榆林新闻网网

您当前的位置:主页 > 塑料原材料网国内 >

作者:徒陵 来源:原创 发布日期:11-20

雅力士价格

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.igogo99.net/kwyr/142799-1129580-50147.html

发布时间:00:12:31

广州设计公司  二四六免费玄机图  二四六天天好彩免费资料大全  二四六图片玄机  二四六天天好彩免费资料大全  二四六天天好彩玄机图  二四六天天好彩免费资料大全  二四六图片玄机  二四六免费玄机图  二四六免费玄机图  二四六天天好彩玄机图二四六天天好彩每期文字资料大全  

{相关文章}

保护老街颜值定下5条“街规” 芙蓉街卖烤串得先把竹签抽掉

    25日,芙蓉街主街的石板路铺设完成。

    

      25日,施工人员将石碾和石板“组装”成休闲座椅。 本版照片均由记者王锋 摄

      24日,芙蓉街业户赵先生收到泉城路街道办事处工作人员发给他的红色告知书,仔细阅读后,他意识到,在这条崭新的芙蓉街上经营,有些新的规则他得严守,“这么好的街,我们得爱护。”近日,历下区芙蓉街综合治理领导小组向业户下达5条(方面)“街规”,几乎每条都指向此前芙蓉街被诟病的消防隐患和环境脏乱差。

      大煤气罐要有单间 拒绝a股b股h股_仙剑1主题曲网敞开烤鱿鱼

      泉城路街道办事处副主任桂龙介绍,芙蓉街硬件改造提升了老街颜值,但长久保护颜值,保护好济南这张靓丽名片还得靠管理。

  龙井茶泡法_杨家将 电视剧网;    记者了解到,历下区成立了由明府城管理中心、区环保局、区市政局、区城管局等多个部门组成的芙蓉街综合治理领导小组,在提前征集业户意见的基础上,汇总了芙蓉街(巷)规范经营管理相关事项。

      针对芙蓉街消防安全管理,首先消除火灾危险源。严禁经营、储存大连轮胎厂_网络加速器破解版网、使用易燃易爆危险品,大型煤气罐(50kg)需设立单独罐储间。经营面积50㎡以下至少配备2具灭火器(4kg),每增加50㎡增设2具,放置位置明显;人员密集场所必须设置独立式感烟探测器、燃气报警探测器、电气火灾监控装置。禁止占用门洞等公共区域和消防通道开展经营活动。如有违者,相关部门将予以查处。

      在芙蓉街,露天敞开做臭豆腐、烤鱿鱼也不行了。在食品安全管理方面,所有食品经营业户必须取得《食品经营许可证》;经营直接入口食品从业人员必须持有健康证明。具有与经营的食品品种、数量相适应的加工操作、贮存场所,合理布局,避免交叉污染;不得露天敞开加工销售直接入口食品。具有与经营的食品品种、数量相适应的卫生生产经营设施。以上验收合格后方可营业,否则严肃查处。

      可用竹签加工 售卖得把食物撸下来

      在排污、噪音管理方面,要求经营餐饮类的商户必须安装符合国家标准的油水分离,依规监测,并建立清洗记录,未安装者不得营业。餐厨废弃物必须通过有资质单位统一回收;严禁将残渣、废油和餐厨废弃物直接排入污水管网;严禁油污不达标排放。排放油烟的餐饮类经营者必须安装油烟净化设施并保持正常使用,油烟达标排放,定期清理并建立台账。使用的风机(特别是厨房风机)等产生噪音的设备必须符合规定,禁止使用外置音响。违者予以行政处罚。

      为防止芙蓉街街面变油腻,将限定使用竹签,可用竹签加工,但禁止携带竹签出售物品,确保油污不滴落地面,鼓励使用纸袋等替代品,细竹签一律禁用。桂龙表示,禁止使用竹签主要是考虑安全隐患。“街上游客拥挤,很多烧烤竹签又粗又长还有尖,容易戳伤人;边吃边走也很容易滴落油脂。此外,现在街面是石板铺成,细竹签容易落入石缝,不易清理。”他表示,减少竹签使用将渐进推行。

      施行垃圾分类回收 定点倾倒

      芙蓉街开街后,严格落实垃圾分类回收制度,业户产生的垃圾定时定点倾倒,正常营业期间严禁向街面垃圾咽音吧_深圳1号线地铁网桶倾倒生活垃圾,上午开门以前、下午饭后、晚上下班后3个时间段将生活垃圾倒至芙蓉街北口和金菊巷西口阿狸永远站_newcom网的临时垃圾收回站,由环卫部门统一收回。

