登陆题目详情
单选题 与马尔可夫奖励过程相比,马尔可夫决策过程引入了哪一个新的元素( )
![[智慧共享课]人工智能引论课程封面](https://tihai-oss-cloud.itihey.com/img/d7ea7086329261ddbccb0e9e00c955b1.jpg)
学科：[智慧共享课]人工智能引论
时间：2024-05-09 00:56:22
相关题目
相关作业
题目1单选题
在本章内容范围内,"在状态<img src="https://tihai-oss-cloud.itihey.com/img/5e543256c480ac577d30f76f9120eb74.webp">,按照某个策略行动后在未来所获得回报值的期望",这句话描述了状态<img src="https://tihai-oss-cloud.itihey.com/img/5e543256c480ac577d30f76f9120eb74.webp">的( B );"在状态<img src="https://tihai-oss-cloud.itihey.com/img/5e543256c480ac577d30f76f9120eb74.webp">,按照某个策略采取动作<img src="https://tihai-oss-cloud.itihey.com/img/5e543256c480ac577d30f76f9120eb74.webp">后在未来所获得回报值的期望",这句话描述了状态<img src="https://tihai-oss-cloud.itihey.com/img/5e543256c480ac577d30f76f9120eb74.webp">的( )A. 策略优化B. 价值函数C. 动作-价值函数D. 采样函数
题目2单选题
与马尔可夫奖励过程相比,马尔可夫决策过程引入了哪一个新的元素( )A. 反馈B. 动作C. 终止状态D. 概率转移矩阵
题目3单选题
在强化学习中,哪个机制的引入使得强化学习具备了在利用与探索中寻求平衡的能力( )A. <img src="https://tihai-oss-cloud.itihey.com/img/5e543256c480ac577d30f76f9120eb74.webp">贪心策略B. 蒙特卡洛采样C. 动态规划D. 贝尔曼方程
题目4单选题
在强化学习中,通过哪两个步骤的迭代,来学习得到最佳策略( )A. 价值函数计算与动作-价值函数计算B. 动态规划与Q-LearningC. 贪心策略优化与Q-learningD. 策略优化与策略评估
题目5单选题
下面对强化学习、监督学习和深度卷积神经网络学习的描述正确的是( )A. 评估学习方式、有标注信息学习方式、端到端学习方式B. 有标注信息学习方式、端到端学习方式、端到端学习方式C. 评估学习方式、端到端学习方式、端到端学习方式D. 无标注学习、有标注信息学习方式、端到端学习方式
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
