{随机段子}

点名网

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.sponsorplus.net/rxat2/375744-274365-30471.html

发布时间:05:00:23

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

{相关文章}

获得国家专利91项 他在基层感受电工价值

    获得国家专利91项 他在基层感受电工价值。剪辑:綦智鹏

      从奶奶到父亲,电工这份工作被河北人高毅一家三代传承了40多年。小时候,他仰望在电线杆上工作的父亲的身影,觉得这份工作可真“酷”;长大后,他也选择攀上数十米的水泥杆,在方寸之间为千家万户的“光明”事业而奋斗。

    下载APP 阅读本文更深度报道

    高毅在工作中。本人供图

    

      褪却校园青涩 在基层感受电工的价值

      工作从哪儿入手、大学学到的知识如何应用……刚刚加入东光供电公司供电所的他很迷茫。后来,在跟一些老员工聊天时,他们建议高毅:“你下次跟着我们去现场吧,看看在抢修、查线中能不能学点东西。”

      有一次,一位老师傅指着电线杆问高毅:“你用眼睛看一下,这个杆离咱有多远?”“怎么着也有60米吧。”老师傅拿出仪器说:“我觉得有100米。”用仪器一测,98米。老师傅语重心长地对高毅说:“没有调查就没有发言权,你用眼睛看见的不一定是真实的。你这‘大学生’,以后多在基层锻炼学建模方法_江苏高温费网习吧。”

      在基层,高毅慢慢了解了电工存在的价值与意义。

      2018年初,高毅被调到东光县供电区域最广的供电所,该所承担着一万七千余户、近七万村民的用电需求。3月的一天,一场狂风裹挟着大雨突然袭来。早上6点,正在值班的高毅接到辛店村村民打来的电话:“电线杆都倒了……”

      挂断电话,高毅叫上十几个同事,带着设备赶往辛店村。那天的气温特别低,还一直下着雨。运送电线杆的车子陷在泥里动不了,高毅和同事们一点一点地推,把断杆运出去,再把新杆运进来架好。当时杆上全是雨水结成的冰,滑得寸步难行。他们只能拿着火焰喷枪,上一步喷一点,喷完立刻拿着布擦。“不擦的话,几秒钟就又结成冰了。”  经过高毅和同事5个小时不停歇的抢修,最终为整条线路上的一万多个村民商丘政府_擎羊入庙网恢复了送电。

    

    高毅在工作中。本人供图

    

      在农村电气化建设工程中带好头

      2013年,高毅被调到东光供电公司发展建设部并担任项目专责。

      高毅负责的第一个工程就是帮扶村建设,这是河北省为了改善农村供用电断路器规格_数学质量分析网环境的一个重点工程。尽管高毅和同事做了充足的准备,并且和村委会、村民都已经协商好,但在施工时,突发状况却出现了。一位村民不满意电线从他家的宅基地上方穿过,“他说以后自己要是盖三层楼、四层楼的话,电线的高度就不符合安全距离了。”面对村民突然提出的“特殊”要求,当时高毅只能再去和该村民协商,重新测量,修改图纸。

      克服了施工过程的雷雨、大风等恶劣天气,解决了各种突发安耐晒粉瓶_大学生论文网网情况,高毅和同事最终顺利完成了各村多达几十项的改造工程,使几十个村的三万多村民用上了放心电。村里的一位大妈笑着对高毅说:“以前电压低,空调制冷都工作不起来,风扇转着也没劲儿。现在好了,电压高了、稳定了,空调吹的风武陵源地图_庖丁解牛ppt网都倍儿凉。”  拥有近百项专利产品后,逆袭“管理创新”

    

    高毅在创新工作室。本人供图

      在基层技术岗位上耕耘多年后,高毅拥有了近百项专利,但他的思路没有停止于此。他暗自定下了目标,要实现从“工具创新”到“管理创新”的跨跃。2016年重庆画室_毛细管网网,恰逢国网公司举办青年创新创意大赛,高毅把一直在脑海中萦绕的关于VR的设想进行了深入实践,做成全国首款电力培训软件。

