填空题20’
1.搜索的五要素
2.逻辑回归损失函数
3.函数f的近似值h，评价h的优劣：完备性、准确性、复杂性
4.遗传算法的东西：交叉、什么和什么
5.神经网络的隐藏层的：1和2可以减少参数的数量。局部连接和权值共享
6.代数间隔公式
7.对输入变量x做变换变为n维的过程：特征提取函数。
8.什么是马尔可夫性
9.还有一个好像是求样本(x,y)的残： w ⋅ ϕ ( x ) − y w \cdot \phi(x) - y w⋅ϕ(x)−y
10.优化问题建模为搜索问题，初始状态还是状态来着是什么？
判断题10’
10个判断题一个一分，记不得有什么了，好像大部分都是对的
简答题70’
前4个题每题10分。
1（10‘）.举一个蒙特卡洛搜索树的例子，详细介绍计算细节。
2（10‘）.什么是子博弈？什么是子博弈精炼纳什均衡。
3（10‘）.详细介绍爬山法和模拟退货算法及其差异。
4（10‘）.强化学习中的 Q ( ⋅ ) Q(\cdot) Q(⋅) 和 V ( ⋅ ) V(\cdot) V(⋅) 分别是什么？什么差异？
12分
5（12‘）.
a.正则化的目的？4’
b.详细说明两个正则化方法，可以用文字，也可以用公式？8’
18分
6（18‘）.
a.注意力机制、自注意力机制、交叉注意力机制分别是什么？有什么差异？
b.注意力机制计算公式： a t t = s o f t m a x ( Q ⋅ K T d k ) ⋅ V att = softmax(\frac{Q \cdot K^T}{\sqrt{d_k}}) \cdot V att=softmax(dkQ⋅KT)⋅V。公式的填空，并给出Q、K、V的维度。
c.上面公式中除以 d k \sqrt{d_k} dk 的原因？
