主页 > 国内 >

营口新闻网

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.shufashichang.com/3fxvg669/37717-263656-82664.html

发布时间:01:38:54

广州设计公司  易用设计  易用设计  产品设计公司  广州产品设计  产品设计公司  工业设计  广州设计  工业设计公司  产品设计公司  广州工业设计  

{相关文章}

驳台当局关于非洲猪瘟疫情不实说法 国台办:故意炒作

    中新经纬客户端12月26日电 国务院台湾事务办公室26日举行新闻发布会,国台办新闻发言人马晓光会上表示,大陆发生的非洲猪瘟疫趋于平稳,总体可控;台湾民进党当局近期称大陆隐匿疫情、防疫失控,完全是不实指责,是故意炒作,是借题发挥,意图煽电车之狼3_太原人事网动台湾民众对大陆的不满情绪。  有媒体问及:今年8月以来,大陆出现大规模非洲猪瘟疫情,陆委会表示说曾经三度发文给大陆了解疫情发展,但是未获回应。陆方也没有依照《海峡两岸农产品(000061,股吧)检疫检验合作协议》规定向台湾方面通报非洲猪瘟疫情。请问发言人,这件事情是真的吗?  马晓光称,自今年8月大陆发生非洲猪瘟疫以来,相关部门和地京天红炸糕_阜阳职业技术学校网区采取了有效措施,严格开展疫情的处置,目前疫情趋于平稳,总体可控。中国政府防控疫情的措施和成效,得到了联合国粮农组织的肯定。  他表示,两岸签有《海峡两岸农产品检疫检验合作协议》,用以解决涉及两岸贸易的农产品和食品安全信息的通报问题。台湾方面长期以来没有进口大陆猪肉,所以非洲猪瘟疫疫情通报并不适用上述协议。尽管如此,2004年海峡两岸发生禽流感疫情之后,两岸双方经过沟通,确定以海峡两岸农业交流协会和台湾财团法人农村发展基金会作为两岸非贸易农产品疫情信息交换和防控交流的民间渠道。  马晓光强调,这是指非贸易农产品。该渠道一直保持了常态化的沟通。但是2017年台湾相关基金会人员被改换、业务被转型,导致双方联系中断。  马晓光称,非洲猪瘟疫疫情发生后,大陆有关方面始终按照及时、公开、透明的原则进行疫情发布,及时向世界动物卫生组织等国际/区域组织、相关国家和地区进行通报。台湾作为世界动物卫生组织的成员,可以及时获得动物疫情的信息。至于说国台办和陆委会、海协会和台海基英语四级准考证查询_雪花谣网会之间的渠道为什么中断,我想原因是众所周知的。  马晓光指出,疫情发生以来,大陆的海关通过进手机、进客舱、进车厢等等方式,加幸运魔方_恩赐柴鸡蛋网强口岸防控的宣传,提示旅客遵守入境地的相关规定,迄今已经发放了3.5万册宣传单,6000万条提示信息。  此外,马晓光还强调,民进党当局近一个时期炮制一些不实说法,称大陆隐匿疫情、防疫失控,这完全是不实指责,是故意炒作,是借题发挥,意图煽动台湾民众对大陆的不满情绪。  有媒体提问称:在台湾“九合一”选举过后,许多有养猪业的台湾中南部县市非常期待大陆观光客能够赴台旅游。请问大陆方面在非洲猪瘟防疫的问题上是否已经准备好了相关预案,防止非洲猪瘟的病毒传到台湾去?  马晓光介绍,各地海关原则上只是负责管进口,出口是由进地海关行使职能。大陆海关已经通过多种措施加强了对赴台游客的宣导。  另有记者问:大陆方面对旅客发出了6000万则的短信提醒,但仍有陆客或陆配抵达桃园机场通关时被查出行李内有生猪肉或猪肉制品,并且检出其中有非洲猪瘟病毒,遭受处罚。想请问发言人,这些陆客或陆配称,在大陆没有看到非洲猪瘟的相关报道,不知道这件事。所以误带了这些产品进入台湾。请问发言人,我们有更积极的办法来向大陆居民宣导相关事宜吗?  对此,马晓光回应称,大陆海关方面已经作出了努力,至于记者说的个别游客,那是他们的个人行为,这些受罚民众称不了解宣导,那是媒体一面之词,不能作为基本论据。  马晓光强调,大家都不愿意看到疫情对两岸同胞切商学院英文_格子衫怎么搭配网身权益造平民窟里的百万富翁_新加坡大学留学条件网成伤害,尽管现在由于台湾方面的原因,两岸公共部门的相关渠道和沟通不能正常运作,但是,大陆方面还是希望两岸双方各自努力,加强疫情防控,减少对两岸民众权益的伤害。(中新经纬APP)  【编辑:张澍楠】

