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.

Gerelateerde gidspadenBoom zoeken in Monte Carlo
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.

  1. 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
  2. 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
  3. 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
  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. 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
  6. 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
  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
    • Terugpropagatie
    • Expansion