Kuiz Pembelajaran Tiruan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

1. In imitation learning, how does an agent acquire its behavior?
   • Mempelajari dasar dengan menyalin demonstrasi pakar
   • Memaksimumkan ganjaran rekaan tangan melalui penerokaan rawak
   • Memampatkan rangkaian saraf untuk dijalankan pada peranti kecil
   • Menjana imej daripada gesaan teks
2. Pengklonan tingkah laku membingkai pembelajaran tiruan sebagai masalah yang manakah?
   • Pengelompokan tanpa pengawasan
   • Pembelajaran pemetaan keadaan-ke-tindakan yang diselia
   • Generasi musuh
   • Pembentukan ganjaran
3. Apakah masalah yang menyebabkan pengklonan tingkah laku gagal dalam urutan tindakan yang panjang?
   • Berlebihan pada fungsi ganjaran
   • Kecerunan yang hilang dalam pengekod
   • Ralat pengkompaunan daripada anjakan pengedaran
   • Malapetaka melupakan kelas lama
4. Bagaimanakah algoritma DAgger menangani kelemahan itu?
   • Dengan mengalih keluar pakar daripada gelung sepenuhnya
   • Dengan meningkatkan faktor diskaun
   • Dengan menambahkan hingar rawak pada semua tindakan
   • Dengan menyoal pakar tentang keadaan, pelajar sebenarnya melawat dan mengagregatkan data tersebut
5. Mengapakah pembelajaran meniru sering diutamakan berbanding pembelajaran pengukuhan untuk tugasan seperti memandu?
   • Demonstrasi lebih mudah disediakan daripada fungsi ganjaran yang betul
   • Ia menjamin tingkah laku yang optimum
   • Ia tidak memerlukan sebarang data
   • Ia berjalan lebih cepat pada inferens sahaja
6. What is a realistic limitation of behavioral cloning when the agent reaches states outside the demonstrations?
   • It is guaranteed to improve beyond the expert
   • Its behavior is not guaranteed there because those states may be out of distribution
   • It can only produce random actions
   • It automatically queries an expert at every step
7. In one DAgger iteration, what does the learner do before requesting expert labels?
   • Deletes all earlier demonstrations
   • Trains only on randomly generated labels
   • Rolls out its current policy and records the states it actually visits
   • Replaces the expert policy permanently
8. After the expert labels the states visited by the current policy, what happens to that data?
   • It is used only as an evaluation metric
   • It replaces the original observation space
   • It is discarded after one gradient step
   • It is aggregated with previous labeled data for retraining