中国铀矿

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.dinowell.com/gorrti/454547-696321-67174.html

发布时间:14:25:47

广州设计公司  产品设计  广州设计  万彩吧  易用设计  二四六彩  广州外观设计  广州设计  广州工业设计  易用设计  产品设计  

{相关文章}

2018年《链条库存》:中国连锁企业取得了哪些成就?

    块链技术是目前最流行的技术之一。它可信的互动机制和分权化使各行业都把它当作新的出路,积极探索。

    原名:2018年的链式循环盘点:集团式链条取得了哪些成就?块链技术是目前最流行的技术之一。它可信的互动机制和分权化使各行业都把它当作新的出路,积极探索。1月9日,徐小平呼吁拥抱街区连锁的截图被疯狂传播。徐小平呼吁企业家“站在自己的立场上,理解产业链,进入产业链时代”,呼吁“立即动员所有高级管理人员和员工学习如何迎接革命”。尽管媒体11月报道说大s短发_南皮新闻网许小平涉嫌退出货币圈,但这足以证明人们在年初就追逐着热销连锁店。现在,让我们看看2018年在产业链上取得了什么成就。今年1月,中国建设银行第一笔国际保理大宗连锁交易正式启动。它已成为国内第一家将块链技术应用于国际保理业务的银行,在行业中首次实现了客户、保理商业银行和其他各方直接参与的“保理块链生态圈”。它已成为中国建设银行全面建设“大宗连锁贸易融资”的重大突破。2月6日,平安正式推出了基于块链的单账户连锁。One Account Chain是世界上第一种授权解密和加密信息共享的技术,支持在不同地点快速中国药典2010版_监利新闻网部署秘密算法,有望成为国际框架标准的吞吐量效率解决方案。阿里巴巴在2月27日推出了块链技术可追溯性。Novelty Bird and SkycatInternational7月27日宣布,它已经推出了块链技术,以跟踪、上传和核实跨境进口的物流全程信息。此外,安特金衣还应用了块链技术,对公共福利和食品安全进行追溯。蚂蚁技术实验室预测,到2018年,块链技术将开始登陆实际的商业系统清明上河图简介_影音先锋资讯网,并且第三代块链技术架构将会出现。该技术在双溪市发挥了重要作用。3月30日,华为云块连锁服务对外开放。为企业和开发人员提供高性能、高可用性和高安全性的公共云块链服务,帮助企业和开发人员快速、廉价地创建、部署和管理华为云块链应用程序。4月8日,该街区连锁首次加入政府报告。杭州率先将产业链条首次写入市政府工作报告。5月28日,百度百科全书悄然上链。其目的是利用块链的非篡改特性,确保百科全书历史版本的准确保存。同时,百度区块链的主管肖伟发说:“百科全书和区块链的结合,虽然简单,但是太经典了!”从今往后,百科全书将无法承载这个大锅。中国工商银行正式启动了扶贫攻坚资金链管理平台,成功发行了第一笔157万元的扶贫资金。据报道,这是该行业第一个为精确扶贫服务的块状链平台。这对国家扶贫工程乃至产业链的应用具有重要意义。6月25日,世界上第一个基于街区连锁的电子钱包跨境汇款服务在香港启动。支付宝版香港支付宝的用户可以通过块链技术汇款到菲律宾钱包G.。7月26日,中国河南宜景旅游区块链研究中心、五多山区块链旅游城和分时度假旅游服务中心在河南省郑州隆重开业。该项目是世界上第一个将旅游与街区链概念结合起来的登陆项目,也是河南省第一个“旅游街区链”。8月1日,中国农业银行(ABC)推出了基于块链的涉农互联网电子商务融资系统——电子链贷款。并成功完成了第一笔网上订单支付贷款。据了解,传统的涉世界杯是什么_青岛商铺出租网农信贷业务一直受到信息不对称、管理成本高、网上信贷困难和信贷情景的困扰。8月7日,北京东方金融ABS云平台完成了首个单一的前ABS大宗连锁贷款。8月10日,第一张大宗安藤裕子_情同朱张网连锁电子发票在中国诞生。10月10日,中国第一张大宗连锁电子发票在深圳登陆。深圳国际贸易扶轮餐厅发行了首张中国区块连锁电子发票,宣布深圳成为中国区块连锁电子发票的第一个试点城市,这也意味着税务服务正式开启了区块连锁时代。分块链式电子发票将联结各发票利益相关者,跟踪发票的来源、真实性和会计信息,解决发票流通过程中发票上报过多、虚假申报、发票真实性难以验证等问题。9月9日,北京互联网法院成立。利用块链技术解决电子证据的易变性、易变性、无痕性等特点。在司法实践中,区块链一方面可以存储当事人上传到电子诉讼平台的诉讼文书和证据,防止篡改,保证诉讼安全;另一方面可以验证已存放在区块链中的诉讼证据,从而解决获取证据的难题。当事人证明。问题。到目前为止,已经存了18万张证书。10月8日,海南自由贸易区块链宣布建立块链实验区。试点区是海南省首个经正式许可的块状连锁产业试点区。9月30日经海南省工业和信息化厅正式批准,10月8日获海南省工业和信息化厅厅长陈万新颁发的海南生态软件园总经理杨春志执照。11月6日,中国工商银行发行了第一份块链技术数字信用证书。为产业链末端的小型及微型企业提供网上保理融资。据介绍,数字信贷采用买方在经工商银行或工商银行批准的联盟机构平台上发行的块链技术,通过数据信息记录应付债务信用凭证。随着产业链的上游贸易逆流,产业链中的任何供应商都可以根据数字债务凭证随时向工商银行申请保理业务。中国人寿采用模块链技术解决新客户订单的及时性问题。客户可以实时上传保险单并立即生效。去年12月,杭州网审法院利用连锁店打击网络剽窃。法庭的王江桥法官认为,街区链因其防篡改性质而有利于作家,这使得它能够“跟踪”作者的身份、创作时间、内容和相关证据,以防止侵权。12月25日,据《长沙晚报》报道,湖南广电传媒与华为达成了合作协议,计划建设5G创新应用平台,建设国内第一批5G技术应用示范基地,充分利用大数据、人工智能、块链等技术,开发出具有自勇闯夺命岛音乐_定额换算网主知识产权的数字内容传递和转换到内容服务提供商的形式。2018年,基于块链技术的各行业都取得了一定的成绩,但仍有许多未完成的项目需要大企业的不断努力和创新。基于2018年的积累,块链技术将会越来越成熟。我相信,在2019年,它会更加辉煌。

