人工智能学习-AI入试相关题目练习-第十四次
- 1-前言
- 3-问题题目训练
- 【模擬問題①】（既出近似：探索アルゴリズム）
- 問題1
- 【模擬問題②】（既出近似：Q学習・方策）
- 問題2
- 【予測問題①】（新傾向：確率的推論・状態推定）
- 問題3
- 【予測問題②】（新傾向：汎化性能・評価手法）
- 問題4
- 4-练习（日语版本）解析
- 【模擬問題①】問題1（最良優先探索）
- 【模擬問題②】問題2（Q学習・方策）
- 【予測問題①】問題3（確率的推論・状態推定）
- 【予測問題②】問題4（汎化性能・評価）
- 速查（考前 30 秒）
- 5-练习（日语版本）
- 【最良優先探索】
- 【方策（Q学習）】
- グリーディ法
- ε-グリーディ法
- ボルツマン選択
- 【粒子フィルタ】
- 【ベイズフィルタ】
- ✅ 全空欄まとめ（速查版）
- 6-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】（既出近似：探索アルゴリズム）
問題1
探索問題において，評価値に基づいて探索順序を決定する手法を最良優先探索という。
この手法では，探索候補を保持する (a) と，すでに展開済みのノードを保持する (b) を用いる。
初期状態は (a) に追加され，(b) は © に初期化される。
探索の各反復では，(a) から評価値が最も (d) ノードを取り出し，(b) に追加する。
また，展開によって得られた未探索ノードは (a) に追加され，
( a ) 内のノードは評価値 (e) に基づいて並び替えられる。
ここで用いられる評価値は，一般に実コスト (f) と
ヒューリスティック関数 (g) を用いて定義される。
(a)～(g) に入る最も適切な語句を記せ。
【模擬問題②】（既出近似：Q学習・方策）
問題2
Q学習では，状態 s における行動 a の価値を表す関数を (a) と呼ぶ。
この値は，報酬と (b) の情報を用いて逐次的に更新される。
行動選択のための方策として，常に最も Q 値が © 行動を選択する方法を
(d) 法という。
一方，探索と活用のバランスをとるため，
確率 (e) でランダムに行動を選択し，確率 (f) で
(d) 法に基づく行動選択を行う方法が用いられる。
(a)～(f) に入る語句を記せ。
【予測問題①】（新傾向：確率的推論・状態推定）
問題3
実環境で動作する知能システムでは，観測情報に (a) が含まれるため，
現在の状態を正確に把握できない場合がある。
このような状況では，状態を単一の値ではなく (b) として表現し，
観測が得られるたびにその分布を更新する手法が用いられる。
この更新処理は，© ステップと (d) ステップから構成され，
前者では状態遷移モデルに基づいて分布を推定する。
後者では観測モデルを用いて (e) を計算し，
分布の総和が 1 となるように (f) を行う。
(a)～(f) に入る最も適切な語句を記せ。
【予測問題②】（新傾向：汎化性能・評価手法）
問題4
機械学習モデルは，学習データに対して高い性能を示しても，
未知データに対して同様の性能を示すとは限らない。
このような現象は，モデルが学習データに過度に適合することによって生じ，
一般に (a) と呼ばれる。
(a) が生じると，モデルの (b) が低下するため，
学習時にはモデルの複雑さを制御する © が導入される。
また，モデルの性能を評価するため，
データを分割して学習と評価を繰り返す方法として (d) が用いられる。
さらに，学習途中で性能悪化を検知して学習を停止する手法を (e) という。
(a)～(e) に入る語句を記せ。
4-练习（日语版本）解析
【模擬問題①】問題1（最良優先探索）
- (a)オープンリスト（开放表/候选列表）
- (b)クローズドリスト（关闭表/已展开列表）
- ©空（空/空集合）
- (d)小さい（最小的）
- (e)f(s)（评价函数值）
- (f)g(s)（实际代价）
- (g)h(s)（启发式函数）
【模擬問題②】問題2（Q学習・方策）
- (a)Q値（行動価値関数）（Q 值/动作价值函数）
- (b)次状態（下一状态）
- ©最大（最大的）
- (d)グリーディ（贪婪）
- (e)ε（ε）
- (f)1−ε（1−ε）
【予測問題①】問題3（確率的推論・状態推定）
- (a)ノイズ（噪声）
- (b)確率分布（概率分布）
- ©予測（预测步骤）
- (d)観測更新（观测更新/修正步骤）
- (e)尤度（似然）
- (f)正規化（归一化/规范化）
【予測問題②】問題4（汎化性能・評価）
- (a)過学習（オーバーフィッティング）（过拟合）
- (b)汎化性能（泛化性能）
- ©正則化（正则化）
- (d)交差検証（交叉验证）
- (e)早期終了（Early Stopping）（早停/提前停止）
速查（考前 30 秒）
Open / Close / 空 / 小さい / f(s)=g(s)+h(s) Q値 / 次状態 / 最大 / グリーディ / ε / 1−ε ノイズ / 確率分布 / 予測 / 観測更新 / 尤度 / 正規化 過学習 / 汎化性能 / 正則化 / 交差検証 / 早期終了5-练习（日语版本）
【最良優先探索】
最良優先探索のアルゴリズム
- (a)オープンリスト
- (b)クローズドリスト
- ©オープンリスト
【方策（Q学習）】
グリーディ法
- (d)最大
ε-グリーディ法
- (f)ε
- (g)1−ε
ボルツマン選択
- (h)ボルツマン
【粒子フィルタ】
- (i)近似
- (j)確率
【ベイズフィルタ】
ベイズフィルタのアルゴリズム
- (i)a_t−1
- (j)正規化
✅ 全空欄まとめ（速查版）
(a) オープンリスト (b) クローズドリスト (c) オープンリスト (d) 最大 (f) ε (g) 1−ε (h) ボルツマン (i) 近似 (j) 確率 (i) a_t−1 (j) 正規化6-总结
知识一点点记录吧，最后应对考试，打下基础
意大利会场)
