【人工智能学习-AI入试相关题目练习-第十四次】

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