前言
本篇文章内容转载自知乎大佬回答(链接)
网址:https://zhuanlan.zhihu.com/p/335624695
博主也是RL新手,目前一边看论文,一边为找工作做一些准备工作。这是我的第一篇转载的文章,转载主要是为了自身的查找方便,并且准备在之后查资料对这些问题做出个人的解答。如果这些题目对你有帮助,请一定要给知乎原作者点个大大的赞!!!!
RL相关面试题:
- 介绍下MC和TD的不同
- 介绍下对DQN的了解,对Q值的理解,DQN是off-policy还是on-policy算法?
- 了解哪些DQN的改进技术?
- DDQN解决了什么问题,为什么产生了过估计?
- DuelingDQN的的改进以及好处是什么?
- PER中怎么改变损失函数的定义?
- PER以什么评判优先级?对PER的改进有哪些?
- 分布式DQN了解吗?
- 介绍下PG算法。
- 为什么PG方法必须是on-policy的?
- PG方法有什么问题?
- On-policy和off-policy的区别?
- AC算法和REINFORCE有什么区别?AC算法的好处是什么?
- Baseline为什么可以直接减去一个值而对策略迭代没什么影响?
- 介绍下重要性采样
- TRPO的优化目标是什么?
- TRPO求逆矩阵的方法是什么?
- PPO相比于TRPO的改进是什么?
- PPO处理连续动作和离散动作的区别?
- PPO的actor损失函数怎么算?
- Advantage大于0或者小于0时clip的范围?
- 有没有用过分布式ppo?一般怎么做底层通信?
- Vtrace算法了解吗?IMPALA相比于A3C的优势?
- GAE了解吗?两个参数哪个控制偏差哪个控制方差?
- 详细介绍下GAE怎么计算的。
- 常用的探索方法有哪些?
- 知道softQ吗?
- 强化学习做过图像输入的吗?
- 自博弈算法完全随机开始和有预训练模型的区别?
- 介绍纳什均衡
- 介绍蒙特卡洛搜索树
DL相关
- 对深度学习了解如何?
- 介绍神经网络:CNN和RNN等
- CNN和RNN分别适合什么场景?
- 介绍下LSTM
- BN在训练和测试时有什么不同?均值和方差怎么更新的?
- BN的参数是可学习吗?
- GBDT叶子结点的切分准则?
- 介绍熟悉的一种机器学习算法?
- 三通道CNN的卷积核参数计算?
- 说一下常用的激活函数,sigmoid的计算公式?
- relu效果比sigmoid好的原因是什么?
- softmax的计算公式是什么?
- 频率学派和贝叶斯学派的区别?
- 避免过拟合的方法有哪些?
- 了解过transformer吗?
- 对优化器了解的怎么样,介绍下主要的发展脉络?