当前位置:首页 > 建站教程 > 金融资讯平台
作者:华乙辛
来源:桂平市地图
发布时间:2019-08-18

金融资讯平台

深度强化学习中的好奇心

    本文是AI研究所编写的一个技术博客。最初的标题是《深层强化中的好奇心》。

    本文是AI研究所编写的一个技术博客。最初的标题是:

    深度强化学习的好奇心

    作者|迈克尔·克莱尔

    翻译|缩写2018

    校对|酱梨涂饰|菠萝女孩

    链接到原始文本:

    Http://towardsdata..com/holio.-in-.-.ment-.-.-.-network-.llation-747b322e2403

    深度强化学习中的好奇心

    早期密集学习的困难任务之一,Montezuma的复仇,在探索随机网络蒸馏方面取得了重大突破(来源:Parker兄弟博客)。

    Atari游戏是深层强化学习(RL)算法的一个流行的基准任务。Atari很好地平衡了简单性和复杂性:一些游戏(如Pong)是如此简单,以至于它们可以通过基本算法(如一般策略梯度)来解决,而其他游戏则足够复杂以至于可以击败甚至最先进的算法。

    在最简单和最复杂的游戏之间的一系列有用的任务已经成为许多深入加强学习研究论文的核心。

    来自OpenAI博客。

    前者“未解决”的阿塔里游戏,蒙提祖马的复仇,最近已经解决了一个算法(在某种程度上),可以在得分上超过人类表现。研究人员可以鼓励代理人在1级探索不同的房间,这是赢得游戏积分的好方法。

    通过好奇心探索

    人类在玩冒险游戏时有一种内在的探索欲望,比如蒙提祖玛的复仇。游戏设计者构建这样的游戏来鼓励这种行为,通常需要玩家在继续游戏之前进行探索。这就是为什么冒险游戏很有趣。(问任何喜欢玩天空游戏的人。)

    像Montezuma的《复仇》或《天空》这样的冒险游戏充分利用了玩家探索的自然欲望,使得探索成为游戏任务的关键部分。

    深度强化学习算法执行“探索”的典型方法是通过随机策略:从神经网络提供的动作似然分布中随机采样动作。因此,特别是在早期阶段(当策略没有时间收敛时),它是随机行动的明显选择。

    这种方法在某些情况下是有效的。例如,Pong的解决方案是随机旋转桨并观察结果。幸运的是,球偏转可以启动优化。

    在像蒙特祖马的复仇游戏中,这种方法是不可行的。想象一下,从游戏的开始,化身随机地左右移动,随机地跳跃。结果,化身掉进熔岩中或直接进入敌人而没有获得点数。没有积分或奖励,算法无法得到优化的信号。

    那你会随便甩一甩吗?祝你好运。

    好奇

    重点放在寻找更好的探索方法上。基于好奇心的探索可以看作是激发人类玩家好奇心的一种尝试。

    但是,我们如何创建一个好奇的代理呢?

    有很多方法可以实现这个想法。其中之一,甚至使用下一个状态预测,由于其简单性和可伸缩性而很有趣。

    其基本思想是同时培养独立的预测模型和策略模型。预测模型输入所观测到的当前状态和所选择的动作,并对下一次观测进行预测。

    为了探索足够的轨迹,我们假设损失很小(因为我们通过监督学习不断开发预测模型);对于探索不足的轨迹,我们假设损失很大。

    那么,我们能做的就是创建一个新的奖励函数(称为“内在奖励”),它提供与预测模型的损失成比例的奖励。因此,当探索新的轨迹时,代理接收到强烈的奖励信号。

    (a)一级学习探索(b)二级快速探索

    使用马里奥模拟器任务(来源)中的下一个预测,学习探索从第一级的好奇心转移到第二级的快速探索。

    这项技术在超级马里奥模拟器中产生了一些令人鼓舞的结果。

    拖延症代理人:电视问题

    这项技术并不完美。一个已知的问题是代理被环境中的随机或噪声元素所吸引。这种时钟情况有时被称为“白噪声”问题或“电视问题”;也称为“拖延”。

    为了证明这种效果,设想一个代理人通过观察他所看到的像素来学习在迷宫中导航。

    下一状态预测引起代理人学习成功导航迷宫的好奇心。

    代理人很好地完成了任务;他开始寻找迷宫中未被探索的部分,因为他有能力在探险丰富的地区做出好的预测(或者换句话说,他不能在未开发地区做出好的预测)。

    现在在迷宫的墙上放一个“电视”,快速连续地显示随机选择的图像。由于图像的随机来源,代理不能准确预测接下来会出现什么图像。该预测模型将产生高损耗,从而为代理商提供高“内在”回报。最终的结果是,特工们倾向于停止看电视,而不是继续探索迷宫。

