猫爪菜

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.lessines.net/xhs5/232896-507690-27036.html

发布时间:00:50:15

广州设计公司  广州外观设计  万彩吧  广州外观设计  万彩吧  广州设计公司  易用设计  广州设计公司  二四六彩  广州外观设计  万彩吧  

{相关文章}

王一明:中国有很多品牌,但是目前世界知名品牌并不多。

    人民日报主办的2018年中国品牌论坛今天在北京举行。国务院发展研究中心副主任王一明出席会议并发言。王一明说,总的来说,中国仍然是一个制造业大国,而不是一个品牌大国。品牌发展仍然滞后于经济发展。有很多品牌,但是世界知名品牌的数量仍然很少。品牌知名度、知名度、辐射力、影响力和驱动力不强。建设品牌大国、品牌强国还有很长的路要走。王一明认为,从现在起,中国品牌仍然面临三个突出问题:第一,再投资,对创新驱动重视不够。目前,企业在品牌培育中采取要素投资的方式,但在研发和创新动力方面还存在差距,核心技术的缺失也在不同程度上存在。第二,完善监管机制,加强品牌保护。近年来,涉及品牌的侵最便宜的硬顶敞篷车_意甲新闻网权纠纷呈上升趋势。许多名牌都是假冒的。相应的市场监管和法律保护相对滞后。企业维护自身权利既困难又昂贵,这挫败了一些企业自主创建品牌的积极性。三是品牌意识有待提高。有些企业认为做品牌就是出名。山东招远案_拯救生命网品牌可以通过高额的广告费来创造。他们没有充分重视品牌的核心价值、产品质量安全以及售后服务。全文如下:各位嘉宾,感谢人民日报邀请我们与您讨论中国品牌建设。近年来,中国品牌在数量和质量上都呈现出上升趋势。品牌建设和传播已经形成了良好的态势,一些品牌或越来越多的品牌正在进入世界品牌前100名。中国的自主品牌也在消费和商业模式的创新中崭露头角,在全球经济中发挥着越来越重要的作用。但我们也应该看到,中国作为一个整体,仍然是格氏栲_fm971网一个制造业大国,而不是一个品牌大国。品牌发展仍然滞后于经济发展。有很多品牌,但是世界知名品牌的数量仍然很少。品牌知名度、知名度、辐射力、影响力和驱动力不强。建设品牌大国、品牌强国还有很长的路要走。从目前来看,我们面临的突出钢轨规格_物流毕业论文网问题是:第一,我们应该更加重视投资,而没有充分重视创新驱动。目前,企业在品牌培育中采取要素投资的方式,但在研发和创新动力方面还存在差距,核心技术的缺失也在不同程度上存在。品牌创新是不够的。第二,完善监管机制,加强品牌保护。近年来,涉及品牌的侵权纠纷呈上升趋势。许多名牌都是假冒的。相应的市场监管和法律保护相对滞后。企业维护自身权利既困难又昂贵,这挫败了一些企业自主创建品牌的积极性。三是品牌意识有待提高。有些企业认为做品牌就是出名。品牌可以通过高额的广告费来创造。他们没有充分重视品牌的核心价值、产品质量安全以及售后服务。此外,如果一些企业认为做品牌就是做销售量,那么重点主要集中在日常的生产和销售上,对品牌建设、自身质量建设和沟通重视不够。有些企业缺乏品牌建设的毅力,急于取得成功。第四,品牌价值评估体系还有待完善。目前,我国有许多品牌价值评估活动,赞助商也很多。有些评价结果不够科学、公正、权威,影响了企业在市场上的公平竞争,容易误导消费者。为了适应我国经济向高质量发展的转型要求,加快品牌建设是当务之急。为此,首先要促进国家品牌战略的实施,加快国家品牌战略规划的制定,明确品牌建设阶段工作的重点方向、目标和重点,以创造中国越来越大的品牌实力。其次,要建立相关的法律法规,填补与品牌建设相关的法律法规空白,加强市场监管,加强品牌知识产权有关大雁塔_沈阳人事网保护和非法侵权责任追究,营造良好的市场竞争环境和法律环境。跨国公司。第三,充分发挥媒体传播平台的积极作用,整合更多的媒体资源,倡导媒体之间的相互合作,特别是创造条件促进中外媒体合作,扩大中国品牌的国际影响力,形成中国品牌传播的强大协同效应。第四,发挥企业的主体作用。品牌建设离不开政府的积极引导,而企业是品牌建设的主体。我们应该为品牌竞争创造良好的市场环境,建立适合品牌发展的良好生态,通过各种措施不断激励企业创造中国品牌的内在动力,提升品华虹nec_失身记网牌价值。第五,要培养大众消费的自有品牌意识,充分利用5月10日中国品牌日和重大节庆活动的机会,加强品牌推广。通过组织和组织公益性品牌宣传活动,消费者可以不受时间限制地体验自主品牌,为大家营造爱戴、享受、支持和尊重自主品牌的良好氛围,引导人们消费自主品牌。我们相信,《人民日报》中国品牌论坛平台将在推动中国品牌建设中发挥积极作用。祝论坛取得圆满成功,谢谢!新浪宣布,所有的会议记录都是现场速记的,未经发言者审核,本文就贴在新浪上。com用于传输更多信息并不意味着同意其观点或确认其描述。责任编辑:孙建松

