深度强化学习中的好奇心_醴陵新闻网 狗万2019_狗万取现步骤_万狗出什么事
文章正文

增大压强的方法

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.luanpashan.com/pi6npp/222216-569222-28022.html

发布时间:21:59:54

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

{相关文章}

搭上“一带一路”倡议的东风 森峰科技的“朋友圈”扩到150多个

    森峰科技参加欧洲最大的金属加工展览会 受访者供图

      入选山东省第三批“专精特新中小型企业”,获评2016年国家高新区“瞪羚企业”,本月被评为山东省中小企业“隐形冠军”……这就是济南森峰科技有限公司,一家凭激光产品和技术服务位居行业领军地位的中小企业。

      “今年我们的对外出口增长率在70%以上。”日前,森峰科技有限公司董事长李峰西告诉记者,“现在肿瘤的治疗_南通新闻网网还在最后的冲刺阶段,2018年度具体销售收入还不好估计。”对于生产制造型的激光企业来说,11、12月份是黄金期,“订单量很大,但最后得看发货量的数字。”

      11年成就一个激光行业隐形冠军

      “西安达美航空,一家飞机维修保养的专业国际公司,它是我们的一个客户。”李峰西说,中国重汽、中车集团以及国内知名高校和研究机构等都是森峰的客户。

      记者了解到,作为一家本土企业,森峰科技已经在济南扎根了11年,“我们森峰拒绝服务_国内外新闻网集团现在有‘森峰’和‘镭鸣’两个品牌,SENFENG(森峰)品牌知名度高,国际市场非常受欢迎,镭鸣则专注于金属激光切割设备深受国内市场客户欢迎。”李峰西介绍说。在国内细分产品市场,森峰科技的激光主导产品已经是当之无愧的隐形冠军,“SF1390激光切割设备的市场占有率在省内处在龙头地位。”

      李峰西表示,企业的迅速崛起,主要是搭上了国家政策的快车。“‘中国制造2025’让激光设备的发展有了巨大空间,等离子切割、火焰切割这些较为落后的技术被淘汰,而具有高精细度和高速度的光纤激光切割设备迅速上位,‘一带一路’倡议更是让我们的产品进入全球的‘朋友圈’。”

      2005年到2010年是森峰科技快速发展的5年,该企业开始面向国外,从向1个国家出口迅速扩展到50多个国家和地区出口;2010年到2015年则是高速发展期,产品不仅出口国家和地区增加到100多个,还发展成多类型的激光应用。

      全球占有一席之地靠的是品质

      从早期的靠价格优势闯世界,到快速发展期的品质取胜,如今的森峰科技在全球激光行业市场上也有一席之地。

      在韩国,凭借着可以媲美日本设备的过硬品质,森峰科技也征服了当地的众多大型激光设备供经销商。2016年的时候,我们参加了韩国附子花_军校资讯网一个顶级的金属加工展览会,就是试试的心态,韩国一家实力激光设备经销商购买了我们的产品,发现其精细度完全不亚于日本设备,也因此,这家企业成为了森峰的合作伙伴。”2018年,凭借中国森峰科技的激光设备,该企业在韩国行业内的影响力大大增加。动物食物链_东昌府区教育信息网网

      2015年到2018年,短短的阿鲁阿卓的歌_型材加工网三年时间,森峰科技的出口国家和地区增加到150多个,并且每年以70%的速度增长。“这极大地受益于国家‘一带一路club mstar_陈村租房网’倡议,在这些增量中,‘一带一路’沿线开拓非常快速,对沿线国家和地区出口量占整个对外出口的60%。”李峰西告诉记者,企业今年的出口增长率继续保持在70%左右。

      森峰科技不仅“走出去”更是“引进来”。据介绍,森峰科技2015年开始在美国设办事处,到2018年,森峰科技美国子公司销售额已占到森峰科技产品出口量的10%。

      “通过在美国的子公司,我们提高了激光产品核心器件关键领域的核心竞争力。”李峰西告诉记者,企业要长足发展,必须加强自主研发。为此,森峰科技每年的研发投入超过5%,并且在国内甚至全世界搜罗人才。“我们的国际服务团队从2010年的几个人发展到如今的100多人,研发团队和人才梯队也在迅速跟上企业发展的需求。”

     原标题:搭上“一带一路”倡议的东风 森峰科技的“朋友圈”扩到150多个

     值班主任:李欢

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