Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Q-Pembelajaran

Menyemak nilai-Q, pembelajaran luar dasar, kemas kini Bellman, penerokaan, andaian penumpuan dan sebab pembelajaran-Q bebas model.

Laluan panduan yang berkaitanQ Pembelajaran
soalan 1 daripada 8

Apakah yang diwakili oleh nilai Q Q(s, a)?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah yang diwakili oleh nilai Q Q(s, a)?
    • Ganjaran jangka panjang yang diharapkan untuk mengambil tindakan dalam keadaan s, kemudian bertindak secara optimum
    • Kebarangkalian berada dalam keadaan s
    • Bilangan kali tindakan a telah dicuba
    • Ganjaran segera hanya untuk tindakan a
  2. Mengapakah Q-Learning digambarkan sebagai 'luar dasar'?
    • Ia memerlukan model persekitaran
    • Ia boleh mempelajari dasar yang optimum sambil mengikuti dasar penerokaan yang berbeza
    • Ia hanya berfungsi di luar talian pada data yang disimpan
    • Ia mengabaikan ganjaran sepenuhnya
  3. Dalam peraturan kemas kini, apakah kawalan gamma faktor diskaun?
    • Kadar penerokaan
    • Saiz jadual negeri
    • Berapa banyak ganjaran masa depan ditimbang secara relatif kepada ganjaran segera
    • Bilangan episod
  4. Apakah ralat perbezaan temporal (TD) dalam Q-Learning?
    • Perbezaan antara dua negeri
    • Jumlah ganjaran episod
    • Kadar pembelajaran menggandakan gamma
    • r + gamma*max Q(s',a') tolak anggaran Q(s,a) semasa
  5. Mengapakah Q-Learning jadual biasa bergelut dengan masalah besar seperti permainan video daripada piksel?
    • Bilangan keadaan berbeza terlalu besar untuk disimpan dalam jadual
    • Ia tidak boleh menggunakan ganjaran
    • Ia hanya berfungsi dengan dua tindakan
    • Gamma mesti sama dengan 1
  6. Apakah tujuan pemilihan tindakan rakus-epsilon?
    • Untuk sentiasa memilih tindakan nilai Q tertinggi
    • Untuk mengimbangi penerokaan tindakan baharu dengan mengeksploitasi tindakan baik yang diketahui
    • Untuk menetapkan faktor diskaun
    • Untuk menyimpan jadual Q
  7. What exploration condition appears in the tabular Q-learning convergence result?
    • Only the greedy action is ever sampled
    • Each state must be visited exactly once
    • Every state-action pair must be visited repeatedly under suitable learning conditions
    • The transition model must be known in advance
  8. Why is Q-learning called model-free?
    • It never observes the environment
    • It does not use rewards
    • It requires a complete transition table before learning
    • It updates values from sampled rewards and next states without storing transition probabilities