单选题深度强化学习常用算法不包括（）。

A、 DQN

B、 PPO

C、 GAN

D、 A3C

由4l***ui提供分享举报纠错

相关试题

单选题自编码器中的解码器可以被用作生成器，这种应用方式与哪种生成模型有直接关系？

A、生成对抗网络（GAN）；

B、变分自编码器（variational auto-encoder）；

C、玻尔兹曼机；

D、马尔可夫链蒙特卡洛方法；

单选题在强化学习中，智能体从游戏开始到结束的整个过程称为什么？

A、回合（episode）；

B、奖励（reward）；

C、回报（return）；

D、损失（loss）；

单选题在元学习中，如何解决过拟合问题？

A、收集更多的训练数据；

B、收集更多的训练任务；

C、调整学习算法的参数；

D、增加验证集的样本；

单选题在知识蒸馏中，教师网络输出的分布为什么需要通过调整温度参数T来使其变得平滑？

A、为了使教师网络的分类结果更加准确；

B、为了让学生网络更容易学习到类别之间的相似性；

C、为了减少教师网络的计算量；

D、为了使教师网络的输出更接近学生网络的输出；

单选题领域泛化通常被分为哪两种情况？

A、训练数据包含多个领域，测试数据包含多个领域；

B、训练数据包含多个领域，测试数据包含单个领域；

C、训练数据包含单个领域，测试数据包含多个领域；

D、训练数据包含多个领域，测试数据包含单个领域，或训练数据包含单个领域，测试数据包含多个领域；

单选题领域偏移问题主要指的是什么情况？

A、训练数据和测试数据的分布相同，但模型表现不佳；

B、训练数据和测试数据的分布不同，导致模型在测试数据上表现不好；

C、模型的输入和输出分布相同，但它们之间的关系发生变化；

D、模型的输出分布发生变化，但输入分布保持不变；

单选题在终身学习过程中，模型在学会新任务后忘记之前任务的现象被称为什么？

A、灾难性遗忘；

B、多任务学习；

C、迁移学习；

D、持续学习；

单选题在强化学习中，智能体与环境互动的过程中，奖励函数的输入通常是什么？

A、只有动作；

B、只有状态；

C、状态和动作；

D、状态、动作和轨迹；