Professional Documents
Culture Documents
снз final
снз final
sim(Alex, Bob)=0.7
sim(Alex, Tom)=0.9
sim(Bob, Tom)=0.8.
Select one:
a. (0.8 * 5 + 0.9 * 4) / (0.8 + 0.9)
b. (0.9 * 2 + 0.8 * 3) / (0.9 + 0.8)
c. (0.7 * 5 + 0.8 * 4) / (0.7 + 0.8)
d. (0.7 * 4 + 0.9 * 4) / (0.7 + 0.9)
e. (0.8 * 4 + 0.9 * 4) / (0.8 + 0.9)
5. Колку тежини има невронска мрежа со 3 влезни, 2 излезни и еден тежински неврон на влез?
-
8
Чекор5: Одредуваме дека една држава може да има повеќе соседи држави
Чекор1: Препознаваме дека станува збор за географија
Чекор4: Препознаваме дека држава може да биде сосед со друга држава
Чекор2: Се идентификуваат поимите град, главен град, држава, пат, земјен пат, воздушен
пат итн.
Чекор3: Одредуваме дека главен град е град, воздушен пат е пат
- Семантички веб
16. Која вредност ќе биде предвидена за продажба во неделата 4 користејќи прост подвижен
просек од последните 3 вредности?
a. 10
b. 3
c. 8
d. 15
e. 5
Требе да се одговоре 16
- Exponential smoothing
- Level, trend and seasonality exponential smoothing
:
32. Кај онтологиите знаењето е организирано:
а. во форма на листа
б. непрецизно
в. Паралелно
г. сериски
д. Хиерархиски
37. Учење со потикнување – На влез, покрај предметот што треба да се научи, се добива и
сигнал добро/лошо (награда и казна) во зависност од тоа колку добро одговорил
системот на тоа барање за учење или класификација.
TRUE
39. Што од наведеното е точно за наивниот пристап за предвидување на идна вредност кај
временски серии?
а. Следна (идна) вредност се претпоставува дека е иста со просечната
вредност
б. Обично дава задоволителни резултати
в. . Следна (идна) вредност се претпоставува дека е иста со последната позната
вредност
г. Обично не дава добри резултати
4. ЕС категории на проблеми:
I. Интерпретација
II. Предвидување
III. Дијагноза
IV.Дизајн
V.Планирање
VI.Надгледување
VII. Дебагирање и поправки
VIII. Инструирање
IX.Контрола
8. Условна веројатност :
- Е клучна при расудување, затоа што го формализира прибирањето докази
и обновување на веројатностите.
Р(не)*Р(сонце/не)*Р(студено/не)*Р(голема/не)*Р(јак/не) = 0.021
Р(да)*Р(сонце/да)*Р(студено/да)*Р(голема/да)*Р(јак/да) = 0.005
Зад од колоквиум:
Пресметка на ентропија:
Ако имаме 2 класи (+) и (-), и имаме множество од 100 податоци, каде што 30 се позитивни
останатите негативни (Р(+) = 30, Р(-) = 70)
Precision = TP / TP + FP
Recall = TP / TP + FN
Select one:
a) 4/7
b) 5/14
c) 1/5
d) 4/5
e) 3/7
a.
4. Нека е дадена следната табела за продажба на некој производ:
a) 16
b) 11
c) 13
d) 20
e) 10
5. Колку тежини има невронска мрежа без bias неврони со 1 неврон во влезен
слој, 3 неврони во скриен слој и 2 неврони во излезен слој?
Одговор: 9__
Понудени одговори
филтрирање?
Понудени опции:
i. A MAX(x,y)
ii. C MIN(x,y)
iii. B 1-x
изнесува:
sim(Alex, Bob)=0.7
sim(Alex, Tom)=0.9
sim(Bob, Tom)=0.8 .
а) 17
Б) 16
в) 15
г) 20
д) 11
11. За податочното множество дадено во табелата, каде атрибутот Credit cart trustfulness е
класен атрибут, колку изнесува информациската добивка на атрибутот Debit?
Ентропијата на множеството е:
Одбери едно:
13
17. Колку тежини има невронска мрежа без bias неврони со 1 неврон во влезен слој, 3
неврони со скриен слој и 2 неврони во излезен слој?
9
18.
е
19. За кој оператор од булова логика, да се одбере соодветниот оператор од матна
логика?
Прв дел:
A) AND(x,y) – min()
B) NOT(x) – 1-x
C) OR(x,y) – max()
Втор дел:
A) MIN(x,y)
B) 1 – x
C) MAX(x,y)
20.