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.

Powiązane ścieżki prowadząceWyszukiwanie drzew w Monte Carlo
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.

  1. 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
  2. Co równoważy formuła wyboru UCT?
    • Szybkość kontra pamięć
    • Eksploatacja ruchów o dużej wartości a eksploracja niedocenianych
    • Uczenie a wnioskowanie
    • Szerokość a głębokość sieci
  3. 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
  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. 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
  6. 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
  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
    • Propagacja wsteczna
    • Expansion