Taklit Öğrenme Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Taklit öğrenmede bir etmen davranışını nasıl kazanır?
   • Uzman gösterimlerini kopyalayarak bir politika öğrenmek
   • Rastgele keşif yoluyla elle tasarlanmış bir ödülü en üst düzeye çıkarmak
   • Bir sinir ağını küçük cihazlarda çalışacak şekilde sıkıştırma
   • Metin istemlerinden görseller oluşturma
2. Davranışsal klonlama taklit öğrenmeyi nasıl bir sorun olarak çerçeveliyor?
   • Denetimsiz kümeleme
   • Durumdan eyleme eşlemelerin denetimli öğrenimi
   • Düşman nesil
   • Ödül şekillendirme
3. Davranışsal klonlamanın uzun eylem dizilerinde başarısız olmasına neden olan sorun nedir?
   • Ödül fonksiyonuna aşırı uyum
   • Kodlayıcıda kaybolan degradeler
   • Dağıtım kaymasından kaynaklanan bileşik hata
   • Eski derslerin felaketle unutulması
4. DAgger algoritması bu zayıflığı nasıl gideriyor?
   • Uzmanı döngüden tamamen çıkararak
   • İndirim faktörünü artırarak
   • Tüm eylemlere rastgele gürültü ekleyerek
   • Öğrencinin gerçekte ziyaret ettiği durumlar hakkında uzmanı sorgulayarak ve bu verileri toplayarak
5. Araba kullanma gibi görevlerde neden taklit öğrenme takviyeli öğrenmeye tercih ediliyor?
   • Gösterilerin sağlanması, doğru bir ödül işlevinden daha kolaydır
   • Optimum davranışı garanti eder
   • Hiçbir zaman veriye ihtiyaç duymaz
   • Yalnızca çıkarımda daha hızlı çalışır
6. What is a realistic limitation of behavioral cloning when the agent reaches states outside the demonstrations?
   • It is guaranteed to improve beyond the expert
   • Its behavior is not guaranteed there because those states may be out of distribution
   • It can only produce random actions
   • It automatically queries an expert at every step
7. In one DAgger iteration, what does the learner do before requesting expert labels?
   • Deletes all earlier demonstrations
   • Trains only on randomly generated labels
   • Rolls out its current policy and records the states it actually visits
   • Replaces the expert policy permanently
8. After the expert labels the states visited by the current policy, what happens to that data?
   • It is used only as an evaluation metric
   • It replaces the original observation space
   • It is discarded after one gradient step
   • It is aggregated with previous labeled data for retraining