.c).m(a.d).f). not (apv(X.m(b.d). apm(X.graf.T). lv.m(f.P).graf) clauses p (A.[X|_]).b.b. lv) apm(mch. apv(X. L>=7 d.X). Fie programul PROLOG ID: A domains lv=symbol* mch=m(symbol.m(f.L). lv) p1(symbol.g(L.

[A|P]. L=[“a”.M).m(c.[Y|R] ):p (X.[m(a.e. p1 (A.b).v (X.lm) v (symbol.graf.d).c).G).apm(m(Y.”c”] 23 . v (X.listav) clauses cc(X._)):-apv(X.Y.g(V. lv) p1(symbol.L).V). apv(X. calculeaza(X.m(b.graf) cc (symbol.b.T.lv) ad (symbol.Y|P1]. p1 (A.[Y|T].V.Name: ________________________ ____ 55.R)).M).”b”.T.”f”] d.L) pentru graful g([a. apm(X.listav.d). not (apv(X.[_|L]):-apm(X. v (Y.P).listav) calculeaza(symbol.G).R). not( apv(Y.M).e)].g(V. m(d.f].T).P1)).g(V.c.L). L=[“a”. arc (X.m(d.g(V. lv.c.m(a.[m(a.Y. lv) apm(mch.[A|P]).L).g(_.m(a. calculeaza(X._).Y.M).L)):-apm(m(X. L=[] b. calculeaza(X.p1 (A. L=[“a”] c.L).graf. Rezultatul apelului cc(a.”e”.G).[X]).m(c.g(V.g(L.Z.L). calculeaza(X.G.e)].[Y|P1].L):-apv(X.g([a. ad (X. este a.e).[X|_]).”c”. apv(X.[X.[].g(V.[_|T].Y).d.symbol) lm=mch* graf=g(lv.R).f).R):calculeaza(X. p (A.!.[X|_]).f].c). Fie programul PROLOG ID: A domains domains lv=symbol* mch=m(symbol. arc (X.symbol.”d”.b).[_|T]):-apv(X.”b”.G.Y. p1(A.b.P):.graf.M).G.G).lm) predicates p (symbol.M).P).d.G):.L).e.e).graf.Y.symbol.m(f.[Z].m(f.symbol.graf) apv(symbol.m(b._.X).graf) arc(symbol.G.P):-ad (X. calculeaza(X.c).g(V._.M). apm(X.

Q ∈ PS . g I (n. 24 t I (ϕ s ) =185 t I (ϕ s ) =321 . a I = 0 . f I (n ) = 2n + 1 . Fie valuatia s : V → H ∞ astfel incat s ( X ) = gafa . P. ϕ t I (s ) =4442 * ( ) toate afirmatiile precedente sunt false. Fie multimea de clauze S= {¬PXfY ∨ QfX . g I (n. s (Y ) = fgafa . f . QfX ∨ ¬QgXfX } unde ( ) ϕ (t (s ))=33441 ϕ t I (s ) =12345 * c. Q ∈ PS . r (g ) = 2 . Fie valuatia s : V → H ∞ astfel incat s( X ) = gaa .m numere naturale. r (P ) = 2. f . P I (n. Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. g ∈ FS . I ) unde pentru orice n. f . I * ) H-interpretarea asociata L-structurii M. Q ∈ PS . Y variabile. QfX ∨ ¬QgXfX } unde ID: A H 0 = {a}. X . PXgXY ∨ ¬QX ∨ PXY . X . b. I * H-interpretarea asociata L-structurii M. Se considera L-structura M = (N . d.m numere naturale. r (Q ) = 1 . r (g ) = 2 . Pentru t = gfXfgXY. a. Y variabile. m ) = n 2 + m 2 . I * ) H-interpretarea asociata L-structurii M. a. Pentru t = gfXfgXY. a I = 1 . r (Q ) = 1 . Notam M * = H ∞ . b. ϕ t I (s ) =2344 * ____ 59. PXgXY ∨ ¬QX ∨ PXY . ( ) ____ 57. Se considera L-structura M = (N . Fie valuatia s : V → H ∞ astfel incat s( X ) = gfafa . a I = 0 . I ) unde pentru orice n. r (g ) = 2 . a I = 1 . P. Q ∈ PS . r ( f ) = 1. H 0 = {a}. r (Q ) = 1 . I * H-interpretarea asociata L-structurii M.m numere naturale. QfX ∨ ¬QgXfX } unde ( ) ϕ (t (s ))=342 ϕ t I (s ) =754 * c. Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. ϕ t I (s ) =889 * ( ) I * toate afirmatiile precedente sunt false. Fie multimea de clauze S= {¬PXfY ∨ QfX . f I (n ) = 2n + 1 . I ) unde pentru orice n. Fie multimea de clauze S= {¬PXfY ∨ QfX . Fie valuatia s : V → H ∞ astfel incat s( X ) = fffa . Y variabile. X . r (P ) = 2. r ( f ) = 1. Fie multimea de clauze S= {¬PXfY ∨ QfX . d. g I (n. Se considera L-structura M = (N . Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. m ) = n 2 + m 2 . Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. Notam M * = (H ∞ . r ( f ) = 1. Pentru t = gfXfgXY. Y variabile. s(Y ) = ffgaa . g ∈ FS . P. f I (n ) = 2n + 1 . H 0 = {a}. r ( f ) = 1.m numere naturale. PXgXY ∨ ¬QX ∨ PXY . a. s(Y ) = fa . r (g ) = 2 . b. ( ) ____ 58.Name: ________________________ ____ 56. g ∈ FS . ϕ t I (s ) =63442 * ( ) I * toate afirmatiile precedente sunt false. r (Q ) = 1 . PXgXY ∨ ¬QX ∨ PXY . m ) = if n + m < 100 then T else F . Se considera L-structura M = (N . Q I (n) = if 2 n then T else F . d. r (P ) = 2. s (Y ) = fgaa . H 0 = {a}. a. I ) unde pentru orice n. Pentru t = gfXfgXY. Notam M * = (H ∞ . P. m ) = n 2 + m 2 . t I (ϕ s ) =277 t I (ϕ s ) =186 c. m ) = n + 3m . Notam M * = H ∞ . g ∈ FS . f I (n ) = 2n + 1 . d. b. QfX ∨ ¬QgXfX } unde ( ) ϕ (t (s ))=1354 I * c. r (P ) = 2. g I (n. X . f .

