Quiz RL - Temporal Difference Algorithm

Dalam lingkup kajian Reinforcement Learning, Temporal Difference

Learning termasuk ...

• Model-based algorithm

• Model free algorithm

• Reward based algorithm

• Environment-based algorithm

Berikut pernyataan yang benar tentang Temporal Difference

Learning adalah...

• Model-based environment

• Agent belajar dari lingkungan melalui pemodelan lengkap

• Kombinasi dari Monte Carlo dan Dynamic Programming

• Tidak ada jawaban yang benar

Mengapa dikatakan bahwa Monte Carlo adalah ide dasar dari Temporal Difference Learning?

• Karena dalam Monte Carlo, value-nya dievaluasi tiap episode

• Karena pada algoritma Monte Carlo tidak perlu ada termination

• Karena Monte Carlo merupakan model free algorithm

• Karena setiap episode dalam Monte Carlo tidak independent

Berikut merupakan pernyataan yang benar tentang Temporal Difference Learning adalah...

• Bersifat episodik dalam melakukan evaluasi value-nya

• Bersifat non-episodik dalam melakukan evaluasi value-nya

• Tidak memiliki learning rate

• Bersifat independent, tidak bootstrapping

Apa yang menyebabkan Dynamic Programming (DP) merupakan ide dari Temporal Difference Learning (TDL)?

• DP dalam meng-update value-state harus menyelesaikan 1 episode

• DP dapat meng-update value-state per-step dari episode

• Semua kemungkinan transisi state tidak dipertimbangkan pada setiap step

• TDL tidak bersifat bootstrapping sebagaimana DP

Dua diantara pilihan berikut mana yang merupakan Temporal Difference Control adalah...

• Monte Carlo dan Dynamic Programming

• Markov Decision Process dan Monte Carlo

• SARSA dan Q-Learning

• SARSA dan Monte Carlo

Apa yang dimaksud dengan SARSA pada Temporal Difference Learning?

• Merupakan Action-Value function

• Off policy

• Update value secara episodik

• Semua jawaban benar

Dalam Temporal Difference Learning On policy adalah ciri dari...

• Monte Carlo

• Dynamic Programming

• Q-Learning

• SARSA

Mana yang benar tentang learning rate pada Temporal Difference Learning...

• Semakin besar nilainya (mendekati 1), maka semakin cepat dalam mencapai konvergensi

• Learning rate harus memperhatikan faktor error

• Learning rate harus sekecil mungkin (mendekati 0) agar pembelajaran lebih cepat

• Learning rate yang besar dapat meningkatkan akurasi

Dua dari peryantaan berikut mana yang benar tentang Model Free...

• Learning rate dan discount factor

• SARSA dan dynamic programming

• Memiliki label dalam model

• Value-based dan policy-based methods