当前位置:主页 > 海安 >

严明工作纪律

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.ls-invest.com/vn3qlwg/379942-570156-66105.html

发布时间:07:59:12

广州设计公司  二四六彩  广州设计公司  产品设计  二四六彩  广州设计  产品设计  产品设计  广州设计  免费VPS  易用设计  

{相关文章}

中国“玉都”走下祭坛:石头还会疯狂吗?

  &二十四番花信_沸点资讯网nbsp; 平州,隶属于广东省佛山市南海区,被誉为中国的“玉都”。是中国最大的缅甸翡翠羊毛集散基地。有九码大小不同的翡翠。院子里每年有两到三张正式的桌子。它被称为“风向标”来判断行业的市场状况。这里也是“疯石”翡翠的见证。大起大落。“玉都”的现状如何?事实上,平州属于广东省佛山市南海区。这是一个普通的村庄,既没有陡峭的山脉也没有矿床。但从历史资料来看,这个地方根本找不到翡翠,但它将成为缅甸最大的翡翠毛织品市场,也是未来中国四大翡翠市场中的第一大翡翠市场。这种与玉相交的命运应该始于1971年。20岁的陈瑞南是平东敦头村制作队的队长。不满意自己的薪水,他整天想着如何为集体经济赚钱,刚刚得到了在广州南玉厂工作的大哥陈广典。在平州和广州之间,一些村民经常在闲暇时间去广州玉雕厂工作,学习如何加工一些小件。陈光建议两兄弟把广东科技公司耳扣的翻新工作带回平州,在那里他们可以得到4个工作点来翻新一个耳扣。而且是平州第一家“大”企业,其工艺已得到省内科技公司的认可,并最终引领了平州大规模的玉石加工贸石家庄外国语_fixup网易市场。然而,我们有第二次机会从原材料加工中贸易玉石和羊毛,这离缅甸翡翠的原产地将近200法律案件_礼仪师网0公里。最初,作为翡翠的原产地,缅甸提供了中国95%的石头。此前,云南凭借其地理优势,一度成为中国最大的二手原料石流转市场。改变这种模式的是陈玉剑,第二代玉艺家在平州,第一人购买原石在云南。最初,以陈玉健为代表的个体户主和工厂主前往云南中缅边境的腾冲、营江、张峰、瑞丽、万定等地购买缅甸翡翠,然后回国进行家庭手工业加工。后来,随着大量平州翡翠商人涌入云南生石市场,市场出现了抬高玉石价格、虚假销售翡翠的现象。面对如此残酷的贸易环境,陈玉健等人开始思考:我们能否跳过云南中转站,主动开辟一条通往翡翠的新路?2001年,在萍州珠宝玉业协会的帮助下,陈玉梅等人走上了向国外采购生石的道路。他们试图游说缅甸主要翡翠采矿公司的老板们将翡翠直接运往平州出售。虽然这个过程很苦,但结果很令人满意。他们真诚地得到了缅甸几家主要玉石矿业公司的支持。2002年底,缅甸第一家矿业公司将原石送往平州,很快就卖光了。平州人的购买力让矿业公司大吃一惊,自2003年以来,缅甸的原石一直流向平州。为了避免云南市场的不公平,平州珠宝玉石协会参照缅甸商品的形式,建立了平州商品。平州官吏翡翠街和酒店客满。院子里放着几十英亩缅甸翡翠羊毛。每块石头都标有重量、数量和基价。投标者手持手电筒,逐一检查和勘探石块,选四画面分割器_哈密市商业银行网择他们要投标的石头,填写投标价格,并将它们放在暗箱中等待开标。据报道,平州商品交易所取消了玉石交易的传统交易方式,提高了效率,保证了公平,因此吸引了来自全国各地和缅甸的玉商加入其中。早在2013年,平州珠宝玉石协会就有4万多名会员,覆盖全省13个国家。平州共同市场成员的成长实际上是翡翠价格飞涨的见证。2005年,翡翠价格进入上涨通道,开始呈现“疯石”。