d. f . b. H 0 = {a}. ( ) ¬P ¬P I* I* * ¬P I ¬P I * ( fgafa. Se considera L-structura M = (N . Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. Q ∈ PS . Notam M * = (H ∞ . ) P I ( ffa. m ) = n + m . a. PXgXY ∨ ¬QX ∨ PXY . QfX ∨ ¬QgXfX } ( ) unde P. Q ∈ PS . I * ) H-interpretarea asociata L-structurii M. r ( f ) = 1. g ∈ FS . Se considera L-structura M = (N . m ) = n + 3m . g I (n. * ¬P I ( fgafa gfafa) → ¬Q I ( gfafa) = T . r ( f ) = 1. Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. gfafa) → ¬Q I ( fffa = F * * ) P I ( ffa. Y variabile.Name: ________________________ ____ 60. PXgXY ∨ ¬QX ∨ PXY . Fie multimea de clauze S= {¬PXfY ∨ QfX . a I = 0 . Fie multimea de clauze S= {¬PXfY ∨ QfX . r (P ) = 2. f . f . r (Q ) = 1 . b. a I = 0 . gfafa) ↔ ¬Q I (gfafa) = T ( fgafa. gfafa) ∨ Q I ( fffa = T * * c. * * ¬P I ( fgafa. r (P ) = 2. X . m ) = if n < m then T else F . ) P I ( ffa. g ∈ FS . H 0 = {a}. X . QfX ∨ ¬QgXfX } unde ID: A P. m ) = if n < m then T else F . * ¬P I ( fgafa gfafa) ↔ ¬Q I ( gfafa) = T . Q I (n ) = if 2 n then T else F . m ) = if n < m then T else F . H 0 = {a}. f I (n ) = 2n + 1 . gfafa) ∧ Q I ( gfafa) = F * * * ¬P I ( fgafa. r (P ) = 2. I ) unde pentru orice n. gfafa) ∧ (¬Q I (gfafa) → Q I (gfafa)) = T I* * * * * 25 . Q I (n) = if 2 n then T else F . Y variabile. gfafa) → Q I ( fffa = T * * ) P I ( ffa. PXgXY ∨ ¬QX ∨ PXY . g ∈ FS . I * H-interpretarea asociata L-structurii M. Se considera L-structura M = (N . Q ∈ PS . gfafa) ↔ Q I ( fffa = T * * ____ 61. I * ) H-interpretarea asociata L-structurii M. d. c. I ) unde pentru orice n. I ) unde pentru orice n. gfafa) ∧ ¬Q I (gfafa) → Q I ( gfafa) = T * * ____ 62. Y variabile. P I (n. r ( f ) = 1. Fie multimea de clauze S= {¬PXfY ∨ QfX . d.m numere naturale. m ) = n + 3m . P I (n. c. P I (n. r (g ) = 2 . r (g ) = 2 . r (Q ) = 1 . a. gfafa) ∧ Q I (gfafa) = F ( fgafa.m numere naturale. g I (n. r (Q ) = 1 . X . Notam H ∞ universul Herbrand asociat multimii de clauze S si cu N multimea numerelor naturale. f I (n ) = 2n + 1 . Notam M * = H ∞ . r (g ) = 2 . Notam M * = (H ∞ . QfX ∨ ¬QgXfX } unde P. g I (n. Q I (n ) = if n < 10 then T else F . b. a. gfafa) → ¬Q (gfafa) = T ( fgafa. f I (n ) = 2n .m numere naturale. a I = 0 .