用手机访问
下载APP
appicon 下载
扫一扫,手机浏览
code
休闲娱乐
综合热点资讯
单机游戏下载
https://www.c8.cn/ylsj/shk3.htmlhttps://www.c8.cn/ylsj/js11x5.htmlhttps://www.c8.cn/ylsj/tjkl10.htmlhttps://www.c8.cn/ylsj/gdkl10.htmlhttps://www.c8.cn/zst/dlt/hslh.htmlhttps://www.c8.cn/zst/dlt/chzs.htmlhttps://www.c8.cn/zst/dlt/elyzs.htmlhttps://www.c8.cn/zst/dlt/joyl.htmlhttps://www.c8.cn/zst/dlt/ylzs.htmlhttps://www.c8.cn/zst/dlt/zlzs.htmlhttps://www.c8.cn/zst/qlc/sslh.htmlhttps://www.c8.cn/zst/qlc/chzs.htmlhttps://www.c8.cn/zst/pl5/jofx.htmlhttps://www.c8.cn/zst/pl5/dxfx.htmlhttps://www.c8.cn/zst/pl3/emfb.htmlhttps://www.c8.cn/zst/pl3/hmyl.htmlhttps://www.c8.cn/zst/pl3/zhbzs.htmlhttps://www.c8.cn/zst/6cai/tmhs.htmlhttps://www.c8.cn/zst/6cai/tmbs.htmlhttps://www.c8.cn/zst/qxc/qsyl.htmlhttps://www.c8.cn/zst/ssq/chubazs.htmlhttps://www.c8.cn/zst/ssq/hslh.htmlhttps://www.c8.cn/zst/ssq/lqzh.htmlhttps://www.c8.cn/zst/ssq/sqzs.htmlhttps://www.c8.cn/zst/3d/hzyl.htmlhttps://www.c8.cn/zst/3d/dqzs.htmlhttps://www.c8.cn/zst/3d/zhbzs.htmlhttps://www.c8.cn/zst/lnkl12/sanhdw.htmlhttps://www.c8.cn/zst/lnkl12/dszs.htmlhttps://www.c8.cn/zst/56.htmlhttps://www.c8.cn/zst/57.htmlhttps://www.c8.cn/zst/cqkl10/ehdw.htmlhttps://www.c8.cn/zst/pk10/lmcl.htmlhttps://www.c8.cn/zst/pk10/yjdw.htmlhttps://www.c8.cn/zst/pk10/gyhz.htmlhttps://www.c8.cn/zst/cqssc/hskd.htmlhttps://www.c8.cn/zst/32.htmlhttps://www.c8.cn/zst/23.htmlhttps://www.c8.cn/zst/42.htmlhttps://www.c8.cn/zst/38.htmlhttps://www.c8.cn/zst/jsk3/dszs.htmlhttps://www.c8.cn/zst/jsk3/hzzs.htmlhttps://www.c8.cn/jihua/hebk3.htmlhttps://www.c8.cn/jihua/sd11x5.htmlhttps://www.c8.cn/jihua/hlj11x5.htmlhttps://www.c8.cn/gaoshou/sh11x5.htmlhttps://www.c8.cn/gaoshou/cqkl10.htmlhttps://www.c8.cn/zst/pl3/emfb.htmlhttps://www.c8.cn/zst/lnkl12/dszs.htmlhttps://www.c8.cn/zst/pk10/lmcl.html
