人工智能学习-AI入试相关题目练习-第十次
- 1-前言
- 3-问题题目训练
- 【模擬問題①】（基礎・頻出）
- 問題1（最適探索・挖空）
- 【模擬問題②】（基礎・定番）
- 問題2（Q学習・挖空）
- 【予測問題①】（やや難・論理構造）
- 問題3（ベイズフィルタ・挖空）
- 【予測問題②】
- 問題4（教師あり・教師なし・強化学習・挖空）
- 4-练习（日语版本）解析
- 【模擬問題①】問題1（最適優先探索）
- 【模擬問題②】問題2（Q学習）
- 【予測問題①】問題3（ベイズフィルタ）
- 【予測問題②】問題4（学習手法の比較）
- ✅ 最终速查版（考试前 1 分钟用）
- ５-単語练习（日语版本）
- 5-总结
1-前言
为了应对大学院考试，我们来学习相关人工智能相关知识，并做各种练习。
通过学习，也算是做笔记，让自己更理解些。
3-问题题目训练
【模擬問題①】（基礎・頻出）
問題1（最適探索・挖空）
以下の文章を読み、空欄 (a) ～ (f) に適切な語句を記入せよ。
最適優先探索は、ヒューリスティック関数としての (a) を用いて探索を進める手法である。
探索では、候補ノードを保持する (b) と、すでに展開済みのノードを保持する © を用いる。
アルゴリズムでは、(b) から評価値が最も (d) ノードを取り出し、© に追加する。
各ノードの評価値は、実コスト g(s) と (e) に基づいて計算され、一般に
f(s) = g(s) + (f)
として定義される。
【模擬問題②】（基礎・定番）
問題2（Q学習・挖空）
以下の文章を読み、空欄 (a) ～ (g) に適切な語句を記入せよ。
Q学習では、状態 s において行動 a を選択したときの価値を表す (a) を学習する。
この値は、即時報酬 r と (b) における最大の Q 値を用いて更新される。
Q 値の更新式では、学習率を ©、割引率を (d) とし、
将来報酬の影響を (e) で調整する。
また、探索と活用のバランスをとるため、確率 (f) でランダム行動を選択し、
確率 (g) で greedy 行動を選択する手法が用いられる。
【予測問題①】（やや難・論理構造）
問題3（ベイズフィルタ・挖空）
以下の文章を読み、空欄 (a) ～ (h) に適切な語句を記入せよ。
ベイズフィルタは、時刻 t における状態 (a) を、
過去の観測 (b) と行動 © に基づいて推定する確率的手法である。
予測ステップでは、遷移モデル (d) を用いて状態分布を更新し、
観測更新では、観測モデル (e) に基づいて尤度を計算する。
正規化後の状態分布は (f) と呼ばれ、
全状態に対する確率の (g) が 1 となるように (h) が行われる。
【予測問題②】
問題4（教師あり・教師なし・強化学習・挖空）
以下の文章を読み、空欄 (a) ～ (i) に適切な語句を記入せよ。
教師あり学習では、入力データとそれに対応する (a) が与えられ、
誤差関数を最小化するようにモデルの (b) を更新する。
一方、教師なし学習では、(a) が与えられず、
データの © や (d) を抽出することを目的とする。
強化学習では、エージェントが環境と (e) を繰り返し、
報酬 (f) を最大化する方策 (g) を学習する。
このとき、状態遷移は (h) としてモデル化され、
最適方策は (i) に基づいて定義される。
4-练习（日语版本）解析
問題１：
a：h（ｓ）
b：g（ｓ）
c：f（ｓ）
b：連接のノード
d：コストが小さい
e:h(ｓ)
f:h(ｓ)
問題２：
a:オープンリスト
b:クロスりすと
c:e
d:pei
e:
f;1-e
問題3：
a:オープンリスト
b:クロスりすと
c:e
d:pei
e:
f;1-e
g:
h:
【模擬問題①】問題1（最適優先探索）
アンサー：
- (a)ヒューリスティック関数
- (b)オープンリスト
- ©クローズドリスト
- (d)小さい
- (e)ヒューリスティック関数
- (f)h(s)
👉 关键点：
- f(s) = g(s) + h(s)
【模擬問題②】問題2（Q学習）
アンサー：
- (a)Q値
- (b)次状態
- ©学習率
- (d)割引率
- (e)割引率
- (f)ε
- (g)1−ε
👉 ε-greedy 是必背组合
【予測問題①】問題3（ベイズフィルタ）
アンサー：
- (a)状態
- (b)観測
- ©行動
- (d)状態遷移モデル
- (e)観測モデル
- (f)事後確率
- (g)和
- (h)正規化
👉 (f)「事後確率」是预测题最容易漏的点
【予測問題②】問題4（学習手法の比較）
アンサー：
- (a)正解ラベル
- (b)パラメータ
- ©構造
- (d)特徴
- (e)相互作用
- (f)報酬
- (g)方策
- (h)確率モデル
- (i)価値関数
✅ 最终速查版（考试前 1 分钟用）
ヒューリスティック関数 / オープン / クローズ / 小さい Q値 / 学習率 / 割引率 / ε-greedy 状態 / 観測 / 行動 / 正規化 正解ラベル / パラメータ / 方策 / 価値関数５-単語练习（日语版本）
ヒューリスティック関数（（heuristic function））：用于“估计离目标还有多远”的函数。还没走、但估计要花的代价：h(s) ← 这就是ヒューリスティック関数
アルゴリズム（algorithm）：解决问题的“步骤流程”アルゴリズム = 计算机解决问题的规则和步骤
ランダム行動:不看好坏，随机选一个动作去做 选当前看起来 最好的动作（Q 值最大的）
ベイズフィルタ(Bayes Filter):用“过去怎么动 + 现在看到了什么”，来推测“现在处于什么状态”的概率方法 把“我刚才怎么走的”和“我现在看到了什么”结合起来，不给一个确定答案，而是给出“我在哪的概率分布”。
5-总结
知识一点点记录吧，最后应对考试，打下基础