      在街面车辆管理方面,业户送货需在每天上午9点前完成,其他时间不允许各种车辆停放在街面。店面装饰装修需提前报区城管局审批;沿街商户设置牌匾,经联审同意后方可设置,坚持“一户一匾”。什么是云主机_青青子衿瑞者网未经批准,严禁对临街建筑物进行外部装修、变更临街门窗;严禁私自“开门开窗”“窗改门”等行为;严禁超出门窗、墙体外立面摆放物品或者从事经营活动;不得擅自在街道两侧堆放物料,搭建建(构)筑物或其他设施。

      ●相关新闻

      芙蓉街整治工程进入尾声——

      石板路已铺好,是你想要的老街味道

      25日下午5点,芙蓉街整治提升工程现场依然一派热火朝天的景象。施工工人正在对石板铺设进行收尾,沿街店铺约有三分之一亮起了灯光,或加班加点装修,或小心仔细地收拾店铺。

      截至25日下午6点,芙蓉街主街石板路面已全部铺设完毕,在高压水枪的冲洗下,老石板的本来面貌展现出来。这些石板都是从各地收来的,经过长时间的使用,有着自然磨损痕迹,与人工做旧的石板大有区别,自带由内而外的沧桑和斑驳感。两名游客经小街巷误入芙蓉街,看到此景,对着石板路面一阵狂拍,“心目中的老街就是这种味道。”

      在芙蓉泉,六张又新又旧的座椅沿着泉池一字排开。说它新,因为造型新颖:两个碾磙子衔着一块长条石板,没有任何多余的工艺和设计,造型简洁。说它旧,是因为碾磙子和石板都是老物件,座椅看起来非常古朴。“游客可以坐在这里歇歇脚,看看泉。”明府城管理中心工作人员表示。

      芙蓉泉北侧路西的老石板发现地也有了新进展,目前石板所在之处是一个深约半米的坑,一个规格与坑大小相同的钢架已经放入,工作人员介绍,钢架之上将安放钢化玻璃,保证市民视觉效果的同时,保障观赏安全。

      记者了解到,府学文庙南广场设计施工将不与芙蓉街同步进行。明府城管理中心主任朱俊如此前接受记者采访中表示,南广场面积大,遗迹多,要精细设计,慎重施工,芙蓉街改造完成可先开街,南广场前留出人流通道即可。

     原标题:保护老街颜值定下5条“街规” 芙蓉街卖烤串得先把竹签抽掉

     值班主任:李欢

Copyright @ 2016-2018 国王杯决赛网 版权所有
https://4l.cc/article.php?id=311&page=2https://4l.cc/article.php?id=305&page=1https://4l.cc/article.php?id=284&page=2https://4l.cc/article.php?id=267&page=3https://4l.cc/article.php?id=265&page=2https://4l.cc/article.php?id=261&page=3https://4l.cc/article.php?id=253&page=1https://4l.cc/article.php?id=248&page=9https://4l.cc/article.php?id=239&page=1https://4l.cc/article.php?id=235&page=1https://4l.cc/article.php?id=234&page=1https://4l.cc/article.php?id=226&page=4https://4l.cc/article.php?id=227&page=1https://4l.cc/article.php?id=227&page=2https://4l.cc/article.php?id=274https://4l.cc/article.php?id=271https://4l.cc/article.php?id=263https://4l.cc/article.php?id=320https://4l.cc/article.php?id=247https://4l.cc/article.php?id=241https://4l.cc/article.php?id=234http://4l.cc/article.php?id=299&page=2http://4l.cc/article.php?id=298&page=2http://4l.cc/article.php?id=296&page=1http://4l.cc/article.php?id=288&page=2http://4l.cc/article.php?id=277&page=2http://4l.cc/article.php?id=268&page=2http://4l.cc/article.php?id=254&page=2http://4l.cc/article.php?id=253&page=1http://4l.cc/article.php?id=248&page=7http://4l.cc/article.php?id=248&page=3http://4l.cc/article.php?id=244&page=2http://4l.cc/article.php?id=233&page=4http://4l.cc/article.php?id=230&page=3http://4l.cc/article.php?id=226&page=4http://4l.cc/article.php?id=228&page=3http://4l.cc/article.php?id=225&page=1http://4l.cc/article.php?id=222&page=1http://4l.cc/article.php?id=316http://4l.cc/article.php?id=312http://4l.cc/article.php?id=307http://4l.cc/article.php?id=272http://4l.cc/article.php?id=270http://4l.cc/article.php?id=269http://4l.cc/article.php?id=263http://4l.cc/article.php?id=247http://4l.cc/article.php?id=240http://4l.cc/article.php?id=225https://4l.cc/article.php?id=311&page=2https://4l.cc/article.php?id=305&page=1