Đại học Bách Khoa TP.

HCM ĐỀ THI HỌC KỲ 1 - Năm học 2018-2019

Khoa Điện – Điện Tử Môn học : Trí tuệ nhân tạo trong điều khiển
Bộ môn ĐKTĐ Mã môn học : EE3063
------ Ngày thi : 24/12/2018
Thời gian làm bài : 90 phút
(Sinh viên được sử dụng tài liệu viết tay)

ĐÁP ÁN
Câu 1 (1 điểm):
a. Top-1 error rate: the percentage of the time that the classifier did not give the correct class
the highest score.
Top-5 error rate: the percentage of the time that the classifier did not include the correct
class among its top 5 guesses.
b. Không. SV phải giải thích lý do.
c. Không thay đổi. SV phải giải thích lý do.
d. LSTM tốt hơn RNN ở khía cạnh long-term dependency. SV tự cho ví dụ.
e. Thời điểm C. SV phải giải thích lý do.

Hình 1. Hình 2.

Câu 2 (1 Điểm):
K = 1: thuộc lớp tròn
K = 3: thuộc lớp vuông
K = 7: thuộc lớp tam giác
P/p K-nearest neighbors rất nhạy với nhiễu khi K nhỏ.

Câu 3 (1 điểm):

Hình 3.
Hình bên trái: hình vuông còn thiếu đối xứng với hình tròn qua đường phân lớp.
Hình bên phải: hình vuông còn thiếu nằm trên đoạn AB.
SV phải giải thích.
Trang 1
Câu 4 (1.25 điểm): (L.O.2.6) Trình bày cách sử dụng thuật toán di truyền xác định trọng số cho
mạng neural (với 2 neural ở lớp ẩn) dùng xấp xỉ hàm XOR.
Sv tự trình bày. Gợi ý:
- Mạng NN có 2 neural lớp input, 2 neural lớp ẩn và 1 neural lớp output, nêu rõ số thông
số của mạng cần xác định.
- x1, x2: ngõ vào; y: ngõ ra
- Định nghĩa hàm sai số E (là sai số tổng của cả 4 trường hợp ngõ vào là 00, 01, 10, 11)
và hàm fitness
- Mã hóa nhị phân (nêu rõ số bit cần thiết), giải mã, . . .
- Trình bày cụ thể các bước lai tạo, đột biến, chọn lọc tự nhiên, điều kiện dừng lặp, . . .

Câu 5 (1 điểm): (L.O.5 ) Cho mạng CNN như hình 4.

a. Convolution: 3
Pooling: 3
Fully connected: 3
b. 96x96, ảnh xám.
c. 64 kernel
Mỗi kernel kích thước 2x2x32
S=1
64x2x2x32 + 64 tham số
d. Giống nhau, S = 2
e. Không, vì mạng có 30 ngõ ra.

Hình 4.

Câu 7 (1 điểm): (L.O.3.3) Xét thuật toán particle filter như hình 6. Trình bày hiểu biết của bạn
về các dòng thứ 4, 5 và 9.

Hình 6. Hình 7.

SV tự trình bày. Gợi ý:

Trang 2
- Dòng 4: với mỗi giá trị m, lấy mẫu x [m
t
]
sử dụng process model
- Dòng 5: với mỗi giá trị m, tính trọng số w[tm] sử dụng measurement model
- Dòng 9: resampling.

Trang 3