Ποιο στοιχείο αφορά την εκτίμηση της μελλοντικής ανταμοιβής σε μια κατάσταση;

Ποια τεχνική συνδυάζει εκτίμηση αξίας και άμεση επιλογή ενεργειών;

Στα Συστήματα Πολλαπλών Πρακτόρων (Multi-Agent Systems), οι πράκτορες μπορούν να:

Ποιο είναι το κύριο πρόβλημα που αντιμετωπίζεται με το δίλημμα εξερεύνησης–εκμετάλλευσης;

Ποιο είδος μάθησης χρησιμοποιεί συνεχώς μεταβαλλόμενες στρατηγικές των άλλων πρακτόρων;

Ποια μέθοδος βελτιώνει άμεσα την πολιτική με βάση τον υπολογισμό παραγώγου;

Στην Ιεραρχική Ενισχυτική Μάθηση, οι στρατηγικές:

Ποια είναι βασική πρόκληση της Βαθιάς Ενισχυτικής Μάθησης σε μεγάλα περιβάλλοντα;

Ποια τεχνική επιτρέπει τη μάθηση σε πολυπλοκότερα περιβάλλοντα με νευρωνικά δίκτυα;

Στην Ενισχυτική Μάθηση, οι ανταμοιβές δίνονται πάντα σε κάθε ενέργεια. Επίλεξε Σωστό ή Λάθος.

Τα Συστήματα Πολλαπλών Πρακτόρων απαιτούν πάντα συνεργασία μεταξύ των πρακτόρων. Επίλεξε Σωστό ή Λάθος.

Στη Βαθιά Ενισχυτική Μάθηση χρησιμοποιούνται νευρωνικά δίκτυα για την εκτίμηση στρατηγικών. Επίλεξε Σωστό ή Λάθος.

Το περιβάλλον σε ένα σύστημα Ενισχυτικής Μάθησης είναι πάντα στατικό και αμετάβλητο. Επίλεξε Σωστό ή Λάθος.

Το Exploration-Exploitation Dilemma αναφέρεται στο πώς να επιλέγουμε ανάμεσα σε νέες ή γνωστές ενέργειες. Επίλεξε Σωστό ή Λάθος.

Τα συστήματα Ενισχυτικής Μάθησης δεν μπορούν να προσαρμοστούν σε περιβάλλοντα υψηλής αβεβαιότητας. Επίλεξε Σωστό ή Λάθος.

Ένα σύστημα Actor-Critic περιλαμβάνει δύο υποσυστήματα: έναν εκτελεστή και έναν κριτή. Επίλεξε Σωστό ή Λάθος.

Η Ιεραρχική Ενισχυτική Μάθηση βοηθά στη διάσπαση περίπλοκων προβλημάτων σε υποπροβλήματα. Επίλεξε Σωστό ή Λάθος.

Στη μάθηση βάσει τιμής, ο πράκτορας επιλέγει πάντα την ενέργεια με τη μικρότερη αναμενόμενη ανταμοιβή. Επίλεξε Σωστό ή Λάθος.

Οι βαθιές ενισχυτικές μέθοδοι χρησιμοποιούνται ευρέως σε εφαρμογές έξυπνης διαχείρισης ενέργειας. Επίλεξε Σωστό ή Λάθος.