人工智能学习-AI入试相关题目练习-第十七次
- 1-前言
- 3-问题题目训练
- 4-练习（日语版本）解析
- 【問題3】空欄補充（概念問題）
-
- [① K-means](#① K-means)
- [② ベルマン方程式（強化学習）](#② ベルマン方程式（強化学習）)
- [③ 最急降下法（勾配法）](#③ 最急降下法（勾配法）)
- 【問題1】探索（オープンリスト／クローズドリスト）
-
- [ステップ4 の解答](#ステップ4 の解答)
- ステップ7（最終）
- 【問題2】ベイズの定理（ノートPC）
- [✅ 这一页「速记总结」](#✅ 这一页「速记总结」)
- 5-练习（日语版本）
- 問題1（K-means）
- 問題2（探索アルゴリズム）
- 問題3（強化学習・価値更新）
- [📊 总体判定（本页）](#📊 总体判定（本页）)
- [🔴 你现在最危险的点（必须马上修）](#🔴 你现在最危险的点（必须马上修）)
-
-
- [① **符号体系混用**](#① 符号体系混用)
- [② **术语必须完整**](#② 术语必须完整)
-
- 6-总结
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
4-练习（日语版本）解析
【問題3】空欄補充（概念問題）
① K-means
K-means 法では，データを (a) クラスタに帰属させ，その後に (b) を更新する。
答案
- (a) 最近の（最も近い）
- (b) クラスタ中心（代表点）
完整句
K-means 法では，データを最近のクラスタに帰属させ，その後にクラスタ中心を更新する。
② ベルマン方程式（強化学習）
強化学習におけるベルマン方程式では，© の状態価値を次の報酬と (d) の価値だけで定義する。
答案
- © 現在
- (d) 次状態
完整句
ベルマン方程式では，現在の状態価値を次の報酬と次状態の価値だけで定義する。
③ 最急降下法（勾配法）
最急降下法（又は勾配法）では，誤差が徐々に (e) ように，誤差関数の (f) を計算してパラメータを修正する。
答案
- (e) 減少する
- (f) 勾配
完整句
最急降下法では，誤差が徐々に減少するように，誤差関数の勾配を計算してパラメータを修正する。
【問題1】探索（オープンリスト／クローズドリスト）
ノード A から始め，左側から優先して探索する探索を行う。
グラフ構造（文字关系）
- A → B, C
- B → D
- C → E, F
ステップ4 の解答
| ステップ | オープンリスト | クローズドリスト |
|---|---|---|
| 4 | [C, D] | [A, B] |
ステップ7（最終）
| ステップ | オープンリスト | クローズドリスト |
|---|---|---|
| 7 | [] | [A, B, C, D, E, F] |
【問題2】ベイズの定理（ノートPC）
不良品と判明したとき，X である確率が 0.125。
正解選択肢
👉 ©
（对应条件：
P(X)=0.4，P(不良|X)=0.4，P(不良|Y)=0.7）
✅ 这一页「速记总结」
K-means：最近クラスタ → 中心更新
Bellman：現在状態 ← 報酬 + 次状態
勾配法：誤差を減少 ← 勾配
探索：Open = 未展開 / Close = 展開済5-练习（日语版本）
【模擬問題①】（既出近似：クラスタリング・最適化）
問題1
K-means 法では，データ集合をあらかじめ定めた (K) 個のクラスタに分割する。
この手法では，各データ点を (a) クラスタに帰属させた後，
各クラスタの (b) を再計算する操作を繰り返す。
このとき，最小化される目的関数は，
各データ点と対応するクラスタ中心との © の総和として定義される。
K-means 法は，この目的関数を単調に (d) させるが，
初期値によっては (e) に収束する可能性がある。
(a)～(e) に入る最も適切な語句を記せ。
【模擬問題②】（既出近似：探索アルゴリズム）
問題2
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 (a) 探索という。
