阿摩線上測驗
1 下列何者最適合訓練電腦下圍棋、自動駕駛等動態重複地互動的問題？
(A) "監督式學習 (Supervised Learning)"
(B) "非監督式學習 (Unsupervised Learning)"
(C) 半監督式學習 (Semi- supervised Learning)
(D) "強化學習 (Reinforcement Learning)"
答案：登入後查看
統計： A(37), B(12), C(12), D(484), E(0) #3434874
統計： A(37), B(12), C(12), D(484), E(0) #3434874
詳解 (共 3 筆)
jacky chou
#6603041
在訓練電腦下圍棋、自動駕駛等動態重複互動的問題中，最適合的學習方法是：
(D) 強化學習 (Reinforcement Learning)
理由
- 強化學習 是一種通過與環境互動來學習的方式，系統會根據行動的結果獲得獎勵或懲罰，從而調整其策略以最大化長期獎勵。
- 在圍棋和自動駕駛中，這些系統需要不斷地進行決策，並根據環境的變化來調整行為，這正是強化學習的強項。
其他選項的適用性：
- 監督式學習：需要標記數據，主要用於靜態問題。
- 非監督式學習：用於從未標記數據中尋找模式，對於動態互動的場景不太適合。
- 半監督式學習：結合了監督式和非監督式學習，但仍不如強化學習適合於動態互動的環境。
2
0
SUYA88888888
#6630969
依據CHATGPT 的回覆: 由於圍棋是用於解決動態互動 長期策略 探索與利用 不適合純靜態資料分類 等監督非監督式學習，適合強化學習。
0
0