Цінність ідеальної інформації (VPI) показує наскільки корисною є додаткова інформація для прийняття рішень. Очікувана корисність найкращої дії без додаткової інформації = 38. Після отримання ідеальної інформації агент обирає дію з очікуваною корисністю = 72. Обчисліть . Введіть число, округлене до двох знаків після коми.

В алгоритмі Q-learning вискористовується поняття помилки тимчасової різниці (TD error) обчислюється як . Агент отримав винагороду = 2, максимальне Q-значення наступного стану = 43, поточне значення = 30, фактор дисконтування = 0,96. Обчисліть TD error . Введіть число, округлене до двох знаків після коми.

Агент перебуває у стані, де він нескінченно отримує сталу винагороду = 6 на кожному кроці. Фактор дисконтування = 0,78. Розрахуйте загальну сумарну дисконтовану винагороду . Введіть число, округлене до двох знаків після коми.

В алгоритмі Value Iteration агент у стані виконує дію, яка з імовірністю 1 веде до стану . Винагорода за перехід = 12, поточна цінність наступного стану = 47, фактор дисконтування = 0,76. Обчисліть оновлену цінність за допомогою рівняння (очікування) Беллмана. Введіть число, округлене до двох знаків після коми.

Агент робить 3 кроки і отримує винагороди: = 12, = 17, = 14. Фактор дисконтування = 0,6. Обчисліть сукупну дисконтовану винагороду . Введіть число, округлене до двох знаків після коми.

Агент оцінює альтернативи за трьома критеріями з вагами = 0,46, = 0,33, (де ). Значення функцій корисності для поточного варіанту: = 28, = 20, = 77. Обчисліть загальну адитивну корисність . Введіть число, округлене до двох знаків після коми.

Лікування має два можливі наслідки: повне одужання з корисністю 76 з імовірністю = 0,69, або ускладнення з корисністю 7 з імовірністю . Розрахуйте очікувану корисність . Введіть число, округлене до двох знаків після коми.

Вузол у байєсівській мережі має 4 батьків та 6 дітей. Усі діти разом мають 3 інших батьків (не враховуючи сам ). Зі скількох вузлів складається Ковдра Маркова для вузла ? Введіть ціле число.

У байєсівській мережі відомі спільні ймовірності: = 0,18, = 0,09. Обчисліть безумовну (маргінальну) ймовірність . Введіть десятковий дріб, округлений до двох знаків після коми.

Лікар використовує теорему Байєса для діагностики. Апріорна ймовірність хвороби = 0,07, ймовірність симптому = 0,39, ймовірність спостерігати симптом при наявності хвороби = 0,6. Обчисліть апостеріорну ймовірність хвороби . Введіть десятковий дріб, округлений до чотирьох знаків після коми.