____ 65. M este model pentru S. d. d. M este model pentru {k1 . r (P ) = 2. Daca S este validabila atunci pentru orice L-structura M = (D. k 2 = PXgXY ∨ ¬QX ∨ RXY . g I (n. r (R ) = 2 . S este validabila daca pentru orice L-structura M = (D. g ∈ FS . pentru fiecare k ∈ S exista cel putin o valuatie s ∈ [V → D ] astfel incat k I (s ) = T . b. k 2 } dar nu este model pentru S. a. m ) = if n 2 = m then T else F pentru orice n. S este validabila dar nu admite H-modele. P I (n. Fie S multime finita de clauze. Toate afirmatiile precedente sunt false. I ) unde N este multimea k3 = QfX ∨ PXgXfX . I ) unde N este multimea numerelor naturale. ____ 64. r ( f ) = 1. si k I (s ) = T pentru orice k ∈ S . Q. r (g ) = 2 . Y variabile. S este validabila daca exista o L-structura M = (D. Se considera L-structura M = (N . m ) = if n 2 = m then T else F pentru orice n. Daca S este invalidabila atunci pentru orice L-structura M = (D. g ∈ FS . a. R ∈ PS . o valuatie s ∈ [V → D ] astfel incat k I (s ) = T pentru orice k ∈ S . S este invalidabila. Multimea de clauze {k1 . c. m ) = if n < m then T else F . r (g ) = 2 . r ( f ) = 1. f . c. g I (n. X . I ) exista cel putin b. M este un model Herbrand pentru S. c. si k I (s ) = T pentru orice k ∈ S . Daca S este validabila atunci pentru orice L-structura M = (D. Q. P I (n. Daca S este invalidabila atunci pentru orice L-structura M = (D. si k I (s ) = T pentru orice k ∈ S . m ) = if n < m then T else F . m ) = n + m . a.Name: ________________________ ID: A ____ 63. X . I ) exista cel putin o valuatie s ∈ [V → D ] astfel incat k I (s ) = F pentru orice k ∈ S . R ∈ PS . r (R ) = 2 . f I (n ) = 2n . Q I (n ) = if n < 10 then T else F .m numere naturale. d. R I (n. Fie S multime finita de clauze. k 2 . c. Q I (n ) = if n < 10 then T else F . Fie multimea de clauze S= {k1 . I ) astfel incat exista o valuatie s ∈ [V → D ] . I ) . S este validabila daca exista o L-structura M = (D. Fie multimea de clauze S= {k1 . I ) astfel incat exista o valuatie s ∈ [V → D ] . m ) = n + m . Y variabile. Toate afirmatiile precedente sunt false. b. I ) exista cel putin b. r (Q ) = 1. r (P ) = 2. r (Q ) = 1. 26 . f I (n ) = 2n . numerelor naturale. I ) exista o valuatie s ∈ [V → D ] . d. f . ____ 66.m numere naturale. o valuatie s ∈ [V → D ] astfel incat k I (s ) = T pentru cel putin o clauza k ∈ S . I ) exista cel putin o valuatie s ∈ [V → D ] astfel incat k I (s ) = F pentru orice k ∈ S . P. P. S este validabila daca pentru orice L-structura M = (D. k 2 = PXgXY ∨ ¬QX ∨ RXY . k 2 . k3 } unde k1 = ¬PXfY ∨ QfX . R I (n. Se considera L-structura M = (N . a. k3 = QfX ∨ PXgXfX . k3 } unde k1 = ¬PXfY ∨ QfX . k3 } este invalidabila.

X. θ substitutii arbitrare. d. d. Fie P simbol predicational de aritate 2.Y variabile. Este posibil ca S sa fie validabila dar sa nu existe H-interpretare model pentru S. Exista cel putin doua substitutii mgu pentru E. h ∈ FS . r ( h ) = 1 . Pentru orice numar natural n ≥ 1 . a. ____ 72. r ( P ) = 2 . S este validabila daca si numai daca fiecare clauza din S este validabila. a. b. ____ 70. Toate afirmatiile precedente sunt false. a. 27 . ∃Y∀X ((PXY ↔ QY ) → (PXY → QY )) ≡ ∃Y∀X ((PXY → QY ) → (PXY ↔ QY )) b. E este unificabila b.Name: ________________________ ____ 67. PZgXY } unde P ∈ PS . Fie P simbol predicational de aritate 2. Toate afirmatiile precedente sunt false. f ∈ FS . Fie multimea de clauze S = {PX . ____ 73. Exista τ substitutie astfel incat λ τ = µ θ b. c. r ( f ) = r ( g ) = 2. Fie P simbol predicational de aritate 2. a.. Notam cu "≡" relatia de echivalenta semantica. Se considera multimea de expresii E = { PfXYghXZ . a. Fie λ . µ . Notam cu "≡" relatia de echivalenta semantica. X. Toate afirmatiile precedente sunt false. S este validabila numai daca exista H-interpretare model pentru S. f . r (P ) = r (Q ) = 1 . ∃Y∀X (PXY → QY ) ≡ ∃Y∀X (PXY ↔ QY ) c. ____ 68. (λ µ ) θ = λ ( µ θ ) λ µ=µ λ Toate afirmatiile precedente sunt false.. ∃Y∀X (PXY → QY ) ≡ ∃Y∀X (¬PXY ∨ QY ) d. a. d. f . ∃Y∀X¬(PXY → QY ) ≡ ∃Y∀X (¬PXY ∨ ¬QY ) b. Toate afirmatiile precedente sunt false. b. Fie S multime finita de clauze. X variabila. Q ∈ PS . c. c. QfX } unde P. g . fX ∈ H ∞ n ori Toate afirmatiile precedente sunt adevarate. d. Notam cu "≡" relatia de echivalenta semantica. ∃Y∃X ((PXY ↔ QY ) → (PXY → QY )) ≡ ∃Y∃X ((PXY → QY ) → (PXY ↔ QY )) d. ID: A r ( f ) = 1 . a. c.Y variabile.Y variabile. ∀Y∀X ((PXY ↔ QY ) → (PXY → QY )) ≡ ∀Y∀X ((PXY → QY ) → (PXY ↔ QY )) c. Daca S este validabila atunci orice H-interpretare este model pentru S. ∀X∃Y (PXY → QY ) ≡ ∀X∃Y (¬PXY ∨ QY ) d. ∀X∃Y (PXY → QY ) ≡ ∀X∃Y (PXY ↔ QY ) c. Multimea atomilor Herbrand este o multime numarabil infinita. ∀X∃YPXY ≡ ∃Y∀XPXY b. E admite o singura substitutie mgu. ____ 71. Universul Herbrand H ∞ este o multime finita. ____ 69. X.