    在环境(源)中,当代理人面对电视或随机噪声源时,下一个状态预测引起代理人的好奇心,最终导致“拖延”。

    为了避免延误,采用随机网络蒸馏。

    OpenAI的一些优秀人员最近发表了一篇论文,提出了噪声电视问题的解决方案,探讨了随机网络蒸馏(RND)。

    这里的新思想是将类似的技术应用到下一个状态预测方法,但是消除对先前状态的依赖。

    下一状态预测相对于RND(源)的概述。

    RND并不预测下一个状态,而是观察下一个状态并试图预测下一个状态。这是一个非常微不足道的预测,不是吗?

    RND随机网络的目的是采用这种小的预测任务,并将其转化为硬预测任务。

    使用随机网络

    这是一个聪明但违反直觉的解决方案。

    其思想是我们使用随机初始化神经网络将观测值映射到潜在的观测向量。函数本身的输出并不重要;重要的是,我们有一些未知的确定性函数(随机初始化的神经网络),以某种方式转换观测值。

    因此,我们的预测模型的任务不是预测下一个状态,而是预测给定观测状态的未知随机模型的输出。我们训练该模型使用随机网络输出标签。

    当代理处于熟悉的状态时,预测模型应该能够很好地预测随机网络的期望输出。当智能体对状态不熟悉时,预测模型会对随机网络的输出做出较差的预测。

    通过这种方式,我们可以定义一个内在的奖励函数,它再次与预测模型的损失成比例。

    内部报酬计算的概念概述。只使用下一个观察状态。

    这可以解释为“新奇性检测”方案,其中当进行新的观测或不熟悉的观测时,预测模型具有较高的计算损失。

    作者使用MNIST作为这个概念的证明。在本实验中,他们通过随机初始化神经网络提供MNIST样字符。然后,在给定的输入条件下,它们训练并行网络来预测随机网络的输入。如预期,当目标类的训练样本数量增加时,它们将看到目标类被并行网络丢失。

    数据2:MNIST上的新奇性检测:预测器网络模拟随机初始化的目标网络。训练数据包括不同比例的图像和目标类别与“0”类别。每个曲线都表示MSE测试显示的目标类的训练用例的数量(对数)。

    论文对MNIST概念进行了验证。

    这样,当代理看到随机噪声源时,它不会被卡住。它不需要试图预测屏幕上下一个不可预测的帧,只需要知道这些帧是如何通过随机网络转换的。

    探寻蒙太祖玛的复仇

    由于解决方法不佳,以往的状态预测的好奇机制并不能解决蒙台梭玛的复仇问题,但RND似乎已经克服了这些问题。

    好奇心驱使的代理人探索房间,学习收集钥匙,这样他们就可以打开新房间。

    尽管取得了这样的成功,但是代理仅“偶尔”通过了一级。这是因为通过最后一道门来完成检查点,需要严格管理密钥的使用。需要内部状态模型(如LSTM)来克服这一障碍。

    因此,虽然RND已经允许代理人在得分上超过一般人的表现,但是在掌握游戏之前还有很长的路要走。

    这是关于深度强化学习算法的实验的一系列文章的一部分。查看本系列以前的一些帖子:

    理解演进的战略梯度。

    感谢卢多维奇·本尼斯坦特。

    要继续查看本文的链接和参考资料吗?

    长时间点击链接打开或点击底部[好奇心在深度强化学习]:

    Http://ai.yanxishe.com/page/Text./1363

    AI协会每天更新精彩内容,观看更多精彩内容:雷锋网、雷锋网和雷锋网。

    五大CNN架构

    深度强化学习中的好奇心

    使用Pytorch进行深度学习(第一部分)手柄:使用PyTorch实现图像分类器(第二部分)

    等待您翻译:

