Gids-gekoppelde quiz · Middelmatig Niveau
Quiz voor het zoeken naar bomen in Monte Carlo
Controleert MCTS-iteratiefasen, UCT-verkenning, uitrolsimulatie, root-move-keuze en hoe AlphaGo zoeken combineerde met netwerken.
Vraag 1 van 8
Wat zijn de vier belangrijkste stappen van een Monte Carlo Tree Search-iteratie?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat zijn de vier belangrijkste stappen van een Monte Carlo Tree Search-iteratie?
- Selectie, uitbreiding, simulatie, backpropagatie
- Sorteren, filteren, samenvoegen, uitvoeren
- Coderen, decoderen, bijwonen, voorspellen
- Trainen, valideren, testen, implementeren
- Wat houdt de UCT-selectieformule in evenwicht?
- Snelheid versus geheugen
- Exploitatie van waardevolle zetten versus verkenning van onderbezochte zetten
- Training versus gevolgtrekking
- Breedte versus diepte van het netwerk
- Wat gebeurt er in klassieke MCTS tijdens de 'simulatie'-stap (uitrol)?
- De boom wordt verwijderd
- Het neurale netwerk wordt opnieuw getraind
- Het spel wordt gespeeld met een uitkomst van het nieuwe knooppunt
- Alle kinderen worden in één keer uitgebreid
- 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
- Hoe kiest MCTS na vele iteraties gewoonlijk de laatste zet om te spelen?
- Het hoofdkind met de meeste bezoeken
- De zet met de hoogste onmiddellijke beloning
- Een willekeurig kind
- Het diepste knooppunt in de boom
- Wat maakt MuZero opmerkelijk vergeleken met AlphaZero?
- Er wordt geen gebruik gemaakt van neurale netwerken
- Het leert zijn eigen model van de omgeving kennen, zodat het kan plannen zonder dat het de regels krijgt
- Er wordt alleen Go gespeeld
- Het verlaten van het zoeken naar bomen
- 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
- Terugpropagatie
- Expansion