Fie substitutiile θ = { fY | X . Exista λ . X. r ( f ) = r ( g ) = 1 . b | Z } si E = PXYgZ unde P ∈ PS . PYfY } unde P. a. σ = {a | X . Daca E este unificabila atunci F este unificabila. Fie E = { RaXhgZ . Cel putin una dintre multimile E. Dezacordul multimii E este d. Exista λ . PYfY } unde P ∈ PS .Y variabile. a. r ( f ) = r ( h ) = 1 . ID: A f . r ( R ) = 3 . Dezacordul multimii E este definit. b. r ( P ) = 3 . a. r ( P ) = 2 . R ∈ PS . f . D = {h. Fie expresiile E = PfXYgZa. Se considera multimea de expresii E = { PfXhYa.Z variabile.Y. f . d.Z variabile a. r ( P ) = 3 . unde ε este substitutia vida. r ( P ) = 3 . g ∈ FS . g ∈ FS . a.F sunt unificabile. b ∈ CS . c.F este unificabila. F = PfYXgUa ( Eθ ) σ ≠ E (θ σ ) unde P ∈ PS . µ substitutii astfel incat Eλ = F si E = F µ Daca exista λ substitutie astfel incat Eλ = F atunci exista µ substitutie astfel incat E ( λ µ ) ≠ F µ Daca λ este o substitutie astfel incat Eλ = F atunci E ( λ λ ) = F λ Toate afirmatiile precedente sunt false. Z } ____ 75. a. Pentru orice λ substitutie exista µ substitutie astfel incat λ µ = ε .Z variabile. h ∈ FS . E (θ σ ) = PfgYbgfb E (θ σ ) = PfYbgb ____ 76. Z } D = {Y . F = {PXX .Y. Daca E este unificabila atunci F este unificabila. Z } b. Pentru orice λ substitutie daca Eλ = F atunci exista µ substitutie astfel incat E = Fµ b. PfXhYb} unde P ∈ PS . PYY } . g . r ( P ) = 2 . c. Fie E = { PfagX . Ambele multimi. r ( f ) = r ( g ) = r ( h ) = 1 . a. a ∈ CS . ____ 79. E. ____ 78. Eθ = PffYZgZ c. b. 28 . Fie expresiile E = PXX . a.U variabile. Dezacordul multimii E este D = {hY . µ substitutii astfel incat Eλ = F si E = F µ d. Dezacordul multimii E este c. X. a ∈ CS . r ( g ) = 1 . X.Z . c. d. RZhYhY } . E ∪ F este unificabila d. PfXZa. F = { PXX . F = PXY unde P ∈ PS .Y. d. E este unificabila b. X. r ( f ) = r ( g ) = 1 . Daca F este unificabila atunci E este unificabila. g ∈ FS .Name: ________________________ ____ 74. Daca exista λ substitutie astfel incat Eλ = F atunci exista µ substitutie astfel incat E ( λ µ ) ≠ F µ ____ 77. r ( P ) = 2. a ∈ CS . b. f . r ( f ) = 2. Multimea E ∪ F este unificabila c. h ∈ FS . X. X. b ∈ CS .Y. Z | Y } . f .Y variabile.

S I ( n ) = n + 1 . Fie formula α = ∀X ∃YPXY . FS = {S} . hga | X . S I ( n ) = n + 1 . Fie limbajul de primul ordin CS = {a. Se considera L-structura M = ( N . P I ( n. α I ( s ) = T Exista s ∈ [V → N ] astfel incat α I ( s ) = T Pentru orice s ∈ [V → N ] .Z variabile. Fie limbajul de primul ordin CS = {a. Fie formula α = ∃X ∀YRXY . RZhYhY } R ∈ PS . b I = 1 . PS = { P. Fie E = { RaXhgZ . ga | Y } este mgu pentru E. m ) = if n | m then T else F Q I ( n ) = if n > 0 then T else F a. c. b I = 1 . Exista s1 . r ( g ) = r ( h ) = 1 . h. FS = {S} . a. r ( Q ) = 1 . b. b. c. d. m ) = if n > m then T else F R I ( n. hga | X . ____ 81. ga | Y } este substitutie unificator pentru E dar nu este mgu pentru E. r ( P ) = r ( R ) = 2. ga | Y } este unica substitutie unificator pentru E. r ( R ) = 3 . PS = { P. d. Toate afirmatiile precedente sunt false. Se considera L-structura M = ( N . R} . σ = {a | z. r ( Q ) = 1 . c. P I ( n. m ) = if n > m then T else F R I ( n. ____ 82. b} . σ = {a | z. σ = {a | z. m ) = if n | m then T else F Q I ( n ) = if n > 0 then T else F a. I ) unde N este multimea numerelor naturale si I astfel incat a I = 0. a ∈ CS .Name: ________________________ ID: A ____ 80. s2 ∈ [V → N ] astfel incat α I ( s1 ) = T si α I ( s2 ) = F 29 .Y. g ∈ FS . α I ( s ) = T d. b. r ( P ) = r ( R ) = 2. Pentru orice valuatie s ∈ [V → N ] . R} . α I ( s ) = F Exista s ∈ [V → N ] astfel incat α I ( s ) = T Pentru orice s ∈ [V → N ] . X. I ) unde N este multimea numerelor naturale si I astfel incat a I = 0. b} . Q. Pentru orice valuatie s ∈ [V → N ] . α I ( s ) = F Exista s1 . s2 ∈ [V → N ] astfel incat α I ( s1 ) = T si α I ( s2 ) = F . Q. hga | X .

