গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

মন্টে কার্লো ট্রি অনুসন্ধান কুইজ

MCTS পুনরাবৃত্তির পর্যায়, UCT অন্বেষণ, রোলআউট সিমুলেশন, রুট-মুভ পছন্দ এবং কিভাবে AlphaGo নেটওয়ার্কের সাথে সার্চকে একত্রিত করে তা পরীক্ষা করে।

প্রশ্ন 1 এর 8

মন্টে কার্লো ট্রি অনুসন্ধানের পুনরাবৃত্তির চারটি প্রধান ধাপ কী কী?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. মন্টে কার্লো ট্রি অনুসন্ধানের পুনরাবৃত্তির চারটি প্রধান ধাপ কী কী?
    • নির্বাচন, সম্প্রসারণ, অনুকরণ, ব্যাকপ্রোপগেশন
    • সাজান, ফিল্টার, মার্জ, আউটপুট
    • এনকোড, ডিকোড, উপস্থিতি, ভবিষ্যদ্বাণী
    • ট্রেন, যাচাই, পরীক্ষা, স্থাপন
  2. UCT নির্বাচন সূত্র ভারসাম্য কি?
    • গতি বনাম মেমরি
    • উচ্চ-মূল্যের চালগুলির শোষণ বনাম পরিদর্শন না হওয়াগুলির অন্বেষণ
    • প্রশিক্ষণ বনাম অনুমান
    • নেটওয়ার্কের প্রস্থ বনাম গভীরতা
  3. ক্লাসিক MCTS-এ, 'সিমুলেশন' (রোলআউট) ধাপের সময় কী ঘটে?
    • গাছ মুছে ফেলা হয়
    • নিউরাল নেটওয়ার্ক পুনরায় প্রশিক্ষিত হয়
    • গেমটি নতুন নোড থেকে একটি ফলাফলের জন্য খেলা হয়
    • সব শিশু একযোগে প্রসারিত হয়
  4. What roles did AlphaGo’s policy and value networks play in its MCTS search?
    • The policy network computed transitions and the value network chose the root child
    • Both networks performed random rollouts without evaluating positions
    • The value network proposed legal moves while the policy network estimated terminal rewards
    • The policy network guided move selection and the value network estimated position strength; AlphaGo also used a rollout policy
  5. অনেক পুনরাবৃত্তির পর, কিভাবে MCTS সাধারণত খেলার চূড়ান্ত পদক্ষেপ বেছে নেয়?
    • সবচেয়ে ভিজিট সঙ্গে মূল শিশু
    • সর্বোচ্চ তাৎক্ষণিক পুরস্কার সহ পদক্ষেপ
    • এলোমেলো শিশু
    • গাছের গভীরতম নোড
  6. আলফাজিরোর তুলনায় মুজিরোকে কী উল্লেখযোগ্য করে তোলে?
    • এটি কোন নিউরাল নেটওয়ার্ক ব্যবহার করে না
    • এটি পরিবেশের নিজস্ব মডেল শেখে, তাই এটি নিয়ম না দিয়ে পরিকল্পনা করতে পারে
    • এটি শুধুমাত্র গো বাজায়
    • এটি গাছ অনুসন্ধান পরিত্যাগ করে
  7. In the UCT selection score, what does the exploration term reward?
    • Only the child with the highest raw reward
    • Moves that have already been selected most often, regardless of value
    • Children with fewer visits relative to their parent, encouraging further sampling
    • A random rollout’s final board size
  8. Which MCTS iteration step adds a new child to the existing tree?
    • Selection
    • Simulation
    • ব্যাকপ্রপাগেশন
    • Expansion