Bài kiểm tra có liên kết hướng dẫn · Trung bình Cấp độ
Câu đố tìm kiếm cây Monte Carlo
Kiểm tra các giai đoạn lặp lại MCTS, khám phá UCT, mô phỏng triển khai, lựa chọn di chuyển gốc và cách AlphaGo kết hợp tìm kiếm với mạng.
Câu hỏi 1 của 8
Bốn bước chính của quá trình lặp lại Tìm kiếm cây Monte Carlo là gì?
Xem trước mọi câu hỏi8 câu hỏi
Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.
- Bốn bước chính của quá trình lặp lại Tìm kiếm cây Monte Carlo là gì?
- Lựa chọn, mở rộng, mô phỏng, lan truyền ngược
- Sắp xếp, lọc, hợp nhất, xuất
- Mã hóa, giải mã, tham dự, dự đoán
- Đào tạo, xác nhận, kiểm tra, triển khai
- Công thức lựa chọn UCT cân bằng điều gì?
- Tốc độ so với bộ nhớ
- Khai thác các di chuyển có giá trị cao so với việc khám phá những di chuyển chưa được ghé thăm
- Đào tạo so với suy luận
- Chiều rộng so với độ sâu của mạng
- Trong MCTS cổ điển, điều gì xảy ra trong bước 'mô phỏng' (triển khai)?
- Cây bị xóa
- Mạng nơ-ron được huấn luyện lại
- Trò chơi diễn ra theo kết quả từ nút mới
- Tất cả trẻ em được mở rộng cùng một lúc
- 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
- Sau nhiều lần lặp lại, MCTS thường chọn nước đi cuối cùng để chơi như thế nào?
- Con gốc có nhiều lượt truy cập nhất
- Nước đi có phần thưởng ngay lập tức cao nhất
- Một đứa trẻ ngẫu nhiên
- Nút sâu nhất trong cây
- Điều gì khiến MuZero nổi bật so với AlphaZero?
- Nó không sử dụng mạng lưới thần kinh
- Nó học mô hình môi trường của riêng mình, vì vậy nó có thể lập kế hoạch mà không cần đưa ra các quy tắc
- Nó chỉ chơi cờ vây
- Nó từ bỏ tìm kiếm cây
- 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
- Lan truyền ngược
- Expansion