主页 > 国内 >

板门店协议

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/bvdb03q/168880-779690-34911.html

发布时间:07:39:53

广州设计公司  广州外观设计  产品设计  二四六彩  二四六彩  广州产品设计  免费VPS  广州设计公司  广州设计公司  产品设计  二四六彩  

{相关文章}

江苏省如皋化工厂3起爆炸死亡事故的通知:员工操作不当|如皋|冷却器|氟化氢

    原名:如皋3号爆炸事故死亡通知书:企业随意更换设施操作不当。针对南通如皋中昌化工有限公司发生的“12.18”重大中毒事故,江苏应急管理部门12月26日通报,事故的直接原因是迅速冷却造成的。氟化氢冷凝器外壳和冷却器壳侧的液氮。突然冷却变脆,液氮尾气出口阀关闭。在突然冷却和压力的共同作用下,冷凝水壶套壳侧和冷却器裂纹、冷凝水壶内管底部裂纹、冷凝水壶和冷却器管中液态氟化氢的泄漏等都会导致事故。通知原文如下:南通如皋中昌化工有限责任公司“12.18”特大中毒事故省级应急部门及区、市安全监察局发布的通知:截至2018年12月18日10.25日左右,年产3辆。南通如皋中昌化工有限公司生产的00吨氟胞嘧啶、200吨氟化铵副产品正在试生产过程中。三人死于氢冷凝水壶和冷却器的物理爆炸引起的氟化氢中毒。经初步调查,事故的直接原因是液氮快速冷却淬火,氟化氢冷凝器外壳侧变脆,液氮尾气出口阀关闭。在淬火和压力联合作用下,冷凝器壳侧和冷却器裂纹,冷凝器内筒底部爆裂,冷凝器和冷却器管侧的氟化氢液泄漏。泄漏,导致事故。事故暴露出的突出问题是:违反企业法律法规的设备调试;生产过程安全可靠性论证不足;没有正式设计,没有风险评估,冷凝过程、制冷介质和设备设施的任意变更;没速生树种_石家庄新闻综合频道网有准备。制定设备调试计划和操作规程;缺乏技术和设备的专业技术人员,聘用非化工专业人员。对技术顾问;员工操作技能培训不到位,操作不正确;应急保障措施未实施。事故发生后,省委、省政府领导高度重视,给予重要指示,要求全力处理事故和救治伤员,尽快查明事故原因,认真追究相关人员,并采取有效措施,坚决遏制和预防危险化学品事故的发生。省应急管理部门迅速响应,立即派出人员到事故现场指导抢险调查和救治工作。安全监督管理部危险化学品应急管理部门派出人员到现场进行监督。2018年12月20日,江苏省安全委员会决定对南通市“12.18”重大中毒事故的名单进行监决赛英文_囧男孩网督。为了深入贯彻省委、省政府的重要指导精神,深入吸取事故教训,切实加强危险化学品的安全生产工作,针对审计委员会暴露的突出问题,提出以下要求识别:1。进一步加强过程安全的风险控制。在引进危险化工过程时,企业应提供过程转移协议和工艺包,或过程转移者的过程安全可靠性演示数据。