Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący wyszukiwania drzew w Monte Carlo
Sprawdza etapy iteracji MCTS, eksplorację UCT, symulację wdrożenia, wybór przeniesienia roota i sposób, w jaki AlphaGo łączy wyszukiwanie z sieciami.
Pytanie 1 z 8
Jakie są cztery główne etapy iteracji wyszukiwania drzewa Monte Carlo?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Jakie są cztery główne etapy iteracji wyszukiwania drzewa Monte Carlo?
- Selekcja, ekspansja, symulacja, propagacja wsteczna
- Sortuj, filtruj, łącz, wysyłaj
- Koduj, dekoduj, bierz udział, przewidywaj
- Trenuj, sprawdzaj, testuj, wdrażaj
- Co równoważy formuła wyboru UCT?
- Szybkość kontra pamięć
- Eksploatacja ruchów o dużej wartości a eksploracja niedocenianych
- Uczenie a wnioskowanie
- Szerokość a głębokość sieci
- Co dzieje się w klasycznym MCTS na etapie „symulacji” (wdrożenia)?
- Drzewo zostało usunięte
- Sieć neuronowa jest przeszkolona
- Gra toczy się do wyniku z nowego węzła
- Wszystkie dzieci są rozwijane jednocześnie
- 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
- Jak po wielu iteracjach MCTS zwykle wybiera ostatni ruch?
- Element podrzędny root z największą liczbą odwiedzin
- Ruch z najwyższą natychmiastową nagrodą
- Przypadkowe dziecko
- Najgłębszy węzeł w drzewie
- Co wyróżnia MuZero w porównaniu do AlphaZero?
- Nie wykorzystuje sieci neuronowych
- Uczy się własnego modelu otoczenia, dzięki czemu może planować bez narzucania mu reguł
- Gra tylko w Go
- Rezygnuje z wyszukiwania drzew
- 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
- Propagacja wsteczna
- Expansion