মাল্টি-আর্মড দস্যু কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. একটি বহু-সশস্ত্র দস্যু সমস্যায় কেন্দ্রীয় ট্রেডঅফ হল:
   • অন্বেষণ এবং শোষণ
   • পক্ষপাত ও বৈষম্য
   • নির্ভুলতা এবং প্রত্যাহার
   • প্রশিক্ষণ এবং অনুমান
2. দস্যু সমস্যায়, 'আফসোস' বোঝায়:
   • অ্যালগরিদম দ্বারা ব্যবহৃত মেমরি
   • সর্বদা সেরা হাত খেলা বনাম ক্রমবর্ধমান পুরস্কারের ব্যবধান
   • উপলব্ধ অস্ত্র সংখ্যা
   • একটি মডেল প্রশিক্ষণের সময়
3. epsilon-লোভী কৌশল কি করে?
   • সর্বদা সর্বোচ্চ গড় সহ বাহু বাছাই করে
   • কোন বাহু অন্বেষণ না
   • বেশিরভাগই সেরা বাহু শোষণ করে কিন্তু সম্ভাব্যতা এপসিলন দিয়ে এলোমেলোভাবে অন্বেষণ করে
   • চিরকালের জন্য প্রতিটি বাহুকে সমান সংখ্যক বার টানুন
4. আপার কনফিডেন্স বাউন্ড (UCB) পদ্ধতি নিম্নলিখিত নীতি অনুসরণ করে:
   • অনিশ্চয়তার মুখে হতাশাবাদ
   • অনিশ্চয়তাকে পুরোপুরি উপেক্ষা করা
   • শুধুমাত্র এলোমেলো নির্বাচন
   • অনিশ্চয়তার মুখে আশাবাদ
5. থম্পসন স্যাম্পলিং এর দ্বারা একটি বাহু বেছে নেয়:
   • প্রতিটি বাহু এর পশ্চাৎপদ বিশ্বাস থেকে নমুনা এবং সেরা নমুনা খেলা
   • সর্বদা বাছাই বাহু অন্তত টানা
   • নির্দিষ্ট রাউন্ড-রবিন ক্রমে অস্ত্র বাছাই
   • প্রশিক্ষণের ক্ষতি কমানো
6. কিভাবে একটি প্রাসঙ্গিক দস্যু একটি আদর্শ এক থেকে পৃথক?
   • এটি সম্পূর্ণরূপে পুরস্কার উপেক্ষা করে
   • এটি পছন্দটি জানাতে বর্তমান পরিস্থিতির বৈশিষ্ট্যগুলি ব্যবহার করে
   • এর একটি মাত্র বাহু আছে
   • এটি সময়ের সাথে সাথে শিখতে পারে না
7. UCB-তে, কোন বাহু সাধারণত একটি বড় অনুসন্ধান বোনাস পায়?
   • An arm whose sample count is largest
   • An arm with no uncertainty by definition
   • An arm that has been sampled relatively few times
   • An arm with a negative reward only
8. লগারিদমিক অনুশোচনা বৃদ্ধি দীর্ঘ মেয়াদে কী নির্দেশ করে?
   • The algorithm receives zero reward after each round
   • The best arm changes at every step
   • Exploration stops before the first observation
   • The cumulative gap from always choosing the best arm grows much slower than the number of rounds