แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการค้นหาต้นไม้มอนติคาร์โล

ตรวจสอบขั้นตอนการทำซ้ำ MCTS, การสำรวจ UCT, การจำลองการเปิดตัว, ตัวเลือกการย้ายรูท และวิธีที่ AlphaGo รวมการค้นหากับเครือข่าย

เส้นทางแนะนำที่เกี่ยวข้องค้นหาต้นไม้มอนติคาร์โล
คำถาม 1 ของ 8

สี่ขั้นตอนหลักในการวนซ้ำ Monte Carlo Tree Search มีอะไรบ้าง

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. สี่ขั้นตอนหลักในการวนซ้ำ Monte Carlo Tree Search มีอะไรบ้าง
    • การเลือก การขยาย การจำลอง การขยายพันธุ์แบบย้อนกลับ
    • จัดเรียง กรอง ผสาน ส่งออก
    • เข้ารหัส ถอดรหัส เข้าร่วม ทำนาย
    • ฝึกอบรม ตรวจสอบ ทดสอบ ปรับใช้
  2. สูตรการเลือก UCT มีความสมดุลอย่างไร
    • ความเร็วกับหน่วยความจำ
    • การใช้ประโยชน์จากการเคลื่อนไหวที่มีมูลค่าสูงเทียบกับการสำรวจการเคลื่อนไหวที่ไม่ได้รับการเข้าชม
    • การฝึกอบรมกับการอนุมาน
    • ความกว้างและความลึกของเครือข่าย
  3. ใน MCTS แบบคลาสสิก จะเกิดอะไรขึ้นระหว่างขั้นตอน 'การจำลอง' (การเปิดตัว)
    • ต้นไม้ถูกลบ
    • โครงข่ายประสาทเทียมได้รับการฝึกอบรมใหม่
    • เกมนี้เล่นโดยอาศัยผลลัพธ์จากโหนดใหม่
    • เด็กทุกคนได้รับการขยายในคราวเดียว
  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. หลังจากการวนซ้ำหลายครั้ง MCTS จะเลือกท่าสุดท้ายเพื่อเล่นอย่างไร
    • ลูกรากที่มีการเข้าชมมากที่สุด
    • การเคลื่อนไหวที่ได้รับรางวัลทันทีสูงสุด
    • เด็กสุ่ม
    • โหนดที่ลึกที่สุดในต้นไม้
  6. อะไรทำให้ MuZero โดดเด่นเมื่อเทียบกับ AlphaZero
    • มันไม่ใช้โครงข่ายประสาทเทียม
    • เรียนรู้แบบจำลองสภาพแวดล้อมของตัวเอง จึงสามารถวางแผนได้โดยไม่ต้องมีกฎเกณฑ์
    • มันเล่นได้เฉพาะ Go
    • มันละทิ้งการค้นหาต้นไม้
  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
    • การขยายพันธุ์กลับ
    • Expansion