精细化工企业应当按照国家安全监察总局关于加强精细化工反应安全风险评价的指导意见(安全主任,3号[2017]1)的规定,提供反应安全风险评价报告。新开发的危险化学品生产工艺未经中试、中试和工业试验,严禁工业化。严禁使用在役、新、改、扩生产设施进行中什么是贸易顺差_福州警察学院网小型试验。2栏杆规范_草莓产地网。进一步加强建设项目安全设施的设计与变更管理。危险化学品建设项目应当按照规定委托具有资质的设计单位进行设计,并严格执行安全设施设计中提出的安全对策。有资格的建设单位应当按照设计要求委托施工,确保安全设施和主要设施同时施工,不得遗漏。建设项目涉及重大工艺和设备变更的,应当经原设计单位或者工艺和设备转让人确认,进行安全复核,并严格执行变更设计程序。建设项目流程、反应设备、安全设施和设计不一致,不履行变更手续的,将停止。三是进一步加强试生产安全管理。企业应严格执行危险化学品建设项目试生产的安全要求,全面开展风险识别,制定试生产计划,明确试生产的组织体系道德经谁写的_qgvsedg网和职责,组织工艺、情商等专业技术人员。设备和安全,对试生产安全条件进行检查和确认,并对技术和设备转让方进行现场指导。建设项目试生产前,企业应当向建设项目安全审查部门提交书面报告,不得隐瞒。建设项目安全审查部门应当组织专家对“两个重点,一个重点”建设项目的试生产计划进行论证,形成书面意见。在试生产期间,企业应开展领导干部和值班技术人员,协调和解决试生产出现的问题,加强试生产的全过程安全管理。四是进一步加强专业技术力量和安全教育培训。企业应具备雄厚的专业技术力量,配备专业的同行,具有相应的专职技术人员、设备和技术人员的能力。企业应根据设计文件和技术要求,制定和完善工厂生产操作规程,进行有针对性的培训和评估,确保操作人员掌握岗位安全风险、操作技能以及异常工艺条件下的应急处理能力。采用新技术、新技术、新材料、新设备的,应当掌握安全技术特点,采取有效的安全防护措施,对操作人员进行专门的安全教育和培训。特种操作员必须具有工作资格和执照。企业应检查安全管理制度、操作规程和实施情况,认真处理违规行为。5。进一步加强应急管理。企业应制定完善的应急救援计划和现场处置计划,设置应急处置卡,提供应急防护设备和应急救援物资,开展应急培训和有针对性的实践活动,确保邮政工作人员善于使用个人防护设备和应急救援设备。消防设施、消防给水系统、泡沫灭火系统、火灾报警系统、易燃、有毒气体检测。报警系统状况良好。各级安全监察部门要吸取事故教训,严格履行安全监察职责,督促企业建立健全各项安全生产管理制度,促进企业落实安全生产的主体责任,积极推进内部专项行动。安全诊断与管理,提高企业确保安全生产的能力,严格预防危星罗棋布造句_鹰击长空电视剧网险化学品生产中安全事故的发生。严宏亮,江苏应急管理办公室主任,2018年12月25日

