Quiz collegato alla guida · Medio Livello
Quiz sulla ricerca degli alberi di Monte Carlo
Controlla le fasi di iterazione MCTS, l'esplorazione dell'UCT, la simulazione del lancio, la scelta dello spostamento principale e il modo in cui AlphaGo ha combinato la ricerca con le reti.
Domanda 1 di 8
Quali sono i quattro passaggi principali di un'iterazione Monte Carlo Tree Search?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Quali sono i quattro passaggi principali di un'iterazione Monte Carlo Tree Search?
- Selezione, Espansione, Simulazione, Backpropagation
- Ordina, filtra, unisci, produci
- Codificare, decodificare, partecipare, prevedere
- Formare, convalidare, testare, implementare
- Cosa bilancia la formula di selezione del UCT?
- Velocità contro memoria
- Sfruttamento di mosse di alto valore rispetto all'esplorazione di quelle poco visitate
- Formazione contro inferenza
- Larghezza rispetto alla profondità della rete
- Nel classico MCTS, cosa succede durante la fase di "simulazione" (implementazione)?
- L'albero viene eliminato
- La rete neurale viene riqualificata
- Il gioco si svolge con un risultato dal nuovo nodo
- Tutti i bambini vengono espansi contemporaneamente
- 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
- Dopo molte iterazioni, in che modo MCTS sceglie solitamente la mossa finale da giocare?
- Il figlio root con il maggior numero di visite
- La mossa con la ricompensa immediata più alta
- Un bambino a caso
- Il nodo più profondo dell'albero
- Cosa rende MuZero notevole rispetto ad AlphaZero?
- Non utilizza reti neurali
- Apprende il proprio modello di ambiente, quindi può pianificare senza che gli vengano date delle regole
- Riproduce solo Go
- Abbandona la ricerca degli alberi
- 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
- Which MCTS iteration step adds a new child to the existing tree?
- Selection
- Simulation
- Propagazione all'indietro
- Expansion