Opis
Predavanja
Vaje
Laboratorij
Izpiti
Objave
Vprašanja

 

LUKS > Študijski program > Visokostrokovni študij > Informatika v avtomatizaciji

IZPITI

 

 

Izpitni režim

Pri tem predmetu ni pisnega izpita. Študenti morajo najprej izdelati in zagovarjati svoj projekt pri laboratorijskih vajah. Pri zagovoru pri asistentu odgovarjajo tudi na vprašanja v zvezi s teoretičnim ozadjem katere koli druge laboratorijske vaje. Nato sledi ustni izpit pri predavatelju. Študenti lahko opravijo ustni izpit šele po uspešni izvedbi in zagovoru laboratorijskih vaj. Pred zagovorom vaj se morajo študenti prijaviti na enega od pisnih izpitnih rokov v sistemu e-Študent. Pri zagovoru vaj pride v poštev vsa snov, predstavljena na avditornih vajah.

Ustna vprašanja ob zagovoru vaj

Ob zagovoru vaj morate odgovoriti na vprašanja, ki se navezujejo na teoretično ozadje izvedene vaje. Asistent vam lahko zastavi tudi vprašanje, ki se navezuje na teoretično ozadje preostalih laboratorijskih vaj. Teoretična ozadja vseh vaj so podana na predavanjih, dodatno na avditornih vajah in v opisih posameznih vaj na spletnih straneh.

Izpitna ustna vprašanja

  • Kaj je informatika?
  • Kaj obravnava informatika v avtomatizaciji?
  • Kaj so umetni inteligentni sistemi?
  • Kako je definirano področje uporabe?
  • Kaj so objekti razpoznavanja?
  • Kaj je razred objektov razpoznavanja?
  • Koliko razredov objektov razpoznavanja vsebuje področje uporabe?
  • Kaj je vzorec?
  • Kaj je razred vzorcev?
  • Kako je sestavljena učna množica vzorcev in kdo jo sestavi?
  • Kako preverimo pogoj, da so vzorci v podmnožicah učne množice medsebojno podobni?
  • Kako je definirano razvrščanje vzorcev?
  • Kako je definirano razpoznavanje (preprostih) vzorcev?
  • Kako razpoznavamo vzorce z razvrščanjem?
  • Zakaj je v določenih primerih potrebno vzorce razčleniti?
  • Kako se razčlenijo vzorci govora?
  • Kako se razčlenijo slikovni vzorci (nebarvne slike)?
  • Kaj je rezultat razčlenjevanja vzorcev?
  • Kaj so značilke vzorcev (enot razpoznavanja)?
  • Kako poiščemo najboljšo (pod)množico značilk?
  • Katere značilke najbolj pogosto uporabimo za opis enot razpoznavanja govora?
  • Katere značilke najbolj pogosto uporabimo za opis enot razpoznavanja slikovnih vzorcev?
  • Katere mere podobnosti vzorcev poznaš?
  • Kaj je roj?
  • Opiši postopek rojenja!
  • Če rojimo učno množico vzorcev, kakšen rezultat pričakujemo?
  • Kako razvrščamo vzorce s prileganjem?
  • Kaj so prednosti in kaj slabosti razvrščanja vzorcev s prileganjem?
  • Kako razvrščamo vzorce z odločanjem?
  • Kako zapišemo odločitvene funkcije z verjetnostnimi funkcijami?
  • Kako določimo (ocenimo) parametre odločitvenih funkcij?
  • Kako je sestavljena preizkusna množica vzorcev?
  • Kako ocenimo verjetnost napake razvrščanja vzorcev s preizkusno množico vzorcev?
  • Kako ocenimo verjetnost napake razvrščanja vzorcev brez preizkusne množice vzorcev?
  • Opiši zasnovo sistema za sintezo slovenskega govora!
  • Opiši postopek umerjanja sistema TV kamera - robotska roka!
  • Opiši zasnovo sistema za razpoznavanje ločeno izgovorjenih besed (ukazov)!
  • Opiši zasnovo sistema za razpoznavanje preprostih predmetov (valj, kocka,...)!
  • Opiši pristop inteligentnega sestavljanja izdelkov v prostoru stanj!

 

 

Zadnja sprememba: 01.10.2012
 
Laboratory of Artificial Perception, Systems and Cybernetics, Email staff[.at.]luks[.dot.]fe[.dot.]uni-lj[.dot.]si