β = ∀XPSXX . d. ( (α ∨ β ) → γ ) ( s ) = F Pentru orice valuatie s ∈ [V → N ] . Q. ____ 85. M este model pentru (α ∧ β ) M este model pentru ( (α ∧ β ) → ¬γ ) M este model pentru cel mult doua dintre formulele α . M este model pentru ( β → α ) Toate afirmatiile precedente sunt false. Q. d. m ) = if n | m then T else F Q I ( n ) = if n > 0 then T else F a. γ Multimea {α . b. β . Fie limbajul de primul ordin CS = {a. m ) = if n | m then T else F Q I ( n ) = if n > 0 then T else F a. S I ( n ) = n + 1 . β . γ = ¬PSab Se considera L-structura M = ( N . P I ( n. P I ( n. I ) unde N este multimea numerelor naturale si I astfel incat a I = 0. m ) = if n | m then T else F Q I ( n ) = if n > 0 then T else F a. Fie limbajul de primul ordin CS = {a. Fie formula α = ∀X ( QX → PXa ) .Name: ________________________ ____ 83. b I = 1 . r ( Q ) = 1 . S I ( n ) = n + 1 . c. FS = { S} . R} . b I = 1 . I I I I ____ 84. Fie formula α = ∀X ∀Y ( RXY → ¬PXY ) . Q. ( ( (α ∨ γ ) ↔ ( β ∨ γ ) ) ) ( s ) = F Pentru orice valuatie s ∈ [V → N ] . γ } este invalidabila. b} . m ) = if n > m then T else F R I ( n. 30 . FS = {S} . c. r ( Q ) = 1 . M este model pentru (α ∧ β ) M este model pentru (α → β ) c. b. S I ( n ) = n + 1 . ID: A r ( P ) = r ( R ) = 2. I ) unde N este multimea numerelor naturale si I astfel incat a I = 0. ( ( (α ∨ γ ) ∧ ( β ∨ γ ) ) ) ( s ) = F Pentru orice valuatie s ∈ [V → N ] . r ( Q ) = 1 . PS = { P. b} . PS = { P. FS = {S} . Fie formula α = ∃X ∀YRXY . d. I ) unde N este multimea numerelor naturale si I astfel incat a I = 0. Fie limbajul de primul ordin CS = {a. ( (α ∧ γ ) ↔ β ) ( s ) = T Pentru orice valuatie s ∈ [V → N ] . γ = ¬PSab Se considera L-structura M = ( N . β = ∀X ( ( ∃YPXY ∨ RSbSX ) → QX ) Se considera L-structura M = ( N . r ( P ) = r ( R ) = 2. b} . r ( P ) = r ( R ) = 2. m ) = if n > m then T else F R I ( n. R} . P I ( n. m ) = if n > m then T else F R I ( n. PS = { P. b. b I = 1 . R} . β = ∀X ∃YPXY .

si ϕ : [ 0. c. b ) = 1 b ∈ [ 0. c. Notam cu M + pseudoinversa Penrose a matricei M .1] → [ 0.1  . d.    . Egalitatea ( BA ) = ( AB ) este adevarata pentru orice matrice A daca B = AT . Egalitatea ( BA ) = ( AB ) este adevarata pentru orice A.1] astfel incat ϕ (1.1] .Name: ________________________ ____ 86. b ∈ [ 0.1] × [ 0. c. ϕ ( a. d.    . Procedura ADALINE permite calculul unei memorii sinaptice pentru separarea corecta a secventei S4 ____ 90. b ) ) < b exista t ( a. c.1  . B + = B + + Egalitatea ( BA ) = ( AB ) este adevarata numai daca cel putin una din matricele A. Secventa nu este linear separabila Pentru orice vector al ponderilor sinaptice initial. b ) ) > b a ≤ b daca si numai daca ϕ ( a. b. b. ( AT ) = ( A+ ) numai daca m = n . Se considera secventa de instruire   1    −1    −1     1     S 4 =    . Fie t o t-norma inferior semicontinua. d. unde AT este transpusa matricei A Pentru orice matrice B . procedura PERCEPTRON determina o evolutie ciclica. ____ 89.1] astfel incat pentru orice a. d. Notam cu M + pseudoinversa Penrose a matricei M . { } φ ( a . + T Nu exista A ∈ M nxm astfel incat A = A+ Daca m = n si A3 = A atunci A = A+ ____ 91.    . a. ID: A α este formula valida α este invalidabila α este formula valida α este invalidabila + + + + c. a. Pentru orice matrice A ∈ M nxm . c ) ≤ b a. Exista matrice inversabile A astfel incat m = n A ≠ A−1 b. Exista vectori ai ponderilor sinaptice initiale astfel incat o memorie sinaptica pentru separarea corecta a secventei S4 este calculabila pe baza procedurii PERCEPTRON. b. b. ϕ ( a. −1    1   1     −1     −1     a. d. a. d. Fie formula α = ( ∃Y ∀XPXY → ∀X ∃YPXY ) ____ 88. t ( a. Fie formula α = ( ∀X ∃YPXY → ∃Y ∀XPXY ) a. b ) ≠ b 31 . b. α este validabila dar nu este valida α este tautologie α este falsificabila Toate afirmatiile precedente sunt false ____ 87. B matrice patratice. b ) = sup c t ( a. c. B este inversabila. −1 .