业内一些人目睹了一块价值10000元的翡翠,涨了30倍。至少50%的涨价已经成为翡翠工业的秘密。中国有句俗语“乱世金玉”,有人分析过。这是因为经济发展极大地提高了人们的生活质量,激发了人们收集、投资和消费奢侈品的热情。但事实上,市场运作也起着非常重要的作用。中国95%的原石需要从缅甸进口,其价格波动将直接影响国内翡翠市场。为了从翡翠贸易中获得更多的利益,缅甸不断承包生石出口,这增加了投资者的紧迫感,导致生翡翠价格不断被投机。上游的风和草在移动,显然也驱动着下游的风向。众所周知,翡翠市场非常特殊。下游产品交易需要时间和机会,而上游原油石材交易时间相对较短。因此,随着翡翠原料价格的飞涨,参加平州翡翠商品的会员人数迅速超过40000人,其中许多人是投机者。数据显示,2010年前后,进入生石市场的最先进的是热钱,热钱擅长投机和利润。为了炒出高原石材的价格,投资者可以称之为“神奇”:同一块石材,同一群分集技术_洋桥二手房网人,左撇子,例如“有人曾经组织人们用800万元的资金竞标出100万元的原石材,所以突然炒出翡翠市场”之间,普锐斯。加倍的石头。而且,他们玩的是金融的“杠杆游戏”。许多商人和投资者从银行或金融机构借用翡翠生石和成品,然后增加生石的购买。由于翡翠市场一直走势良好,原石或成品可以通过返还来赚钱,这也向贷款人传达了强烈的信心。因此,长期以来,小而大的“杠杆博弈”已经成为业界的普遍做法。珠海一位不知名的珠宝商透露,他的许多客户和朋友都参加了“杠杆游戏”。平州玉艺街的一位知情人士说,全国各地的热钱流动情况基本相似。他认为,这也是翡翠价格飞涨、虚高的主要原因。根据百度搜索指数,翡翠市场的分水岭在2012年底:从2012年12月到2013年1月,翡翠搜索指数达到高峰,然后开始持续下降。翡翠行业开始出现泡沫的阴影——虽然投资没有减少,但“盘子”的数量已经减少,一些翡翠也变得不那么受欢迎。平州玉艺街的翡翠商人们没有感觉到,但起初他们不同意。在此之前,中国玉石市场的发展经历了两个低谷:一个在2003年,另一个在2008年。但这两个低谷只持续了几个月,市场表现更好。然而,这次与以往不同。直到2015年,翡翠经销商还没有等到市场好转。相反,最热门的“玻璃品种”(注:一种翡翠)的价格已经下跌了一半,更多的翡翠的价格已经下跌了30%。在市场上,同样一双价值30万元的冰晶翡翠手镯在2012年很受欢迎,但在2015年却很少。羊毛市场泡沫更加明显。2016年,30万元的价格将得到一块翡翠羊毛,2012年的价格为100万元。为什么翡翠的价格暴跌?从萍州的产业来看,自由资本是一个重要因素。业内人士知道,翡翠的价格已经上涨。赚了很多钱之后,必须提取自由资本。谁愿意接受这个提议?”平州玉器街的批发销售模式也决定了平州玉器街的被动命运。作为中国最大的玉器终端消费市场,北京和云南市场直接扼杀了玉器街的脖子。据不完全统计,国内玉石消费总量的80%在北京。北京的潘家园旧货市场曾经是古玉器商店的聚集地,有70多个商店,但现在只剩下几个了。产业洗牌是不可避免的。平州玉艺街已经有很多商店可以退房和转房。在翡翠艺术终端市场,北京和云南的一些街头摊位和翡翠艺术商店已经开始转变为餐饮和服装企业。2017年2月18日,平州首次公开募股仍如期到来。令人惊讶的是,超过4000人涌入这个病理生理学名词解释_热火vs公牛网占地11英亩的运动场,每个运动场都被人包围着。这一幕突然让我们想起了2012年开标时的盛会。但从萍州人的角度来看,院子里的人数并不反映市场。大多数人都在看。

