0% ont trouvé ce document utile (0 vote)
31 vues2 pages

Examen de FIA - 2025 - Solution

Le document est un examen pour les étudiants de l'Université de Sétif 1, portant sur des concepts d'intelligence artificielle et de recherche. Il comprend des exercices sur des algorithmes de recherche, le perceptron, et les caractéristiques des agents intelligents. Les étudiants doivent répondre à des questions de vrai ou faux, compléter du code Python, et démontrer des concepts logiques.

Transféré par

Ammar Dridi
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
31 vues2 pages

Examen de FIA - 2025 - Solution

Le document est un examen pour les étudiants de l'Université de Sétif 1, portant sur des concepts d'intelligence artificielle et de recherche. Il comprend des exercices sur des algorithmes de recherche, le perceptron, et les caractéristiques des agents intelligents. Les étudiants doivent répondre à des questions de vrai ou faux, compléter du code Python, et démontrer des concepts logiques.

Transféré par

Ammar Dridi
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
Vous êtes sur la page 1/ 2

Setif 1 University - Ferhat ABBAS 22/01/2025

Faculty of Sciences – Department of CS


Exam of AIF (ING 3) Duration 1h : 30m

Nom: ................................................... Prénom: .............................................. Groupe:

Exercice 01 (8 pts) + 05 : pour une


- Répondre avec Vrai (V) ou Faux (F) pour chaque question du tableau suivant : solution correcte

1 Un agent devant sortir d’un labyrinthe est un agent simple-reflexe F


2 Le perceptron modélise un hyperplan dans un espace vectoriel V
3 Une fonction d’utilité est utilisée pour évaluer la performance d’un agent. F
4 L’algorithme de recherche DLS, évite la recherche infinie dans un graphe V
5 L’algorithme de recherche en profondeur limitée (DLS) est plus complet que DFS F
6 L’algorithme de recherche dans un graphe UCS donne une solution optimale V
7 L’algorithme de recherche UCS dans un graphe donne une solution optimale V
8 Le perceptron est une machine de classification non linéaire. F
9 L’apprentissage dans le Perceptron est non supervisé F
10 L’algorithme A* est optimale avec n’importe quelle fonction heuristique F
NB : réponse correcte= +0.5, réponse incorrecte= -0.5, pas de réponse = 0. ∑notes ≥ 0.
- Completer le code python suivant (Search problem)

- #declaring queue for storing frontiers


- frontier=queue.Queue()
+ 01 : pour une solution
- #explored = dict()
correcte
- explored=dict() 0.5
- #stroring current state in a variable 0.5
- position = problem….getStartState()
- print(position)
- vertex = {"from":None,"to":None,"current_pos":… position }

- Décrire les caractéristiques de l’environnement d’un Agent Conducteur de taxi automatique


+ 0.5 : pour chaque case
Mesure de performance sécurité, vitesse, légalité, confort, profits, etc. Il suffit de mentionner
Environnement routes, autres autos, piétons, clients, etc trois items
Actionnaires volant, accélérateur, frein, clignotant, klaxon, etc.
Capteurs caméras, GPS, sonar, odomètre, indicateur de vitesse, capteurs du
moteur, etc.

Exercice 02 (06 pts)


- Soit l’ensemble d’entrainement suivant:

x y
[1, 2 , 0] 1
[1, 0 , 3] 0
[1, 3 , 0] 0
[1, 1 , 1] 1

- Simulez les itérations de l’algorithme du Perceptron sur cet ensemble. Utilisez un taux
d’apprentissage α=0.1, initialisez le vecteur de poids w à [0.3,-0.3 ,-0.3] et le biais b =0, la fonction
d’activation et la fonction seuil (threshold : si ∑ ≥ 0 =1 , 0 autrement).
Setif 1 University - Ferhat ABBAS 22/01/2025
Faculty of Sciences – Department of CS
+ 03 : pour une solution
Exam of AIF (ING 3) Duration 1h : 30m correcte

# W[ , , ] b H
01 0.4 - 0.1 - 0.3 0.1 0
02 0.4 - 0.1 - 0.3 0.1 0
03 0.3 - 0.4 - 0.3 0 1

- La fonction logique AND (ET) peut être représentée par un simple neurone avec deux
entrées : Où Y=ƒ(W.X) : ƒ =1 Si W.X≥ 2 et ƒ =0 Si W.X< 2 ,
a. Démontrer que ce neurone représente bien la porte logique AND.
b. Ce neurone peut-il représenter la porte XOR ?
Pour un neurone à deux entrées (x1, x2) => w1.x1+w2.x2 = 0, 0, 0, 1 pour les entrées (0,0),
(0,1), (1,0) et (1,1) respectivement + 02 : pour une solution
- Pour (0,0) pour toutes les valeurs de w1, w2  W.X =0  ƒ =0 correcte
- Pour (0,1) pour toutes les valeurs de w1,  et pour que ƒ =0 donc w2<2
- Pour (1,0) pour toutes les valeurs de w2,  et pour que ƒ =0 donc w1<2
- Pour (1,1) et pour que ƒ =1 donc w1+w2 ≥ 2
-  pour w1=1 et w2=1 le neurone représente bien le AND
- NB : w1 et w2 peuvent prendre des valeurs entre [1…2]
+ 01 : pour une solution
Non, un seule neurone ne peut pas représenter le XOR correcte

Exercice 03 (06 pts)


Ci-dessous un graphe de recherche. Donnez le chemin retourné par les algorithmes de recherche
dans le tableau ci-dessous. En cas d’égalité le choix du nœud est dicté par l’ordre alphabétique.
NB : l’algorithme s’arrête après arriver au but. ‘S’est le nœud de démarrage et il est aussi le nœud
de niveau L=1. ‘G’ est le nœud but, et les chiffres sur les arcs représentent les coûts.

Algorithme Chemin retourné par l’Algorithme


BFS (largeur d’abord) S-A-D-G;
DFS : 01pts
DFS (Profondeur d’abord) S-A-B-C-D-G BFS : 01pts
DLS : 01pts
DLS (L= 3) (Profondeur Limité) S-A-B-D-C (Nœuds visités) UCS : 01pts
S-B-D-G A* : 01pts
UCS (Coût uniforme) Prof. Iter. = 01pts
S-B-D-G 1 : 0.25
A* 2 : 0.25
1: S 3 : 0.25
2: S-A-B 4 : 0.25
Profondeur Itérative 3: S-A-B-D-C
4: S-A-B-C-D-G
5:

Vous aimerez peut-être aussi