5 0.2 0.4 0.5 0. a.7   0.3 0.4  c.28 0. Se considera relatiile fuzzy binare definite prin matricele  0.45    b. Relatia are cel putin doua inchideri tranzitive max-min b.4 0.14 0.5 0.7 0.5 0. Compunerea max-min P Q este definita si M P Q =  1 0.9  MR =    0 0.8  0 a.7 0.9 0.7 0.5      0.6    Compunerile max-min P Q .5 0.5    =  1 0.5 0.3 0.9 1 0.2 0.7   0.4 0.5   0 0.4 0.2 0 0.4 0.5 0  0 0 0 ____ 92. Inchiderea tranzitiva max-min este unica si corespunde matricei apartenenta  0.5 0.4 0  0 0.4 0.7 0. 0 1  0  0 de de Compunerea max-min P Q este definita si M P Q  0. Se considera relatia fuzzy definita de matricea de apartenenta M R =   0 0. Q P sunt definite si M P Q ≠ M Q P 32 .4 0.5 0. a. d.7 0.4   M =  0 0.15 0. Compunerea max-min P Q nu este definita  0.5 0.8 0. Una din inchiderile tranzitive ale relatiei este data de matricea apartenenta  0.5   0 0.54    c. Relatia nu admite inchidere tranzitiva.4 0.7 0.8 1   MR =  ɶ  0 0.4 0   0.Name: ________________________ ID: A  0.5 0.4 0.4    .8 0.4 0.4     0 0.5 0. M Q =  0.9 0  a.5 0.63   0.4  ____ 93. d.8 0.4 0.7 1   1  0 0.8 0.4     0 0.

6    Compunerea max-produs P ⊙ Q este definita si M P ⊙Q Compunerea max-produs P ⊙ Q este definita si M P ⊙Q  0. M Q =  0.9   0 0.2 1 0.5 0.5 0.7   0. Compunerea max-produs Q ⊙ P c.1] Multimea nivelelor relatiei R este Λ R = ( 0.4 0.7.5 0.2    1  ____ 95.5 0.2 0.4  c.6 0.Name: ________________________ ____ 94.2 0 0.4.9.4 0   0. c. 0.5 0.3  0.1) 33 .4    a.6  b.8 0.54     0.7 1  . Compunerea max-produs P ⊙ Q b.5 0. Exista relatii fuzzy Q astfel incat ( Q −1 ) ≠ Q −1  0.3 0.9} Multimea nivelelor relatiei R este Λ R = [ 0.9 1 0. Inversa relatiei R este definita si este o relatie crisp d.45    =  1 0.5  nu este definita este definita  0.5 0. Multimea nivelelor relatiei R este Λ R = {0.8 0.4 0.7. d. notam cu Λ ____ 96. a.7 0.4 0.28 0.7 0.7 0. 0.9 0  multimea nivelelor relatiei.6 0. 0.3 0.5    =  1 0. 0.5 0.15 0.7 1     0.2 0.4.63   0.3 0. d.8   0. Inversa relatiei R nu este definita  0.5   1    a. 0. Multimea nivelelor relatiei R este Λ R = {0.5 0.7   0.1} b. Inversa relatiei R este data de matricea M R −1 =    0.4   . Se considera relatia fuzzy binara R definita de matricea M R =  R  0 0.9    M R =  0 0. 0. Se considera relatiile fuzzy binare definite prin matricele ID: A  0. Se considera relatia fyzzy binara R definita de matricea M R =  0  0.14 0.3 0 0.

a.Name: ________________________ ____ 97. a + 0. a + 0.$} .8 y . b} . b R1 = 0. $ . a. b + 1 y . R ( X 1 . a. X 3 = {*. b + 0. a + 0. a.8 y . R13 = 0. a.   a.4 x. $ .5 x. a + 0. X 3 ) = 0. X 3 ) . X 3 = {*. y} . a + 0. Se considera relatia fuzzy ternara R ( X 1 .9 x. X 2 . c.5 x.8 x + 0. b. X 2 = {a. a. Se noteaza prin Rij =  R ↓ { X i . b 34 . X 3 ) = 0.* + 1 y . b.9 x. d. X 2 . d.   a.9 x.7 x. R ( X 1 . X 2 = {a. R ( X 1 . c.* + 0.8 y .8 x.8 $ ____ 99. Se noteaza prin Rij =  R ↓ { X i . b + 1 y .* + 0.7 y. X 2 .* + 0. X 2 = {a.9 x.* + 0. unde ID: A X 1 = { x.9 x. R12 = 0. Se considera relatia fuzzy ternara R ( X 1 . R1 = 0. b} .$} .$ R3 = 1 * + 0. a + 0. X j } proiectia relatiei R pe X i × X j .8 y . b b.8 $ R3 = 0.* + 0.$ + 0. a R12 = 0. a + 0. unde X 1 = { x. y} .7 y . definita pe X 1 × X 2 × X 3 .4 y .8 y .* + 0.8 x.4 y . b. definita pe X 1 × X 2 × X 3 .4 x. R12 = 0. a.9 x + 1 y b. X 2 .7 y . X 3 = {*. b + 1 y. X 2 .$ b.$ + 0. b.8 y .5 x.$ + 0.* + 1 y.5 x. X j } proiectia relatiei R pe X i × X j . definita pe X 1 × X 2 × X 3 . b.4 x.5 y ____ 98. y} . R12 = 0.4 x. a. b R12 = 0. $ . X 3 ) = 0. a. X 2 . unde X 1 = { x. X j } proiectia relatiei R pe X i × X j .$} .9 x. X 3 ) . b R12 = 0.4 x.* + 0.* + 0.8 y.* + 0. Se considera relatia fuzzy ternara R ( X 1 . d. c. R13 = 0. Se noteaza prin Rij =  R ↓ { X i . a + 0.4 x.5 * + 0.4 x. b + 1 y . a + 0.9 x.* + 1 y . b + 1 y.   a. a + 0.4 x. X 3 ) . b. b} .