https://www.c8.cn/Home/SetPasswordhttps://www.c8.cn/ylsj/sh11x5.htmlhttps://www.c8.cn/ylsj/heb11x5.htmlhttps://www.c8.cn/zst/dlt/tmzs.htmlhttps://www.c8.cn/zst/dlt/elyyl.htmlhttps://www.c8.cn/zst/dlt/elyzs.htmlhttps://www.c8.cn/zst/dlt/dqzs.htmlhttps://www.c8.cn/zst/dlt/zlzs.htmlhttps://www.c8.cn/zst/dlt/zhbzs.htmlhttps://www.c8.cn/zst/qlc/chzs.htmlhttps://www.c8.cn/zst/qlc/elyzs.htmlhttps://www.c8.cn/zst/qlc/joyl.htmlhttps://www.c8.cn/zst/qlc/dxyl.htmlhttps://www.c8.cn/zst/qlc/dxfb.htmlhttps://www.c8.cn/zst/qlc/ylzs.htmlhttps://www.c8.cn/zst/qlc/sqzs.htmlhttps://www.c8.cn/zst/pl5/dqzs.htmlhttps://www.c8.cn/zst/pl3/kdzs.htmlhttps://www.c8.cn/zst/6cai/tmws.htmlhttps://www.c8.cn/zst/6cai/sanmzs.htmlhttps://www.c8.cn/zst/qxc/dxjo2.htmlhttps://www.c8.cn/zst/qxc/dxfb.htmlhttps://www.c8.cn/zst/qxc/dlxzybzs.htmlhttps://www.c8.cn/zst/ssq/chzs.htmlhttps://www.c8.cn/zst/ssq/lqely.htmlhttps://www.c8.cn/zst/ssq/sqzs.htmlhttps://www.c8.cn/zst/3d/dxyl.htmlhttps://www.c8.cn/zst/bjkl8/lmtj.htmlhttps://www.c8.cn/zst/bjkl8/dywzs.htmlhttps://www.c8.cn/zst/bjkl8/hzzs.htmlhttps://www.c8.cn/zst/59.htmlhttps://www.c8.cn/zst/cqkl10/ehdw.htmlhttps://www.c8.cn/zst/14.htmlhttps://www.c8.cn/zst/12.htmlhttps://www.c8.cn/zst/10.htmlhttps://www.c8.cn/zst/cqssc/dszs.htmlhttps://www.c8.cn/zst/17.htmlhttps://www.c8.cn/zst/20.htmlhttps://www.c8.cn/zst/42.htmlhttps://www.c8.cn/zst/40.htmlhttps://www.c8.cn/zst/jsk3/dswzs.htmlhttps://www.c8.cn/jihua/gdkl10.htmlhttps://www.c8.cn/gaoshou/bjkl8.htmlhttps://www.c8.cn/gaoshou/lnkl12.htmlhttps://www.c8.cn/gaoshou/zj11x5.htmlhttps://www.c8.cn/gaoshou/heb11x5.htmlhttps://www.c8.cn/gaoshou/hunkl10.htmlhttps://www.c8.cn/gaoshou/cqssc.htmlhttps://www.c8.cn/personal/feedback.html