Викторина, связанная с руководством · Средний Уровень

Викторина по поиску в дереве Монте-Карло

Проверяет этапы итерации MCTS, исследование UCT, моделирование развертывания, выбор корневого перемещения и то, как AlphaGo сочетает поиск с сетями.

Связанные направляющие путиПоиск по дереву Монте-Карло
Вопрос 1 из 8

Каковы четыре основных этапа итерации поиска по дереву Монте-Карло?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Каковы четыре основных этапа итерации поиска по дереву Монте-Карло?
    • Выбор, расширение, моделирование, обратное распространение ошибки
    • Сортировка, фильтрация, объединение, вывод
    • Кодируйте, декодируйте, посещайте, предсказывайте
    • Обучение, проверка, тестирование, развертывание
  2. Что учитывает формула выбора UCT?
    • Скорость против памяти
    • Использование ценных ходов в сравнении с исследованием малопосещаемых
    • Обучение против вывода
    • Ширина и глубина сети
  3. Что происходит в классической MCTS на этапе «моделирования» (развертывания)?
    • Дерево удалено
    • Нейронная сеть переобучается
    • Игра ведется до исхода из нового узла.
    • Все дочерние элементы раскрываются одновременно
  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. Как после многих итераций MCTS обычно выбирает последний ход для игры?
    • Корневой дочерний элемент с наибольшим количеством посещений
    • Ход с наивысшей немедленной наградой
    • Случайный ребенок
    • Самый глубокий узел дерева
  6. Что отличает MuZero от AlphaZero?
    • Он не использует нейронные сети
    • Он изучает свою собственную модель окружающей среды, поэтому может планировать, не зная правил.
    • Он играет только в Го
    • Он отказывается от поиска по дереву
  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
    • Обратное распространение ошибки
    • Expansion