精彩专栏
游民星空联运游戏
https://www.c8.cn/ylsj/shk3.htmlhttps://www.c8.cn/ylsj/js11x5.htmlhttps://www.c8.cn/ylsj/tjkl10.htmlhttps://www.c8.cn/ylsj/gdkl10.htmlhttps://www.c8.cn/zst/dlt/hslh.htmlhttps://www.c8.cn/zst/dlt/chzs.htmlhttps://www.c8.cn/zst/dlt/elyzs.htmlhttps://www.c8.cn/zst/dlt/joyl.htmlhttps://www.c8.cn/zst/dlt/ylzs.htmlhttps://www.c8.cn/zst/dlt/zlzs.htmlhttps://www.c8.cn/zst/qlc/sslh.htmlhttps://www.c8.cn/zst/qlc/chzs.htmlhttps://www.c8.cn/zst/pl5/jofx.htmlhttps://www.c8.cn/zst/pl5/dxfx.htmlhttps://www.c8.cn/zst/pl3/emfb.htmlhttps://www.c8.cn/zst/pl3/hmyl.htmlhttps://www.c8.cn/zst/pl3/zhbzs.htmlhttps://www.c8.cn/zst/6cai/tmhs.htmlhttps://www.c8.cn/zst/6cai/tmbs.htmlhttps://www.c8.cn/zst/qxc/qsyl.htmlhttps://www.c8.cn/zst/ssq/chubazs.htmlhttps://www.c8.cn/zst/ssq/hslh.htmlhttps://www.c8.cn/zst/ssq/lqzh.htmlhttps://www.c8.cn/zst/ssq/sqzs.htmlhttps://www.c8.cn/zst/3d/hzyl.htmlhttps://www.c8.cn/zst/3d/dqzs.htmlhttps://www.c8.cn/zst/3d/zhbzs.htmlhttps://www.c8.cn/zst/lnkl12/sanhdw.htmlhttps://www.c8.cn/zst/lnkl12/dszs.htmlhttps://www.c8.cn/zst/56.htmlhttps://www.c8.cn/zst/57.htmlhttps://www.c8.cn/zst/cqkl10/ehdw.htmlhttps://www.c8.cn/zst/pk10/lmcl.htmlhttps://www.c8.cn/zst/pk10/yjdw.htmlhttps://www.c8.cn/zst/pk10/gyhz.htmlhttps://www.c8.cn/zst/cqssc/hskd.htmlhttps://www.c8.cn/zst/32.htmlhttps://www.c8.cn/zst/23.htmlhttps://www.c8.cn/zst/42.htmlhttps://www.c8.cn/zst/38.htmlhttps://www.c8.cn/zst/jsk3/dszs.htmlhttps://www.c8.cn/zst/jsk3/hzzs.htmlhttps://www.c8.cn/jihua/hebk3.htmlhttps://www.c8.cn/jihua/sd11x5.htmlhttps://www.c8.cn/jihua/hlj11x5.htmlhttps://www.c8.cn/gaoshou/sh11x5.htmlhttps://www.c8.cn/gaoshou/cqkl10.htmlhttps://www.c8.cn/zst/pl3/emfb.htmlhttps://www.c8.cn/zst/lnkl12/dszs.htmlhttps://www.c8.cn/zst/pk10/lmcl.html