循环神经网络按时间展开后就可以通过反向传播算法训练了

改进FF网络流算法，可以选择好的增广路径，使

A、有效的发现增广路径.

B、迭代次数减少

C、存储空间减少

D、算法复杂度降低

网络计划时间参数计算方法有图算法、表格法和（）

A. 定性法

B. 特尔菲法

C. 因果法

D. 矩阵法

反向传播算法中需要先计算靠近输入层参数的梯度，再计算靠近输出层参数的梯度

训练算法的目的就是要让模型拟合训练数据

强化学习基本要素有哪些？

A、状态、动作、奖励

B、状态、动作、折扣因子

C、动作、折扣因子、奖励

D、状态、奖励、探索策略

不需要建模环境，等待真实反馈再进行接下来的动作，这是哪种强化学习算法

A、Model-free方法

B、Model-based 方法

C、Policy-based 方法

D、Value-based 方法

Q-learning属于哪种算法

A、On-policy算法

B、Off-policy 算法

C、Model-based 算法

D、Value-based 算法

马尔科夫决策过程由哪几个元素来表示

A、状态、动作、转移概率、策略、折扣因子

B、状态、动作、转移概率、折扣因子、回报函数

C、状态、动作、输入、输出、回报函数

D、状态、动作、值、策略、回报函数

如果我们的机器（或智能体）每次训练更新的损耗会比较大，我们更倾向于选择哪种算法

A、Sarsa

B、Q-learning

C、两者都可以

D、两者都不行

关于episode说法错误的是

A、一个episode就是一个从起始状态到结束的经历

B、蒙特卡洛方法需要很少的episode就可以得到准确结果

C、TD方法每次更新不需要使用完整的episode

D、蒙特卡洛的方法需要等到整个episode结束才能更新