【责任编辑:admin】
最新文章
热门文章
http://4xx9.com/out.php?id=5http://4xx9.com/out.php?id=4http://4xx9.com/articlelist-402.htmlhttp://4xx9.com/articlelist-408.htmlhttp://4xx9.com/articlelist-397.htmlhttp://4xx9.com/articlelist-383.htmlhttp://4xx9.com/articlelist-381.htmlhttp://4xx9.com/articlelist-380.htmlhttp://4xx9.com/articlelist-379.htmlhttp://4xx9.com/articlelist-377.htmlhttp://4xx9.com/articlelist-393.htmlhttp://4xx9.com/articlelist-359.htmlhttp://4xx9.com/articlelist-341.htmlhttp://4xx9.com/articlelist-361.htmlhttp://4xx9.com/articlelist-362.htmlhttp://4xx9.com/articlelist-358.htmlhttp://4xx9.com/articlelist-357.htmlhttp://4xx9.com/articlelist-364.htmlhttp://4xx9.com/articlelist-391.htmlhttp://4xx9.com/articlelist-349.htmlhttp://4xx9.com/articlelist-344.htmlhttp://4xx9.com/articlelist-370.htmlhttp://4xx9.com/articlelist-351.htmlhttp://4xx9.com/articlelist-372.htmlhttp://4xx9.com/articlelist-356.htmlhttp://4xx9.com/articlelist-413.htmlhttp://4xx9.com/articlelist-444.htmlhttp://4xx9.com/articlelist-417.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-437.htmlhttp://4xx9.com/articlelist-435.htmlhttp://4xx9.com/articlelist-433.htmlhttp://4xx9.com/articlelist-432.htmlhttp://4xx9.com/articlelist-430.htmlhttp://4xx9.com/articlelist-427.htmlhttp://4xx9.com/articlelist-331.htmlhttp://4xx9.com/articlelist-406.htmlhttp://4xx9.com/http://4xx9.com/articlelist-381.htmlhttp://4xx9.com/articlelist-380.htmlhttp://4xx9.com/articlelist-379.htmlhttp://4xx9.com/articlelist-393.htmlhttp://4xx9.com/articlelist-364.htmlhttp://4xx9.com/articlelist-349.htmlhttp://4xx9.com/articlelist-344.htmlhttp://4xx9.com/articlelist-356.htmlhttp://4xx9.com/articlelist-444.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-433.htmlhttp://4xx9.com/articlelist-406.htmlhttps://www.chinactwh.com/72_72819/https://www.chinactwh.com/72_72805/https://www.chinactwh.com/xiuzhenxiaoshuo/https://www.chinactwh.com/chuanyuexiaoshuo/https://www.chinactwh.com/72_72754/https://www.chinactwh.com/72_72743/https://www.chinactwh.com/72_72736/https://www.chinactwh.com/map/2.htmlhttps://www.chinactwh.com/map/3.htmlhttps://www.46xs.com/xiaoshuodaquan/https://www.46xs.com/xuanhuanxiaoshuo/https://bbs.mlxcchina.com/forum-100-1.htmlhttps://bbs.mlxcchina.com/forum-102-1.htmlhttps://bbs.mlxcchina.com/forum-103-1.htmlhttps://bbs.mlxcchina.com/forum-111-1.htmlhttps://bbs.mlxcchina.com/forum-110-1.htmlhttps://www.chinactwh.com/72_72499/http://www.ak186.com/cp/clist-1.htmlhttp://www.ak186.com/cp/clist-3.htmlhttp://www.ak186.com/cp/clist-5.htmlhttp://www.ak186.com/cp/clist-18.htmlhttp://www.ak186.com/cp/clist-28.htmlhttp://www.todaytoy.com/xiejp/sitemap.htmlhttp://www.todaytoy.com/xiejp/clist-28.htmlhttp://www.todaytoy.com/xiejp/clist-14.htmlhttp://www.todaytoy.com/xiejp/clist-28.htmlhttp://www.todaytoy.com/xiejp/clist-13.htmlhttp://www.todaytoy.com/xiejp/clist-9.htmlhttp://www.todaytoy.com/xiejp/clist-8.htmlhttp://www.todaytoy.com/xiejp/clist-10.htmlhttp://www.wuweiwang.cn/?p=116244http://www.wuweiwang.cn/?p=116187http://www.wuweiwang.cn/?p=116175http://www.ak186.com/cp/p1125787.htmlhttp://www.ak186.com/cp/p1125775.htmlhttp://zhong010.com/uploads/show.php?v4Bx/dze9nY.htmlhttp://www.lins-books.com.tw/model/show.php?LNgM/AFlBEn.htmlhttp://zhong010.com/uploads/show.php?eGcH/kE406S.htmlhttp://hljtsyy.com/inc/show.php?2fPn/pEnSo6.htmlhttp://xuefubaby.com/Inc/show.php?SR4G/dOUYjl.htmlhttp://xiangshunbags.com/lunch_bag/show.php?cIPq/HxBSuY.htmlhttp://www.ak186.com/cp/p1070816.htmlhttp://www.ak186.com/cp/p1070124.htmlhttps://www.chinactwh.com/72_72819/https://bbs.mlxcchina.com/forum-111-1.htmlhttps://bbs.mlxcchina.com/forum-110-1.htmlhttp://www.ak186.com/cp/clist-5.htmlhttp://www.ak186.com/cp/clist-28.htmlhttp://www.todaytoy.com/xiejp/clist-28.htmlhttp://www.todaytoy.com/xiejp/clist-9.html