1.【单选题】 (C) 有跟环境进行交互 , 从反馈当中进行不断的学习的过程。
A 、 监督学习
B 、 非监督学习
C 、 强化学习
D 、 线性回归
典型的“鸡尾酒会”问题中，提取出不同人说话的声音是属于（A）
A.非监督学习
线性回归
监督学习
强化学习
3.【单选题】 Q 函数 Q(s,a) 是指在一个给定状态 s 下 , 采取某一个动作 a 之后 , 后续的各个状态所能得到的回报的 (A) 。
A 、 期望值
B 、 最大值
C 、 最小值
D 、 总和
在Q-Learning中，所谓的Q函数是指(A)
D.动作值函数
5.【单选题】在 ε-greedy 策略当中 ,ε 的值越大 , 表示采用随机的一个动作的概率越 (), 采用当前 Q 函数值最大的动作的概率越 (A) 。
A 、 大 ; 小
B 、 大 ; 大
C 、 小 ; 小
D 、 小 ; 大
6.【单选】在强化学习的过程中，学习率α越大，表示采用新的尝试得到的结果比例越____，保持旧的结果的比例越____。(B)
D.小；大
7.【单选题】在强化学习过程中 ,(A) 表示随机地采取某个动作 , 以便于尝试各种结果 ;() 表示采取当前认为最优的动作 , 以便于进一步优化评估当前认为最优的动作的值。
A 、 探索 ; 开发
B 、 开发 ; 探索
C 、 探索 ; 输出
D 、 开发 ; 输出
8.【单选题】强化学习中 ,(A) 主要探索未知的动作会产生的效果 , 有利于更新 Q 值 , 获得更好的策略。
A 、 探索
B 、 开发
C 、 输入
D 、 输出
9.【单选题】马尔可夫性质强调在每一个动作状态序列中 , 下一个状态与 (D) 有关。
A 、 外部影响
B 、 主体内因
C 、 历史状态
D 、 当前状态
10.【单选题】强化学习的回报值一个重要特点是具有 (D) 。
A 、 客观性
B 、 主体性
C 、 超前性
D 、 滞后性
11.【多选题】用于监督分类的算法有 (ABC) 。
A 、 支持向量机
B 、 决策树
C 、 神经网络
D 、 线性回归
12.【判断题】人工智能学习玩 Flappy Bird 过程中 , 只需要人类告诉 AI 不能碰到水管即可 , 不需要提供其他信息。 ( × )
13.【判断题】状态动作函数直接决定主体该采取什么决策。 (√ )
14.【填空】在支持向量机分类算法中，用于支撑两个类别最宽分解线的这些样本点称为_______。
填空:支持向量 或 support vector##%_YZPRLFH_%##Support Vector##%_YZPRLFH_%##Support vector