登陆题目详情
单选题 如果某一"状态-动作对"(s,a)的Q值为负,说明( )
学科：默认课程
时间：2025-12-11 12:06:51
相关题目
相关作业
题目1单选题
如果某一"状态-动作对"(s,a)的Q值为负,说明( )A. 该动作在状态s下必然导致失败B. 执行该动作后,长期累积奖励的期望为负C. 环境对该动作的即时奖励一定为负D. 该状态s下没有任何有价值的动作
题目2单选题
对于下图中的x和y之间关系的建模,最适合的方法是( ). <img src="https://tihai-oss-cloud.itihey.com/img/7d71404c5a367fdb356eed1634901647.png">A. K-means聚类B. 线性回归C. 决策树D. 最近邻方法
题目3单选题
在实际应用中,找到损失函数的最小值非常困难,找到一个令人满意的( )就可以了A. 平均值B. 为0的值C. 较大的值D. 较小的值
题目4单选题
下列( )学习方式最能体现强化学习的试错特性A. 学生在课堂上听老师讲解数学公式并做习题B. 机器人在迷宫中不断探索,找到出口后获得奖励C. 利用标注好的图片训练图像识别模型D. 程序员手动编写代码实现特定功能
题目5单选题
以下最不可能是人工神经元组成部分的是( )A. 树突B. 激励函数C. 加权处理D. 输出矩阵
题目6单选题
需要手动调节学习率的优化器是( )A. ConvB. AdamC. SGDD. AdamW
题目7单选题
以下对人脑神经元数量量级估计最正确的是( )A. 10万B. 1亿C. 100D. 1000亿
题目8单选题
模型训练集上的平均损失函数越小说明( )A. 模型在测试集上表现一定越好B. 模型在所有数据上预测结果越接近真实结果C. 模型在训练集上预测结果越接近标签D. 模型性能所有数据上一定越差
题目9单选题
"策略(Policy)"在强化学习中扮演的角色是( )A. 定义环境的初始状态B. 决定智能体在给定状态下选择哪个动作C. 计算环境给予的奖励值D. 记录智能体的所有历史动作
题目10单选题
为了防止出现梯度消失,一般训练前初始化神经参数时,最不宜将参数初始化为( )A. 0B. 0.1C. 0.2D. 0.3
下载 题海APP
拍照搜题更快捷
- 海量题库
- 无搜索限制
- 快捷拍照搜题
