बहु-सशस्त्र डाकू प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. बहु-सशस्त्र दस्यु समस्या में केंद्रीय समझौता निम्न के बीच होता है:
   • अन्वेषण और शोषण
   • पूर्वाग्रह और विचरण
   • परिशुद्धता और स्मरण
   • प्रशिक्षण और अनुमान
2. दस्यु समस्याओं में, 'अफसोस' का तात्पर्य है:
   • एल्गोरिथम द्वारा उपयोग की गई मेमोरी
   • संचयी पुरस्कार अंतर बनाम हमेशा सर्वश्रेष्ठ हाथ से खेलना
   • उपलब्ध हथियारों की संख्या
   • एक मॉडल को प्रशिक्षित करने का समय
3. एप्सिलॉन-लालची रणनीति क्या करती है?
   • हमेशा उच्चतम माध्य वाला हाथ उठाता है
   • कभी भी किसी भुजा की खोज नहीं करता
   • अधिकतर सर्वोत्तम भुजा का उपयोग करता है लेकिन संभाव्यता ईपीएसलॉन के साथ यादृच्छिक रूप से अन्वेषण करता है
   • प्रत्येक हाथ को हमेशा के लिए बराबर संख्या में खींचता है
4. अपर कॉन्फिडेंस बाउंड (UCB) विधि निम्नलिखित सिद्धांत का पालन करती है:
   • अनिश्चितता के सामने निराशावाद
   • अनिश्चितता को पूरी तरह से नजरअंदाज करना
   • केवल यादृच्छिक चयन
   • अनिश्चितता के सामने आशावाद
5. थॉम्पसन नमूनाकरण द्वारा एक हाथ चुनता है:
   • प्रत्येक भुजा के पिछले विश्वास से नमूना लेना और सर्वोत्तम नमूना बजाना
   • हमेशा हाथ को कम से कम खींचे
   • निश्चित राउंड-रॉबिन क्रम में हथियार चुनना
   • प्रशिक्षण हानि को कम करना
6. एक प्रासंगिक डाकू मानक डाकू से किस प्रकार भिन्न है?
   • यह पुरस्कारों को पूरी तरह से नजरअंदाज कर देता है
   • यह विकल्प को सूचित करने के लिए वर्तमान स्थिति की विशेषताओं का उपयोग करता है
   • इसकी केवल एक भुजा है
   • यह समय के साथ नहीं सीख सकता
7. In UCB, which arm usually receives a larger exploration bonus?
   • 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. What does logarithmic regret growth indicate over a long run?
   • 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