Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Carian Pokok Monte Carlo

Menyemak peringkat lelaran MCTS, penerokaan UCT, simulasi pelancaran, pilihan pergerakan akar dan cara AlphaGo menggabungkan carian dengan rangkaian.

Laluan panduan yang berkaitanCarian Pokok Monte Carlo
soalan 1 daripada 8

Apakah empat langkah utama lelaran Carian Pokok Monte Carlo?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah empat langkah utama lelaran Carian Pokok Monte Carlo?
    • Pemilihan, Peluasan, Simulasi, Rambatan Balik
    • Isih, tapis, cantumkan, keluarkan
    • Encode, decode, attend, predict
    • Latih, sahkan, uji, gunakan
  2. Apakah keseimbangan formula pemilihan UCT?
    • Kelajuan berbanding memori
    • Eksploitasi langkah bernilai tinggi berbanding penerokaan yang kurang dikunjungi
    • Latihan berbanding inferens
    • Lebar berbanding kedalaman rangkaian
  3. Dalam MCTS klasik, apakah yang berlaku semasa langkah 'simulasi' (pelancaran)?
    • Pokok itu dipadamkan
    • Rangkaian saraf dilatih semula
    • Permainan dimainkan kepada hasil daripada nod baharu
    • Semua kanak-kanak diperluaskan sekaligus
  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. Selepas banyak lelaran, bagaimanakah MCTS biasanya memilih langkah terakhir untuk dimainkan?
    • Anak akar yang paling banyak dilawati
    • Langkah dengan ganjaran segera yang tertinggi
    • Seorang kanak-kanak rawak
    • Nod terdalam dalam pokok
  6. Apakah yang menjadikan MuZero terkenal berbanding AlphaZero?
    • Ia tidak menggunakan rangkaian saraf
    • Ia mempelajari model persekitarannya sendiri, jadi ia boleh merancang tanpa diberi peraturan
    • Ia hanya memainkan Go
    • Ia meninggalkan pencarian pokok
  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
    • Penyebaran balik
    • Expansion