Site des Oraux

Méthodes numériques d'intelligence artificielle (1) :: post
Années :: 2006 :: Toutes

*Spcial* Post nº1 (id1910) envoyé par apn  le 30 May 2006, 15:28
POMPES EXAMEN DE BERSINI

1. A quoi correspond le renforcement chez :
a. Les fourmis
i. Phéromones
b. Q-Learning
i. Récompenses
ii. Punition
iii.  reward
c. Réseaux de Neurones :
i. apprentissage : Backprop  modification des poids
d. Algorithme génétiques :
i. Sélection : A chaque nouvelle population cette population est meilleure que la précédente  Renforcement de la population qui à une « valeur » en moyenne meilleure et est évaluée par fonction de fitness.

2. Algorithmes Génétiques :
a. Qu’est ce qu’une méta heuristique ? Algorithme générique basé sur les résultats expérimentaux et qui peut être adaptée à divers problèmes afin d’en trouver la solution.
b. Quel est le lien entre fourmis et algorithme génétique ?
i. Utilisent tous les deux compromis exploitation vs. Exploration
ii. Les solutions trouvées par les fourmis correspondent à la population dans l'algorithme génétique
iii. Ils cherchent tous les deux la solution la plus optimale possible
iv. Il procèdent tous les deux en sélectionnant les solutions qui sont les plus efficace et en éliminant les autres (sélection de l'algorithme génétique et phéromones des fourmis)
c. Programmation Génétique ?
i. Utilisation d’algorithme génétique pour créer des programmes résolvant des problèmes donnés
d. Quelle est la différence entre exploitation et exploration ?
i. Exploitation : On va exploiter les solutions déjà trouvées afin de tenter de les améliorer
ii. Exploration : On va tenter de trouver d’autres solutions meilleures et non encore exploitées
iii.  En pratique, compromis entre les exploration/exploitation
e. Dans quelle autre méthode a-t-on la même chose ?

3. Parallélisme entre réseaux de neurones et algorithmes génétiques
a. Similarité : Base biologique
b. Différences :
i. apprentissage en réseaux de neurones tandis que AG, il n’y en a pas.
ii. AG pour résoudre des problèmes NP-Complets
iii. Réseaux de neurones pour la classification d’objets.

4. Algorithmes génétiques
a. A quoi correspondent les mutations chez :
i. Les fourmis : évaporation des phéromones
ii. Q-Learning : mise à jour du reward
b. Peut-on parler d’une population d’individus chez les fourmis
i. Les individus de la population sont les différents chemins
c. Puisque GA, QL, F, NN ont tous ) peu près les mêmes paramètres, quels sont les différences ?
i. NN est différents car il ne s'applique qu'à la classification. Les trois autres sont identiques mais mieux adaptés à certain types de problèmes. L'intérêt c'est de pouvoir les combiner

5. Citez les différentes branches de méta heuristiques vues au cours.
a. Algorithmes génétiques
b. Fourmis

6. Réseaux de neurones
a. Comment les autres disciplines de l’IA ont aidé à l’amélioration des réseaux de neurones ?
i. Utilisation d'algorithmes génétiques pour construire des réseaux de neurones

7. Q-Learning
a. Comment peut –on remplacer la table des actions par un réseau de neurones ? Quelles seraient les E/S ?
i. Les états deviennent les entrées du réseau de neurone, les sorties sont les actions
b. Expliquer ce qu’est un processus markovien.
i. Indépendamment du temps l'état du processus à un instant t ne dépend que de son état en t-1
c. On ne dispose pas d’un modèle du monde pour appliquer le Q-Learning. Mais alors qu’utilise-t-on ?
d. Pourquoi le Q-Learning n’est pas utilisé pour le TSP ?
e. Equivalence fourmis
i. A quoi correspond renforcement ?
1. Mise à jour globalement des chemins, c’est-à-dire une fois que toutes les fourmis ont trouvé une solution au problème
ii. L’apprentissage ?
1. Mise à jour localement des chemins, c’est-à-dire à chaque fois qu’une fourmis travers un « arc » du problème.
iii. Comment ne pas être coincé dans un minimum local ?
1. Exploration vs exploitation

8. Est-ce que la combinaison des chemins des fourmis est semblable avec le crossing-over des algorithmes génétiques ?


oraux.pnzone.net - infos - 34ms