Copyright @ 2016-2017 生物发酵罐网 版权所有

http://4xx9.com/out.php?id=7http://4xx9.com/out.php?id=6http://4xx9.com/articlelist-424.htmlhttp://4xx9.com/articlelist-401.htmlhttp://4xx9.com/articlelist-397.htmlhttp://4xx9.com/articlelist-387.htmlhttp://4xx9.com/articlelist-385.htmlhttp://4xx9.com/articlelist-384.htmlhttp://4xx9.com/articlelist-383.htmlhttp://4xx9.com/articlelist-380.htmlhttp://4xx9.com/articlelist-392.htmlhttp://4xx9.com/articlelist-393.htmlhttp://4xx9.com/articlelist-366.htmlhttp://4xx9.com/articlelist-400.htmlhttp://4xx9.com/articlelist-414.htmlhttp://4xx9.com/articlelist-361.htmlhttp://4xx9.com/articlelist-369.htmlhttp://4xx9.com/articlelist-371.htmlhttp://4xx9.com/articlelist-357.htmlhttp://4xx9.com/articlelist-350.htmlhttp://4xx9.com/articlelist-364.htmlhttp://4xx9.com/articlelist-391.htmlhttp://4xx9.com/articlelist-394.htmlhttp://4xx9.com/articlelist-344.htmlhttp://4xx9.com/articlelist-367.htmlhttp://4xx9.com/articlelist-351.htmlhttp://4xx9.com/articlelist-345.htmlhttp://4xx9.com/articlelist-355.htmlhttp://4xx9.com/articlelist-417.htmlhttp://4xx9.com/articlelist-365.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-439.htmlhttp://4xx9.com/articlelist-436.htmlhttp://4xx9.com/articlelist-435.htmlhttp://4xx9.com/articlelist-432.htmlhttp://4xx9.com/articlelist-428.htmlhttp://4xx9.com/articlelist-426.htmlhttp://4xx9.com/articlelist-425.htmlhttp://4xx9.com/articlelist-427.htmlhttp://4xx9.com/articlelist-403.htmlhttp://4xx9.com/articlelist-330.htmlhttp://4xx9.com/articlelist-306.htmlhttp://4xx9.com/baoma.htmlhttp://4xx9.com/http://4xx9.com/articlelist-350.htmlhttp://4xx9.com/articlelist-391.htmlhttp://4xx9.com/articlelist-394.htmlhttp://4xx9.com/articlelist-367.htmlhttp://4xx9.com/articlelist-428.htmlhttp://4xx9.com/baoma.htmlhttps://www.chinactwh.com/xiuzhenxiaoshuo/https://www.chinactwh.com/chuanyuexiaoshuo/https://www.chinactwh.com/kehuanxiaoshuo/https://www.chinactwh.com/72_72776/https://www.chinactwh.com/72_72772/https://www.chinactwh.com/72_72736/https://www.chinactwh.com/map/1.htmlhttps://www.chinactwh.com/map/2.htmlhttps://www.46xs.com/xuanhuanxiaoshuo/https://bbs.mlxcchina.com/forum-117-1.htmlhttps://bbs.mlxcchina.com/forum-98-1.htmlhttps://bbs.mlxcchina.com/forum-119-1.htmlhttps://bbs.mlxcchina.com/forum-101-1.htmlhttps://bbs.mlxcchina.com/forum-103-1.htmlhttps://bbs.mlxcchina.com/forum-105-1.htmlhttps://bbs.mlxcchina.com/forum-110-1.htmlhttps://bbs.mlxcchina.com/forum-112-1.htmlhttps://www.chinactwh.com/72_72499/https://bbs.mlxcchina.com/thread-660-1-1.htmlhttp://www.kxzc.cn/ymt/HBclin26/a48985.htmlhttp://www.kxzc.cn/ymt/TWjxzz38/a48987.htmlhttp://www.kxzc.cn/ymt/zrgg669kj/a48662.htmlhttp://www.kxzc.cn/ymt/y6y6k6006/a48659.htmlhttp://www.kxzc.cn/ymt/y1y1k001/a48654.htmlhttp://www.kxzc.cn/ymt/XYNfcp71/a48835.htmlhttp://www.kxzc.cn/ymt/QY1zxsc/a49630.htmlhttp://www.kxzc.cn/ymt/ZMswzz12/a48829.htmlhttp://www.ak186.com/cp/p985315.htmlhttp://www.ak186.com/cp/p985314.htmlhttp://www.qimiweb.com/article/779415.htmlhttp://www.qimiweb.com/article/779429.htmlhttp://www.qimiweb.com/article/779454.htmlhttp://www.qimiweb.com/article/779460.htmlhttp://www.wuweiwang.cn/?p=108951http://www.wuweiwang.cn/?p=108949http://www.kxzc.cn/ymt/clist-2.htmlhttp://tjsongming.com/news/show.phphttps://10000sc.com/special/show.phphttps://8090qh.com/member/show.phphttp://dyt8888.com/data/show.phphttp://027wt.com/data/show.phphttp://86zsb.com/honor/show.phphttps://www.chinactwh.com/72_72736/https://www.chinactwh.com/map/1.htmlhttps://bbs.mlxcchina.com/forum-119-1.htmlhttps://bbs.mlxcchina.com/forum-105-1.htmlhttp://www.kxzc.cn/ymt/TWjxzz38/a48987.htmlhttp://www.kxzc.cn/ymt/QY1zxsc/a49630.htmlhttp://tjsongming.com/news/show.phphttp://dyt8888.com/data/show.php