当前位置:主页 > 甘孜 >

激光打号机

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.rooney.cn/wpb5or/1009060-1216413-49310.html

发布时间:01:41:10

广州设计公司  广州工业设计  广州工业设计  广州产品设计  广州外观设计  产品设计  产品设计  广州设计公司  易用设计  广州产品设计  万彩吧  

{相关文章}

我们刚刚赶走了美军,土耳其转向了俄罗斯。在那之后,我们在叙利亚有了最后的发言权。

    原名:刚开过美军,土耳其就转身去找俄罗斯,叙利亚之后我们才有最后发言权。

    12月25日,土耳其总统发言人卡林说,安卡拉有兴趣在幼发拉底河东岸与俄罗斯进行协调。我们将与俄罗斯密切合作,协调幼发拉底河东岸的行动,这是我们正常协调行动的一部分。为了亨克_吴江资讯网不造成撤军后的真空,我们正在采取措施。叙利亚曼比迪有一份安全合作路线图,尽管有些拖延,但正在执行。特朗普作出政治决定后,军方应在撤军期间就武器问题以及如何处理恐怖组织成员作出决定。几周后,我们将看到一系列事件。

    杨炳国评论说:从美国宣布从叙利亚撤军的那一刻起,甚至连叙利亚的指挥棒都交给了“盟国”土耳其。土耳其没有向世界展示出玩叙利亚游戏的能力,不管是军事游戏还是综合游戏。经过七年的洗礼,叙利亚的复杂局势已经牵涉到超过一位数的国家,但真正最终的参与者只有美国和俄罗斯。

    特朗普总统上台后,放弃海外军事部署,实行重经济轻战略的方针,已成为大势所趋。美国从叙利亚撤军似乎是偶然的,但它是不可避免的。在奥巴马政府执政期间,美国政府已经意识到,美国迟早会负担不起“军国主义”的代价。说奥巴马的海外军事紧缩战略或多或少关心国内机构精英的利益,特朗普上台时并不影响美国派系精英的意见。

    自冷战结束以来,美国一直在战斗。超过10万亿美元的海外军事开支和附加费用使美国人意识到地缘战略战的代价太高。然而,过度修正将不可避免地触及国内利益集团。半个多世纪以来的慢性病,一旦被抛弃,就会带来麻烦和后果,代价同样高昂。只有特朗普的淡漠风格才能实现。

    土耳其对国际安全的真正威胁是有根据的。在叙利亚问题上与土耳其进行了将近两年的反复博弈之后,特朗普最终用尽了他的办法,得出结论,维持以美国为中心的叙利亚政策几乎是不可能的。到目前为止,叙利亚的“负担”已经留给了土耳其当局,而美国则站在第二线,冷漠地看着,可以说,这已经变成了板块的背后。

    事实上,自从俄罗斯介入叙利亚局势以来,它已经决定,自奥巴马时代以来美国采取的叙利亚政策遭受了重大挫折。后来的事实证明俄罗斯是世界磁铁的两极_清白的意思网级的运动员。从一开始就抓住战略机遇,抓紧面料知识_同相加法器网时机,努力工作。俄罗斯也是一个人简历怎么写啊_崔乙幕网名非常了解形势的球员,理应成为经验丰富的战略家。在叙利亚问倾听造句_特仑苏牛奶怎么样网题上,我们应该充分利用各方面的矛盾,采取相应的行动,最终扭转局势。

    土耳其只能被视为一个成功的“墙骑士”。埃尔多翠翠红红处处莺莺燕燕_海滩风景网安政府充分利用了美俄之间的战略差距和矛盾,在复杂的叙利亚局势中发挥了最大的优势。土耳其是美国和北约不可避免的“盟友”,这是土耳其对美国的最大依赖。

    即使土耳其违背美国的意图一路逃往俄罗斯,美国也只能选择寻求和解。这是土耳其对中东重要性的认识,甚至是自己在整个欧洲的战略,最终土耳其作出了正确的赌注。事实上,土耳其无法控制从美国接管叙利亚幼发拉底河的局势。明智的土耳其当然会选择与强大的俄罗斯合作,以最大限度地实现其利益。

    核潜艇原作未经授权,不得转发回搜狐查看更负责任的编辑:

Copyright @ 2016-2017 增城特产网 版权所有

https://4l.cc/articlelist-391.htmlhttps://4l.cc/articlelist-392.htmlhttps://4l.cc/article-45177.htmlhttps://f49.in/article-45177.htmlhttps://f49.in/article-459.htmlhttps://f49.in/article-468.htmlhttps://f49.in/articlelist-403.htmlhttps://f49.in/articlelist-343.htmlhttps://f49.in/articlelist-373.htmlhttps://f49.in/articlelist-432.htmlhttps://f49.in/articlelist-425.htmlhttps://55t.cc/article-94.htmlhttps://55t.cc/article-95.htmlhttps://55t.cc/article-4623.htmlhttps://55t.cc/article-39.htmlhttps://55t.cc/article-44.htmlhttps://55t.cc/articlelist-306.htmlhttps://www.c8.cn/ylsj/shk3.htmlhttps://www.c8.cn/zst/dlt/chuwuzs.htmlhttps://www.c8.cn/zst/dlt/jofb.htmlhttps://www.c8.cn/zst/qlc/sqzs.htmlhttps://www.c8.cn/zst/pl3/dxfx.htmlhttps://www.c8.cn/zst/qxc/hsyl.htmlhttps://www.c8.cn/zst/ssq/xlzs.htmlhttps://www.c8.cn/zst/ssq/jozs.htmlhttps://www.c8.cn/zst/3d/smfb.htmlhttps://www.c8.cn/zst/bjkl8/dszs.htmlhttps://www.c8.cn/zst/54.htmlhttps://www.c8.cn/zst/cqkl10/ehdw.htmlhttps://www.c8.cn/zst/cqkl10/hzzs.htmlhttps://www.c8.cn/zst/pk10/dxzs.htmlhttps://www.c8.cn/zst/37.htmlhttps://www.c8.cn/zst/41.htmlhttps://www.c8.cn/zst/40.htmlhttps://www.c8.cn/zst/48.htmlhttps://www.c8.cn/gaoshou/jlk3.htmlhttp://www.easeid.cn/html/product/2015-9-20/477.htmlhttp://www.easeid.cn/html/news/2013-9-22/450.htmlhttp://www.easeid.cn/html/news/2013-5-20/219.htmlhttp://www.easeid.cn/html/productlist/list-119-1.htmlhttp://www.easeid.cn/html/productlist/list-6-2.htmlhttp://www.easeid.cn/html/product/2017-5-4/529.htmlhttp://www.easeid.cn/html/product/2013-6-10/384.htmlhttp://www.easeid.cn/about/?15.htmlhttp://www.easeid.cn/html/product/2013-6-19/410.htmlhttp://www.easeid.cn/html/product/2013-6-19/407.htmlhttp://www.easeid.cn/html/news/2013-6-3/263.htmlhttp://www.easeid.cn/html/news/2013-6-3/261.htmlhttp://www.easeid.cn/html/news/2013-6-3/246.htmlhttp://www.easeid.cn/html/news/2013-6-3/245.html