7 y.4 x.* + 0. a. R23 ) = 0. a.$ + 0.4 x. c.$ ) = 0. X 2 .9 x.* + 0. b} . $ Se noteaza prin  Rij ↑ Y  extensia cilindrica a relatiei Rij la domeniul X i × X j × Y   a. µ R ↑ X × X  ( y.(c) nu este adevarata 35 . X 2 . a. X 3 ) .7 y.8 y. b. b.(b).5 x.$ ) = µ R12 ( x.$ ) = µ ( y. R13 . a.$ ) µR ↑ X  1 2 × X3    R12 ↑ X 3    µR ↑ X  1 2× X3   ( y.8 y. R ( X 1 . a. R ( X 1 . a. a. R13 . b. b. b. Se considera relatia fuzzy ternara R ( X 1 . y} . unde X 1 = { x.8 y. a. c.* + 0.* + 0. unde ID: A X 1 = { x. X 3 ) .$ ) = 0.* + 0. X 2 = {a.5 x. b} . $ Se noteaza prin  Rij ↑ Y  extensia cilindrica a relatiei Rij la domeniul X i × X j × Y   a. unde X 1 = { x.*) < µ R ( x.*) = µ  R ↑ X  ( x. a.8 y. b.* + 1 y. X 2 . a. a.5     µ R ↑ X  ( x.9 si µR ↑ X  ( x. a. a. R23 ) = 0.4 x.$ cil ( R12 . a.* + 0. X 3 ) = 0.8 y. Se considera relatia fuzzy ternara R ( X 1 . µ  R ↑ X  ( x. a ) = 0. X 2 . a ) = 0.7 y. X 2 = {a. d.$ ) 12 3 12 3 12 3 12 ____ 101. a. definita pe X 1 × X 2 × X 3 .$ ) ( y.* + 0. a. a )   µR 12 12 3 12 ↑ X 3   ( x.$ + 0.$ + 0.*) ≠ µR µ R ↑ X  ( x. b} . d.$ ) < µ  R12 ↑ X 3    ( y. d. cil ( R12 . b.4 x.$} . R13 . R23 ) = 0. a.* + 1 y. a. R23 ) relatia inchidere cilindrica a relatiilor R12 .* cil ( R12 .* + 0. a. X 3 = {*.7 y . R23 .* + 0. b. X 2 = {a. b.$ niciuna dintre afirmatiile (a). X 3 ) = 0. R ( X 1 .4 y.4 y.$ + 0. µR ↑ X  1 2×X3   ( y.$} .Name: ________________________ ____ 100. X 2 . b.9 x.* + 1 y. definita pe X 1 × X 2 × X 3 . a.7 y. a. X 3 ) = 0. ( x. b.$ + 0.* + 1 y.*) ≠ 1 ____ 102.* + 0.9 x.7 y. a. a. X 3 ) . y} .5  1 2 3 b. y} . Se considera relatia fuzzy ternara R ( X 1 . a.* + 0. X 3 = {*. R13 .$} . a. a. definita pe X 1 × X 2 × X 3 .7 y.* + 0.* + 0. a. b.9 x.*) = µ  R ↑ X  ( x. a. R13 . a. X 3 = {*. $ Notam cil ( R12 .9  12 3  12 3 b. b. a. X 2 . c.

6 0  a.1 − ( a p + b p ) p  p ∈ ( 0.2 0   = ( 0. Ecuatia are un numar finit de solutii c. Se considera ecuatia fuzzy ID: A  0.5 0. Ecuatia nu are solutii.2 0   = ( 0.4 0.7 0. Se considera ecuatia fuzzy  0.1 0.5 0.1] t ( a.8 1 0. b ) = 1 − min 1.4 0.1 0.1] → [ 0.3 0. Se considera ecuatia fuzzy  0.5    p  0.3 0. Ecuatia are o infinitate de solutii c.5 )} c.6 ) este solutie Ecuatia are cel mult trei solutii Ecuatia are cel putin doua solutii si cel mult sapte solutii Toate afirmatiile (a).5 0 ) p   0.8 1 0. Ecuatia nu are solutii minimale d.7 0.5 0     0.3 0.6 0.8 0 0.9 0. Niciuna din afirmatiile (a).3)  1 0.8 0. Multimea solutiilor minimale este s : [ 0.1  0. Ecuatia are o singura solutie b.7 0.1] × [ 0.6 0. (1 − a ) + (1 − b )         Multimea solutiilor ecuatiei este {( 0 0.9 0.1  0. Ecuatia are cel putin trei solutii.5 0 ) p   0. Se considera ecuatia fuzzy  0. d.2 0. b ) = max 0.5 0     0.1] → [ 0.1] n ( a ) = 1 − a 1   s ( a.(c) nu este adevarata 36 .1 0.6 0  a.8  = ( 0.9 1    a.9 0. Ecuatia are a singura solutie maximala si o singura solutie minimala b.8 0.7 0. Ecuatia are cel putin doua solutii maximale b.(b).8 0. ____ 105. c. ____ 104.3 0.3 0.7    p  0.3)  0. p = ( 0. b ) = max {0. ∞ )   1  p p p    t ( a.Name: ________________________ ____ 103. b.8 0.1 0.1 0.8  = ( 0.5 0 ) . p = ( 0 0.(c) sunt false.(b). d.1    a. a + b − 1} n : [ 0. ( 0 0. d.7 0.5 ) este solutia maximala a ecuatiei ____ 106.