    

     (责任编辑: HN666)

【责任编辑:admin】
最新文章
热门文章
http://www.easeid.cnhttp://www.easeid.cn/html/about/about-19.htmlhttp://www.easeid.cn/html/jobtlist/list-11-1.htmlhttp://www.easeid.cn/html/productlist/list-107-1.htmlhttp://www.easeid.cn/html/product/2017-5-8/536.htmlhttp://www.easeid.cn/html/news/2017-5-19/558.htmlhttp://www.easeid.cn/about/?19.htmlhttp://www.easeid.cn/html/product/2017-5-11/547.htmlhttp://www.easeid.cn/html/product/2017-5-6/534.htmlhttp://www.easeid.cn/html/product/2017-4-20/505.htmlhttp://www.easeid.cn/html/product/2016-7-28/490.htmlhttp://www.easeid.cn/html/product/2015-11-13/488.htmlhttp://www.easeid.cn/html/product/2013-5-28/319.htmlhttp://www.easeid.cn/html/news/2014-12-1/469.htmlhttp://www.easeid.cn/html/news/2014-12-1/468.htmlhttp://www.easeid.cn/html/news/2014-10-14/460.htmlhttp://www.easeid.cn/html/news/2014-10-9/459.htmlhttp://www.easeid.cn/html/news/2014-1-11/453.htmlhttp://www.easeid.cn/content/?320.htmlhttp://www.easeid.cn/content/?319.htmlhttp://www.easeid.cn/content/?332.htmlhttp://www.easeid.cn/content/?355.htmlhttp://www.easeid.cn/html/news/2013-5-20/217.htmlhttp://www.easeid.cn/html/news/2013-5-20/227.htmlhttp://www.easeid.cn/html/news/2013-5-20/225.htmlhttp://www.easeid.cn/html/product/2013-6-19/417.htmlhttp://www.easeid.cn/html/product/2016-11-24/492.htmlhttp://www.easeid.cn/html/product/2017-5-11/551.htmlhttp://www.easeid.cn/html/product/2017-5-11/549.htmlhttp://www.easeid.cn/html/product/2017-5-8/544.htmlhttp://www.easeid.cn/html/productlist/list-6-5.htmlhttp://www.easeid.cn/html/productlist/list-7-2.htmlhttp://www.easeid.cn/html/product/2015-11-16/489.htmlhttp://www.easeid.cn/html/product/2013-6-26/429.htmlhttp://www.easeid.cn/html/product/2017-4-20/509.htmlhttp://www.easeid.cn/html/product/2013-6-10/401.htmlhttp://www.easeid.cn/html/product/2013-6-10/387.htmlhttp://www.easeid.cn/html/product/2013-5-29/369.htmlhttp://www.easeid.cn/html/product/2013-5-29/360.htmlhttp://www.easeid.cn/html/product/2013-5-29/315.htmlhttp://www.easeid.cn/html/product/2013-5-29/366.htmlhttp://www.easeid.cn/html/product/2013-6-19/407.htmlhttp://www.easeid.cn/html/news/2013-6-3/283.htmlhttp://www.easeid.cn/html/news/2013-6-3/265.htmlhttp://www.easeid.cn/html/news/2013-6-3/259.htmlhttp://www.easeid.cn/html/news/2013-6-3/249.htmlhttp://www.easeid.cn/html/news/2013-6-3/246.htmlhttp://www.easeid.cn/html/news/2013-6-3/242.htmlhttp://www.easeid.cn/html/product/2017-5-8/536.htmlhttp://www.easeid.cn/content/?332.html