    如何为初学者聚类混沌数据以使用Keras进行迁移学习增强学习:对于情绪行为系统,如果你想学习数据科学,这七个资源不能错过

当前文章:http://www.iyuki.net/s8q/280473-1002455-35285.html

发布时间:08:21:21

广州设计公司  工业设计  工业设计  广州产品设计  万彩吧  广州工业设计  广州产品设计  二四六彩  广州工业设计  广州设计  产品设计  

{相关文章}

四川一8岁小学生没上课 校长带老师找到家里结果救了3条命

    12月10日,四川省巴中市平昌县响滩小学老师发现,8岁的二年级学生小宏(化名)没有来上课,家长也联系不上。老师们到学校附近寻找无果后,赶到小宏的家。但家中也门窗紧闭,老师和村民们借来两把梯子,翻窗进入屋内,在一楼一房间内,找到已经昏迷的3人:小宏及其家人。众人一起将3人救出送往找规律题_白脱牛奶网医院,经诊断确认为一氧化碳中毒。

     进入房间的玻璃窗户

    

     小宏回忆,当天大姨婆到家里来,说冷,婆婆就弄了个火盆,把烧木材剩下的碳火端进房间后,3人中毒。目前,小宏和其大姨婆已出院,婆婆转入巴中市区中心医院继续治疗。

     8岁孩子没到校 家人也联系不上

     12月10日上午8时许,巴中市平昌县响滩小学二年级4班班主任李娜到教室查看学生到校情况,她发现学生小宏的位置空缺,随即在家长群询问情况。“但是一直没有人回复,然后给小宏父亲联系,停机,给婆婆打电话也没有接。”李娜说。

     没联系到人后,李娜组织同事和学生到学校附近的工地、超市、小吃店寻找,均无小宏踪影。感觉到事情的严重性,她立即向学校副校长王海军和校长周小波汇报情况。

     校长周小波介绍,在多处遍寻无果后,他们只有和村上联系孔径分析仪_我是春天的小雨点作文网,询问情况。随后电视剧神医喜来乐_上柴股份股吧网,周小波和副校长王海、班主任李娜前往几公里外五岭村的小宏家,同时联系镇派出所请求支援,向主管部门报告情况。

     五岭村支部书记张军德介绍,接到校长电话后,他先来到小宏家,发现大门紧闭,敲门也无人应答,问了附近的邻居也没有见小宏一家人出门。

     据了解,小宏的父母在外打工,平时只有他和婆婆一起生活。“我们在家外通过拨打婆婆的电话,只听见在屋里响,就是没有人接电话,心想多半出事做棉花糖_除夕之夜网了。”张军德说。

     翻窗入户 救了三人性命

     小宏家新修的房屋共三层,负一层,一层和二层,除了一楼侧面和二楼的玻璃窗外,其余窗户都安装上防护栏。而一楼的玻璃窗从屋外无法直接进入房屋,负一楼离一楼玻璃讲师视频_蠕动泵管网窗有8米左右高。

     房屋窗户被防护栏包围

    

     情况紧急,只有砸了玻璃窗户进屋救人,但是怎样翻入离地8米高的窗户?张军德介绍,他们估计小宏在家里,但进不了屋,救不了人,大家心里都着急。后来还是村民陈代荣从窗户翻入房内救了人。

   &nbs菲律宾美人鱼_复旦大学微博网p; 记者联系上村民陈代荣,他介绍,当时自己正好路过,看见有很多人围在小宏屋前,没有人进得了屋,屋里人也喊不答应,“只有翻窗户了”。

     据介绍,陈代荣从附近居民家中借来两把梯子,在现场把两把梯子用绳索连接在一起,从负一楼搭载到一楼玻璃窗处,翻入了一楼的厨房。他说,一楼的多个房间关闭,逐一打开后,他在房屋大厅左边最里面的一间关闭的房间内,发现三人倒在床上,分别是小宏、小宏的婆婆及其大姨婆。

     床铺

    

     陈代荣回忆,当时自己先打开窗户,抱着小宏婆婆摇了摇,看到她嘴角动了,随后,小宏的嘴角也动了。

     之后,陈代荣打开大门,外面的人进屋帮忙,先把小孩抬到屋外,两老人也陆续被抬出。几分钟后,120救护车赶到现场为三人急救。

     张军德之后进屋发现,房间内有一盆木炭,离床30公分左右。而经过医生诊断,3人是一氧化碳中毒。

     医生救援现场

    

     亲戚说冷 将火盆端进了卧室

     事情已经发生半个月,小宏的大姨婆已经出院,婆婆也转入普通病房,但还需要继续治疗。

     12月25日,红星新闻记者来到小宏家,小宏妈妈说,事发当天中午12点接到消息说家里人中毒,夫妻俩立即从福建赶回到平昌县人民医院照顾两婆孙。“上周星期四(12月20日),小宏才出院”。小宏妈妈说。