ID: A Functia t este o t-conorma Functia t este o t-norma si s : [ 0. Fie t : [ 0.1] .1] . c. s ( a. a + b − λ ab} 37 .1 − ( a p + b p ) p  este t-norma duala in raport cu functia de negatie   n d. s ( a.1] → [ 0.1] → [ 0. b ) = max {0.1] × [ 0. t ( a. d. n : [ 0. Functia tλ este o t-conorma b.1] .1] . Functia t p este o t-conorma si s : [ 0.1] .1] .1] → [ 0. b ) = min 1. Fie tλ : [ 0.1] → [ 0. b ) = max {0.1] → [ 0. Functia t p este o t-norma si s : [ 0. 1   s ( a. b. t p ( a. λ ∈ ( −1. ( a + b )  este t-conorma duala in raport cu functia de negatie   n ____ 109.1] .1] → [ 0. b ) = 1 − min 1. a.1] × [ 0. Duala functiei tλ in raport cu functia de negatie n este s : [ 0. b ) = max 0.1] → [ 0. p ∈ ( 0.1] → [ 0. Fie t p : [ 0. n ( a ) = 1 − a a. Functia t p este o t-norma si s : [ 0.Name: ________________________ ____ 107.1] .1] × [ 0. n : [ 0.1] → [ 0. b ) = min 1.1] → [ 0.1] × [ 0.1] × [ 0.  a + b − 1 + λ ab  tλ ( a. 1   s ( a. a + b} este t-norma duala in raport cu functia de negatie n 1  p p p     . n este a. ∞ ) a. a + b} este t-conorma duala in raport cu functia de negatie n Functia n nu este o functie de negatie Functia t este o t-conorma si s : [ 0. b ) = min {1. (1 − a ) + (1 − b )        n ( a ) = 1 − a .1] . b ) = min {1. Duala functiei tλ in raport cu functia de negatie s : [ 0.1] × [ 0.1 − ( a p + b p ) p  este t-conorma duala in raport cu functia de   negatie n b.1] × [ 0. 1   s ( a. s ( a.1] . a + b − λ ab} d.1] × [ 0.1] → [ 0.1] × [ 0.1] .1] × [ 0.  . ____ 108.1] → [ 0.1] × [ 0. b ) = max {0. c. ( a p + b p ) p  este   t-norma duala in raport cu functia de negatie n Functia t p este o t-conorma si s : [ 0. a + b − 1} . b ) = max 0. ∞ ) 1+ λ   a.1] . s ( a. Functia tλ este si t-norma si t-conorma c. 1  p p p s ( a. b ) = max 0.1] → [ 0.1] .

b ) = 1 1 c. λ ∈ ( −1.       a   b      1. b ) = max 0.Name: ________________________ 1  p p p      . a ≠ 0 ϕ ( a.  . (1 − a ) + (1 − b )       ID: A ϕ : [ 0. d.1] → [ 0. b ) =  1 +  1 − a  +  1 − b   . a ≤ b b .1] . c.1] → [ 0.1] .1] × [ 0.  a + b − 1 + λ ab  tλ ( a.1] . b ) = min {1. tλ ( a. b.1] → [ 0. b ≠ 0 1 1 − λ λ λ    ____ 112.1] × [ 0. ϕ ( a.1] . ∞ ) si 1+ λ     b  min 1. p ∈ ( 0. b ) = { λ λ } 1 − a + b + λb 1+ λa 1 − a + b + λb Pentru orice a. b ) = 1+ λa 1  .   b  min 1.1] → [ 0.1] → [ 0.  . ϕ ( a.1] × [ 0. unde λ > 0 . d.1] × [ 0. c ) ≤ b} a.1] → [ 0.1 − (1 − b ) − (1 − a ) Daca a > b atunci ϕ ( a.  . c.1] . ∞ ) si ____ 110. b ) =  1. a = 0  ϕ ( a.1 − a + b} Niciuna dintre afirmatiile (a). Fie tλ : [ 0. a ≠ 0 ϕ ( a. b ∈ [ 0. ϕ : [ 0. ϕ ( a. b ) =  1 − b  λ  1 − a  λ  λ 1 +   −    b   a     b + ( λ − 1)(1 − a ) b a + ( λ − 1)(1 − a ) b 1 − a + b + λb ϕ ( a. b ) = sup {c tλ ( a. b ) = 1+ λa 38 . Daca a>b atunci Daca a>b atunci ϕ ( a. b ) =   a 1. t p ( a. a ≠ 0. Fie tλ : [ 0. { } ϕ ( a. a = 0 sau b = 0 ϕ : [ 0. b ) = sup {c tλ ( a. b ) = 1 − min 1. b ) = max 0.1] × [ 0.(b). ϕ ( a. ϕ ( a. c ) ≤ b} Functia tλ este o t-conorma Daca a>b>0 atunci a. b ) = sup c t p ( a. a = 0  b.1] × [ 0. b ) =   a 1.1] .(c) nu este adevarata ____ 111. ϕ ( a. c ) ≤ b a. Fie t p : [ 0.1] . a > b b. d.

Sign up to vote on this title
UsefulNot useful