Crowdly

В чому суть задачі знаходження опуклої оболонки

(Convex hull)?

У знаходженні найкоротшого шляху, що проходить через всі точки множини.

визначенні найменшої опуклої множини, яка містить всі точки заданої множини в

евклідовому просторі

мінімальним

периметром.

У знаходженні найменшої прямокутної області, що охоплює всі точки множини.

У знаходженні найбільшого опуклого

багатокутника, який можна побудувати всередині заданої множини точок.

Що таке

backtracking?

е загальна

методика для вирішення

оптимізаційних

задач, що полягає у побудові розв'язків поступово, крок за кроком, і

поверненні назад (

backtrack

), коли виявляється, що поточний

шлях не веде до рішення.

е метод, який

використовується для знаходження найкоротшого шляху у графі за допомогою

жадібного підходу.

е метод класифікації

даних, який використовує деревоподібну структуру для розподілу даних на класи.

е метод, який

застосовується для оптимізації функцій за допомогою стохастичних процесів.

Що таке Pointer

Network?

е нейронна мережа, яка використовує вказівники

для динамічного виділення пам'яті під час тренування моделі.

Це

метод оптимізації, який використовується

виключно для задач кластеризації великих даних.

е нейронна мережа, яка використовується для

розпізнавання зображень шляхом вказування на певні пікселі в зображенні.

е тип нейронної мережі, який використовує

механізм уваги для вказування на елементи вхідної послідовності, щоб сформувати

вихідну послідовність

Що таке

Constraint Satisfaction Problem?

Це підхід до класифікації даних на основі

жорстких обмежень.

Це метод, який використовується для оцінки

ефективності алгоритмів машинного навчання.

Це клас задач у штучному інтелекті та оптимізації, де потрібно знайти

значення змінних, які задовольняють набір обмежень або умов.

Це метод прогнозування часових рядів, який

використовує обмеження для поліпшення точності прогнозів.

Які о

собливості

k-d-дерева?

k-d

-дерево використовується для двовимірних даних і дозволяє виконувати

операції пошуку з фіксованою складністю

O(1).

k-d

-дерево використовується для зберігання рядків тексту і

дозволяє виконувати лише операції вставки і видалення.

операції вставки, видалення та пошуку в k-d-дереві мають складність O(log n).

k-d-дерево

дозволяє організовувати дані у k-вимірному просторі, де k може бути будь-яким

цілим числом; будується рекурсивно, розділяючи точки на дві підмножини на

кожному рівні дерева,

k-d

-дерево не підтримує збалансовану структуру, що

призводить до неефективних операцій пошуку з середньою складністю

O(n^2).

Line Balancing Problem (ALBP).

Вам необхідно

розв'язати задачу Assembly

Яку метаевристику

тут доцільно застосувати?

Метаевристику, яка використовує методи кластеризації, такі як алгоритм k-середніх.

Методи лінійної регресії для знаходження

оптимальних рішень.

ошук з

заборонами.

етаевристику, яка базується на класифікаційних алгоритмах, таких як метод

найближчого сусіда (

k-NN).

Які параметри

алгоритму Particle Swarm Optimization?

Розмір рою, коефіцієнти інерції, когнітивного компонента, соціального компонента, початкове розташування.

озмір рою,

коефіцієнт інерції, функція придатності, максимальна кількість ітерацій,

параметри мутації.

озмір рою,

коефіцієнт інерції, параметри кросоверу, параметри мутації.

озмір рою,

когнітивний компонент, соціальний компонент, параметри кросоверу.

Де застосовується

задача про покриття множини?

різних областях, де

потрібно вибрати мінімальну підмножину наборів, що покривають всі елементи

універсальної множини.

задачах

класифікації даних на основі деревоподібних структур.

ля знаходження

найкоротших шляхів у графах.

ля оптимізації

процесів у виробничих системах шляхом мінімізації кількості використовуваних

ресурсів.

Ви використовуєте

метаевристику, яка базується на підході simulated annealing. Які в неї будуть

параметри?

Початкова температура, Температурний графік

охолодження, Кількість ітерацій на кожному рівні температури, Функція прийняття,

Кінцева температура.

Максимальна глибина дерева, мінімальну кількість

зразків для розщеплення вузла і критерій зупинки.

Розмір популяції, коефіцієнт схрещування і коефіцієнт

мутації.

ількість нейронних шарів, кількість нейронів у

кожному шарі і швидкість навчання.