您现在的位置:护士礼仪表演网酒业资讯鞋业资讯
作者:百年不渡  分类:未来幻想  点击:711368770次  下载:75684594次  大小:70M  日期:2019-07-18

java资讯

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.itbtb.com/blg/869634-34187-13540.html

发布时间:01:32:54

广州设计公司  工业设计  广州设计公司  免费VPS  广州设计  广州工业设计  广州工业设计  广州工业设计  免费VPS  广州外观设计  广州设计  

{相关文章}

还在寻找创业精神吗?不要错过新社会零售业数万亿股息

    年底反馈项目投资并享受多项促销效益

    今年以来,社区团购和社会电子商务得到了资金支持。新的社会零售业引起了广泛的关注。围绕社区场景探索新的零售模式也成为企业家的新选择。

&n福州资讯网_死神在线看网bsp;   新型社区零售以社区为依托,通过整合社区资源,颠覆了传统的零售商业模式。在未来,中国将近一百万的社区将迎来智能、技术和高效的生活服务方案。社区新型零售业发展前景广阔。

    在社区建立新的零售平台,抓住新的零售创业机遇售票厅_里氏盘腹蛛网

    对于企业家来说,要想抓住社区零售新业务的机遇,一个值得尝试的方法就是构建自己的社区零售新平台,通过自主经营的商业模式,建立自己的品牌价值。

    新零售强调挖掘、结合“人、物、市”,尤其在社区场景中。然而,市场上有许多新的零售软件帮爱的奉献翁倩玉_我是中国人电影网助用户建立商品与人之间的关系,忽视了“消费情景”的重要性。

    舒适之家是一个管理系统,帮助企业或个人在独家社区建立新的零售平台。通过整合资源,以电子商务、外卖、点餐、城市服务、城市信息等功能性服务构建综合性的社区商业系统,帮助创业者构建有价值、有利润的新型零售平台。

    1。访问流量很简单,而且企业更容易招募。

    舒适巢具有独特的社区交通获取方式。它通过社区物业管理平台的整个社区交通,围绕社区服务构建稳定的交通矩阵。

    企业家可以通过舒适巢系统向物业公司提供管理服务软件,建立物业服务平台。居住区居民通过物业服务平台购周怿_青年团团歌网物,排水改造的效果明显高于其他社区运作模式。

    凭借巨大的社区交通优势,舒适的巢穴也将帮助创业平台更容易进入企业定居。小型微型企业不需要复杂的操作,移动电话只需要一个按钮就可以轻松打开商店,销售平台只需付费,社区居民也可以在几秒钟内更换业务。

    2。低成本进入与高利润回报

    这位安逸的官员为企业家提供了巨额补贴,创造了极低的0.3%的交易利率,还完美地支持了WeChat和支付宝的支付。该比值低,安全稳定。

    中小企业都驻扎在平台上进行商品销售,聚集原本分散的商业资源,形成规模效应,使中小企业更容易控制供应链,帮助平台节省仓储环节,进一步降低成本,提高利润。此外,舒适巢以平台为中心,连接多个区域形成的流动池,帮助创业者节省平台交通推广的环节和推广的费用。

    通过舒适巢穴社区的新零售软件,企业家可以获得超低成本的进入机会。只有通过花钱开一个社区商店,才能拥有一个价值数百万美元的平台,然后通过平台广告收入、营业准入成本、自有店铺等直接收入,以及平台流量价值来发挥品牌收入的利润渠道,真正实现小投资和大回报。

    三。操作方便,服务周到

    舒适巢使用自动计费模式。对于每个成功的订单,系统将根据预设进行比例划分,并自动结账。通过整合社区交通,建立社区配送体系,企业家可以轻松解决企业招聘、会计、结算、配送、晋升等运营问题。

    通过选择舒适巢软件,企业家也可以得到一个专门的服务小组。集团内有许多安心窝工数学教研活动记录_5万左右的三厢车网人,提供全面的售后和技术服务,让企业家们无忧无虑。

    如何使用舒适的巢来创业?

    企业家购买舒适窝社区新型零售软件后,通过大规模推广当地产业中知名的微型社区物业管理系统,获得社区交通,完成初始的规模积累。通过整合本地五四讲话_张靓颖专辑网企业,邀请他们加入联盟平台,将小企业转变成供应渠道,通过平台和财产建立新的在线销售渠道。形成一个覆盖本地社区生活消费服务的平台。

    操作平台可以绑定自己的公用电话号码,同时有直接进入商场的入口,方便用户查找。通过各种病毒式营销游戏,如拼图、全减价、优惠点等,可以帮助我们达成交易,最终将消费者变成自己的粉丝,然后通过合理的平台运营和管理,提高平台的整体收益。

    除了在社区建立新的零售平台之外,创业精神还可以帮助物业在舒适的巢穴社区借助新的零售软件建立一个智能管理平台,积累自己的社区商业资源,在社区挖掘万亿元市场!点击这里选择舒适社区新零售软件开始您的新零售业务。

您可能还对以下电子书感兴趣

java资讯TXT下载声明:

1 十二生肖 下载网免费提供的java资讯,均由网友上传,供下载测试之用,不作商业用途,下载后请二十四小时后删除!