     小宏父亲在电话中告诉记者,12月24日,小宏婆婆从平昌县人民医院转院到巴中市区医院做高压氧治疗,目前他还在医院照顾老人。

     对于这场意外,小宏说,12月9日,大姨婆来到自己家玩,“到了晚上,大姨婆说冷,婆婆就用盆装着烧木材剩下的炭火端入卧室取暖,第二天3人就起不了床(中毒)了。”

     小宏妈妈介绍,平时家人冬天没有烤火的习惯。小宏也说,之前家中确实没有烤过火,这是第一次。

     小宏父亲介绍,60多岁的老母亲不懂烤火盆的危险性,没有想到第一次烤火就出事。他表示,这次要感谢学校的老师发现及时,也非常感谢村民参与救人,不然,家中3人都有可能出现生命危险。

     红星新闻记者 张杨 摄影报道

     编辑 陈怡西

     the end免责声明:本文来自腾讯新闻客户端自媒体,不代表腾讯网的观点和立场。

  • 本文标签:
  • 现代汽车途胜
https://www.c8.cn/ylsj/lnkl12.htmlhttps://www.c8.cn/ylsj/jlk3.htmlhttps://www.c8.cn/ylsj/cqssc.htmlhttps://www.c8.cn/zst/dlt/hqcs.htmlhttps://www.c8.cn/zst/dlt/chuliuzs.htmlhttps://www.c8.cn/zst/dlt/qqws.htmlhttps://www.c8.cn/zst/dlt/zxsh.htmlhttps://www.c8.cn/zst/dlt/jozs.htmlhttps://www.c8.cn/zst/dlt/dqzs.htmlhttps://www.c8.cn/zst/dlt/zhbzs.htmlhttps://www.c8.cn/zst/qlc/chusizs.htmlhttps://www.c8.cn/zst/qlc/wszs.htmlhttps://www.c8.cn/zst/qlc/zmzs.htmlhttps://www.c8.cn/zst/qlc/jofb.htmlhttps://www.c8.cn/zst/pl5/dxjo2.htmlhttps://www.c8.cn/zst/pl5/chtz.htmlhttps://www.c8.cn/zst/pl3/qmfb.htmlhttps://www.c8.cn/zst/pl3/lmfb.htmlhttps://www.c8.cn/zst/pl3/dxfx.htmlhttps://www.c8.cn/zst/6cai/tmhs.htmlhttps://www.c8.cn/zst/6cai/sanmzs.htmlhttps://www.c8.cn/zst/qxc/hzyl.htmlhttps://www.c8.cn/zst/qxc/joyl.htmlhttps://www.c8.cn/zst/ssq/chusizs.htmlhttps://www.c8.cn/zst/ssq/xlzs.htmlhttps://www.c8.cn/zst/ssq/jozs.htmlhttps://www.c8.cn/zst/ssq/ylzs.htmlhttps://www.c8.cn/zst/ssq/dqzs.htmlhttps://www.c8.cn/zst/3d/kdzs.htmlhttps://www.c8.cn/zst/3d/sqzs.htmlhttps://www.c8.cn/zst/bjkl8/lmcl.htmlhttps://www.c8.cn/zst/bjkl8/lmtj.htmlhttps://www.c8.cn/zst/bjkl8/jbzs.htmlhttps://www.c8.cn/zst/cqkl10/lhdw.htmlhttps://www.c8.cn/zst/37.htmlhttps://www.c8.cn/zst/26.htmlhttps://www.c8.cn/zst/25.htmlhttps://www.c8.cn/zst/gd11x5/dwwzs.htmlhttps://www.c8.cn/zst/gd11x5/dsanwzs.htmlhttps://www.c8.cn/zst/43.htmlhttps://www.c8.cn/zst/jsk3/dywzs.htmlhttps://www.c8.cn/zst/jsk3/jbzs.htmlhttps://www.c8.cn/jihua/sh11x5.htmlhttps://www.c8.cn/jihua/gd11x5.htmlhttps://www.c8.cn/jihua/xyft.htmlhttps://www.c8.cn/gaoshou/sckl12.htmlhttps://www.c8.cn/gaoshou/hebk3.htmlhttps://www.c8.cn/ylsj.htmlhttps://www.c8.cn/zst/qlc/wszs.htmlhttps://www.c8.cn/zst/qxc/joyl.html