この探索では，探索候補を保持する (b) と，
すでに展開済みのノードを保持する © を用いる。
初期状態は (b) に追加され，© は (d) に初期化される。
各反復では，(b) から評価値が最も (e) ノードを取り出し，
そのノードを © に追加する。
ここで用いられる評価値は，一般に実コストと
ヒューリスティック関数に基づいて定義される。
(a)～(e) に入る最も適切な語句を記せ。
【予測問題①】（新傾向：強化学習・価値更新）
問題3
強化学習において，状態 (s) における行動 (a) の価値を表す関数を
行動価値関数と呼び，通常 (a) と表記される。
Q 学習では，この値を用いて最適行動価値関数 (b) を推定する。
更新は，現在の報酬と © の行動価値を用いて行われ，
将来の報酬の影響は (d) によって調整される。
この更新を繰り返すことで，方策は最適方策へと (e) する。
(a)～(e) に入る最も適切な語句を記せ。
問題1（K-means）
题目回顾（核心句型）
- 最近のクラスタ
- クラスタ中心
- 距離の総和
- 単調減少
- 局所最小値
你的答案
- (a) 最近的
- (b) 中心
- © 距离
- (d) 削减 / 减少
- (e) 局部
判定
| 空 | 你的答案 | 正解 | 判定 | 说明 |
|---|---|---|---|---|
| (a) | 最近的 | 最近の | ○ | 语义正确 |
| (b) | 中心 | クラスタ中心 | △ | 少了「クラスタ」，可能扣 0.5 |
| © | 距离 | 距離 | ○ | 正确 |
| (d) | 削减 | 減少 | △ | 意思对，但术语不标准 |
| (e) | 局部 | 局所最小値 | ❌ | 术语不完整，通常不给分 |
問題1 得分估计
👉 2.5 / 5（不安全）
📌 立命馆这里很看重完整术语 ，
尤其是 「局所最小値」不能只写"局部"。
問題2（探索アルゴリズム）
正解关键词
- 最良優先探索
- オープンリスト
- クローズドリスト
- 空
- 小さい
你的答案
- (a) 最良优先
- (b) オープンリスト
- © クローズドリスト
- (d) 空
- (e) 小さい
判定
| 空 | 判定 | 说明 |
|---|---|---|
| (a) | ○ | 正确 |
| (b) | ○ | 正确 |
| © | ○ | 正确 |
| (d) | ○ | 正确 |
| (e) | ○ | 正确 |
問題2
🎉 满分 5 / 5
这是标准本番答案，完全没问题。
問題3（強化学習・価値更新）
正解结构（关键）
- (a) Q(s,a)
- (b) Q*
- © 次状態
- (d) 割引率
- (e) 収束
你的答案
- (a) ε
- (b) h(s)
- © 観測
- (d) g(s)
- (e) f(s)
判定（⚠️严重）
| 空 | 你的答案 | 正解 | 判定 | 说明 |
|---|---|---|---|---|
| (a) | ε | Q(s,a) | ❌ | 完全错概念 |
| (b) | h(s) | Q* | ❌ | 错 |
| © | 観測 | 次状態 | ❌ | 错 |
| (d) | g(s) | 割引率 | ❌ | 错 |
| (e) | f(s) | 収束 | ❌ | 错 |
問題3
🚨 0 / 5
📌 原因不是"记错"，而是
👉 把搜索算法 / 启发函数 / ε-greedy 的符号，混进了 Q 学习更新题
在立命馆，这是直接整题 0 分。
📊 总体判定（本页）
| 题号 | 得分 |
|---|---|
| 問題1 | 2.5 / 5 |
| 問題2 | 5 / 5 |
| 問題3 | 0 / 5 |
| 合计 | 7.5 / 15（不合格） |
🔴 你现在最危险的点（必须马上修）
① 符号体系混用
- h(s), g(s), f(s) → 搜索
- ε → 方策
- Q(s,a), γ → 强化学习
❌ 一混 = 整题 0 分
② 术语必须完整
- ❌ 局部
- ✅ 局所最小値
- ❌ 中心
- ✅ クラスタ
6-总结
知识一点点记录吧，最后应对考试，打下基础