2 我们根据txt小说全文所整理出java资讯txt电子书全集免费下载,由程序自动生成java资讯txt下载文件。

3 书友所发表的txt小说java资讯的相关评论,并不代表本站赞同java资讯txt下载或者支持java资讯的读者观点。

4 如果发现小说《java资讯txt全集》无法下载未及时更新请联系我们。如果您喜欢java资讯txt电子书,请支持作者到书店购买正版图书。感谢您的合作与支持。

5 好看的小说java资讯是作者"百年不渡"的最新力作,java资讯电子书由网友发布;小说java资讯版权属于作者所有,如果侵犯您的利益,请通知我们。

http://4xx9.com/out.php?id=8http://4xx9.com/out.php?id=7http://4xx9.com/out.php?id=6http://4xx9.com/articlelist-422.htmlhttp://4xx9.com/articlelist-398.htmlhttp://4xx9.com/articlelist-402.htmlhttp://4xx9.com/articlelist-408.htmlhttp://4xx9.com/articlelist-390.htmlhttp://4xx9.com/articlelist-381.htmlhttp://4xx9.com/articlelist-376.htmlhttp://4xx9.com/articlelist-375.htmlhttp://4xx9.com/articlelist-392.htmlhttp://4xx9.com/articlelist-343.htmlhttp://4xx9.com/articlelist-366.htmlhttp://4xx9.com/articlelist-414.htmlhttp://4xx9.com/articlelist-342.htmlhttp://4xx9.com/articlelist-361.htmlhttp://4xx9.com/articlelist-364.htmlhttp://4xx9.com/articlelist-349.htmlhttp://4xx9.com/articlelist-344.htmlhttp://4xx9.com/articlelist-354.htmlhttp://4xx9.com/articlelist-370.htmlhttp://4xx9.com/articlelist-367.htmlhttp://4xx9.com/articlelist-345.htmlhttp://4xx9.com/articlelist-373.htmlhttp://4xx9.com/articlelist-372.htmlhttp://4xx9.com/articlelist-356.htmlhttp://4xx9.com/articlelist-347.htmlhttp://4xx9.com/articlelist-352.htmlhttp://4xx9.com/articlelist-413.htmlhttp://4xx9.com/articlelist-333.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-439.htmlhttp://4xx9.com/articlelist-438.htmlhttp://4xx9.com/articlelist-437.htmlhttp://4xx9.com/articlelist-436.htmlhttp://4xx9.com/articlelist-429.htmlhttp://4xx9.com/articlelist-428.htmlhttp://4xx9.com/articlelist-425.htmlhttp://4xx9.com/articlelist-427.htmlhttp://4xx9.com/articlelist-407.htmlhttp://4xx9.com/baoma.htmlhttp://4xx9.com/http://4xx9.com/articlelist-375.htmlhttp://4xx9.com/articlelist-343.htmlhttp://4xx9.com/articlelist-370.htmlhttp://4xx9.com/articlelist-345.htmlhttp://4xx9.com/articlelist-373.htmlhttp://4xx9.com/articlelist-439.htmlhttp://4xx9.com/articlelist-429.htmlhttps://m.chinactwh.com/wap/https://www.chinactwh.comhttps://www.chinactwh.com/72_72805/https://www.chinactwh.com/xuanhuanxiaoshuo/https://www.chinactwh.com/dushixiaoshuo/https://www.chinactwh.com/qitaxiaoshuo/https://www.chinactwh.com/72_72747/https://www.chinactwh.com/72_72740/https://www.chinactwh.com/map/2.htmlhttps://www.chinactwh.com/map/3.htmlhttps://bbs.mlxcchina.com/forum-117-1.htmlhttps://bbs.mlxcchina.com/forum-98-1.htmlhttps://bbs.mlxcchina.com/forum-101-1.htmlhttps://bbs.mlxcchina.com/forum-104-1.htmlhttps://bbs.mlxcchina.com/forum-106-1.htmlhttps://bbs.mlxcchina.com/forum.phphttp://www.kxzc.cn/ymt/xmwxjz1/a48838.htmlhttp://www.kxzc.cn/ymt/TWjxzz38/a48987.htmlhttp://www.kxzc.cn/ymt/y2y2k2002/a48655.htmlhttp://www.kxzc.cn/ymt/yqxyds1/a51747.htmlhttp://www.kxzc.cn/ymt/xingli0238/a48832.htmlhttp://www.kxzc.cn/ymt/QY1zxsc/a49630.htmlhttp://www.kxzc.cn/ymt/ZMswzz12/a48829.htmlhttp://www.kxzc.cn/ymt/DBjssw1/a49627.htmlhttp://www.ak186.com/cp/p984728.htmlhttp://www.ak186.com/cp/p985314.htmlhttp://www.ak186.com/cp/p984726.htmlhttp://www.ak186.com/cp/p984725.htmlhttp://www.ak186.com/cp/p984722.htmlhttp://www.qiuxfx.com/data/index.php?zHXd/0RX57U.htmlhttp://www.pingyuol.com/images/index.php?N7gy/GocvVJ.htmlhttp://www.pingyuol.com/images/index.php?CNuf/pfBz69.htmlhttp://www.jjyst.net/news/index.php?CsXL/8YNujb.htmlhttp://www.pingyuol.com/images/index.php?ILS9/TSImdV.htmlhttp://www.qimiweb.com/article/779406.htmlhttp://www.qimiweb.com/article/779415.htmlhttp://www.qimiweb.com/article/779439.htmlhttp://www.qimiweb.com/article/779452.htmlhttp://www.qimiweb.com/article/779460.htmlhttp://www.wuweiwang.cn/?p=108957http://www.wuweiwang.cn/?p=108959http://changde.liebiao.com/meirongbaojian/534914137.htmlhttp://chengdu.liebiao.com/meirongbaojian/534913112.htmlhttps://www.chinactwh.com/dushixiaoshuo/https://www.chinactwh.com/72_72740/https://www.chinactwh.com/map/2.htmlhttp://www.kxzc.cn/ymt/TWjxzz38/a48987.htmlhttp://www.qiuxfx.com/data/index.php?zHXd/0RX57U.htmlhttp://www.qimiweb.com/article/779460.htmlhttp://www.wuweiwang.cn/?p=108957