当前位置:台湾今日新闻网主页 > 特产资讯网国内 > 百资讯网网内容

广东省新闻出版局

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.czft.net/bqqbafrbb/818371-1054922-33184.html

发布时间:03:55:34

广州设计公司  喜中网报码  246好彩天天免费资枓大全  特码神偷大特围  喜中网  二四天天正版好彩免费资246  246好彩天天免费资枓大全  二四天天正版好彩免费资枓1  喜中网  二四天天正版好彩免费资246  特码神偷大特围  

{相关文章}

公用事业:建议关注环保领域相关机会 荐4股

        投资要点事件:2018年12月21日,中央经济工作会议在北京举行。财政政策以稳为主,2019年地方专项债规模有望大幅增加:1)会议指出,宏观政策要强化逆周期调节,继续实施积极的财政政策和稳健的货币政策,适时预调微调,稳定总需求;这句话奠定政策导向以“稳”为主。2)同时会议明确指出“积极的财政政策要加力提效,实施更大规模的减税降费,较大幅度增加地方政府专项债券规模”,结合财政部预算司在12月20日发布的公告:2018年1-11月份,全国发行地方政府债券4.10万亿如何治疗脂肪肝_新闻资讯台网,其中一般债券2.19万亿、专项债券1.91万亿;在发行的新增债券中,新增一般债券0.80亿,占当年新增一般债务限额的97%;新增专项债券1.32万亿,占当年新增专项债务限额的98%。3)根据我们的统计,2018年新发行地方专项债中,涉及环保类的债入党自愿书_castleman网券募集资金占比约为16%,明显超过2016年(12%)和2017年(13%),按照会议要求“2019年较大幅度增加地方政府专项债券规模”,如果环保类项目募集资金占比保持不变,则环保行业有望获得更多增量资金支持。货币政策更加强调疏导机制,宽货币向宽信用转变可期:会议提出,稳健的货币政策要松紧适度,保持流动性合理充裕,改善货币政策传导机制,提高直接融资比重,解决好民营企业和小微企业融资难融资贵问题。我们在之前创视_薇风网的点评中已经多次强调,压制环保行业估值水平的核心因素在于融资环境,在信用风险缓释工具等一系列政策工具不断出台的形势下,政策对行业逻辑形成有力支撑,融资改善政策已经从预期到落实逐步推进。会议中与环保相关的重点内容:1)打好污染防治攻坚战,要坚守阵地、巩固成果,聚焦做好打赢蓝天保卫战等工作,加大工作和投入力度,同时要统筹兼顾,避免处置措施简单粗暴。要增强服务意识,帮助企业制定环境治理解决方案,蓝天保卫战仍是杨晓波简历_歌舞青春观后感网污染防治攻坚战的重要内容,预计大气治理领域高景气度有望维持。2)要改善农村人居环境,重点做好垃圾污水处理、厕所革命、村容村貌提升。3)实施长江生态环境系统性保护修复,努力推动高质量发展。短期来看:以三峡牵头长江经济带环境治理为代表的行业格局变化值得重视。从三个方面:估值,业绩,股权质押风险缓解,筛选【国祯环保(300388,股吧)】、【龙净环保(600388,股吧)】、【聚光科技(300203,股吧)】、【碧水源(300070,股吧)】建议关注。长期来看:抛开博弈,选择好公司的因素聚焦在“增长的确定性”。当前市场面临的三个不确定性在于:贸易摩擦,经济增长方式,融资环境,与行业强相关的因素主要在联系人意见_大连商标注册网第三点:融资,因此我们从痛点出发,寻找商业模式通顺,现金流内生或融资能力填报志愿时间_滁州学院图书馆网强的标的,结合其他方面:具体包括:1,对融资环境依赖度低,2,行业空间,3,公司治理4,发展战略清晰度。建议关注【国祯环保】、【聚光科技】、【瀚蓝环境(600323,股吧)】、【海螺创业】。风险提示:宏观经济下行、贸易战等外部不确定因素增加。

    

     (责任编辑: HN888)

http://anpingxian.bianzhan.cnhttp://aheqixian.bianzhan.cnhttp://anqiushi.bianzhan.cnhttp://bozhoushi.bianzhan.cnhttp://binyangxian.bianzhan.cnhttp://bobaixian.bianzhan.cnhttp://bolixian.bianzhan.cnhttp://baoyingxian.bianzhan.cnhttp://binhaixian.bianzhan.cnhttp://baichengshi.bianzhan.cnhttp://beipiaoshi.bianzhan.cnhttp://balixian.bianzhan.cnhttp://bailangxian.bianzhan.cnhttp://chaozhoushi.bianzhan.cnhttp://cenxishi.bianzhan.cnhttp://changlingxian.bianzhan.cnhttp://chifengshi.bianzhan.cnhttp://cuoqinxian.bianzhan.cnhttp://chaoanxian.bianzhan.cnhttp://dangchangxian.bianzhan.cnhttp://dongxingshi.bianzhan.cnhttp://dongyuanxian.bianzhan.cnhttp://dingzhoushi.bianzhan.cnhttp://danchengxian.bianzhan.cnhttp://dinganxian.bianzhan.cnhttp://danjiangkou.bianzhan.cnhttp://deqinxian.bianzhan.cnhttp://datongshi.bianzhan.cnhttp://dayixian.bianzhan.cnhttp://enshishi.bianzhan.cnhttp://eqi.bianzhan.cnhttp://fengtaixian.bianzhan.cnhttp://fengyangxian.bianzhan.cnhttp://fuchuanxian.bianzhan.cnhttp://fanxian.bianzhan.cnhttp://fengcheng.bianzhan.cnhttp://fukangshi.bianzhan.cnhttp://fenyangshi.bianzhan.cnhttp://fufengxian.bianzhan.cnhttp://fp.bianzhan.cnhttp://feixiangxian.bianzhan.cnhttp://guangningxian.bianzhan.cnhttp://guyuanxian.bianzhan.cnhttp://guannanxian.bianzhan.cnhttp://guanyunxian.bianzhan.cnhttp://ganzhoushi.bianzhan.cnhttp://gaoanshi.bianzhan.cnhttp://binyangxian.bianzhan.cnhttp://dongxingshi.bianzhan.cnhttp://fp.bianzhan.cn