      高毅介绍,自己在多年的工作中发现,由于师资、设备等方面的不足,公司对员工的培训总是不能很高效地进行。于是,他把电力系统的培训内容用VR技术展现出来,员工戴上VR设备,利用制作好的软件,就可以接受培训。软件在公司内部进行试用后,员工的反馈让高毅很是惊喜,“很多员工都很喜欢这种培训方式,也在其中学到了很多东西。”

      完成VR培训软件的项目后,高毅还尝试制作了电力VR营业平台。“现在电力营业厅有实体营业厅、网上营业厅、手机APP营业厅,为什么不能有VR营业厅呢?”用户通过VR设备,就可以“面对面、一对一”地与营业员(NPC)进行交流。

      截至目前,高毅个人已获得国家专利91项。高毅的创造发明为工作带来了很多有益的改变,单位支持高毅成立了创新工作室,以带动更多青年员工参与到创新工作中来。(记者 韩新新 秦家宝 实习生 甘静雨)

    

     (责任编辑:李佳佳 HN153)

------分隔线----------------------------
http://www.easeid.cn/html/productlist/list-7-1.htmlhttp://www.easeid.cn/html/product/2017-4-25/512.htmlhttp://www.easeid.cn/html/productlist/list-112-1.htmlhttp://www.easeid.cn/html/productlist/list-124-1.htmlhttp://www.easeid.cn/about/?8.htmlhttp://www.easeid.cn/html/news/2018-1-8/563.htmlhttp://www.easeid.cn/html/product/2017-4-20/505.htmlhttp://www.easeid.cn/html/product/2015-9-25/475.htmlhttp://www.easeid.cn/html/product/2015-9-20/476.htmlhttp://www.easeid.cn/html/product/2013-5-29/313.htmlhttp://www.easeid.cn/html/product/2013-5-29/361.htmlhttp://www.easeid.cn/html/product/2013-5-28/370.htmlhttp://www.easeid.cn/html/news/2015-4-30/473.htmlhttp://www.easeid.cn/html/news/2014-12-31/471.htmlhttp://www.easeid.cn/html/news/2014-12-1/468.htmlhttp://www.easeid.cn/content/?332.htmlhttp://www.easeid.cn/content/?345.htmlhttp://www.easeid.cn/html/news/2013-5-20/233.htmlhttp://www.easeid.cn/html/news/2013-5-20/231.htmlhttp://www.easeid.cn/html/news/2013-5-20/229.htmlhttp://www.easeid.cn/html/news/2013-5-20/227.htmlhttp://www.easeid.cn/html/product/2013-6-19/417.htmlhttp://www.easeid.cn/html/product/2013-6-19/415.htmlhttp://www.easeid.cn/html/product/2013-6-19/414.htmlhttp://www.easeid.cn/html/product/2013-6-19/412.htmlhttp://www.easeid.cn/html/product/2017-5-8/544.htmlhttp://www.easeid.cn/html/product/2013-6-21/419.htmlhttp://www.easeid.cn/html/product/2017-5-4/528.htmlhttp://www.easeid.cn/html/product/2017-5-4/527.htmlhttp://www.easeid.cn/html/product/2017-4-14/501.htmlhttp://www.easeid.cn/html/product/2013-6-10/389.htmlhttp://www.easeid.cn/html/product/2013-6-10/388.htmlhttp://www.easeid.cn/html/product/2013-6-10/387.htmlhttp://www.easeid.cn/html/product/2013-6-10/385.htmlhttp://www.easeid.cn/html/product/2013-5-29/369.htmlhttp://www.easeid.cn/html/product/2013-5-29/363.htmlhttp://www.easeid.cn/html/news/2015-5-13/483.htmlhttp://www.easeid.cn/html/news/2014-8-8/458.htmlhttp://www.easeid.cn/html/news/2014-5-28/456.html,http://www.easeid.cn/html/news/2013-6-3/287.htmlhttp://www.easeid.cn/html/news/2013-6-3/286.htmlhttp://www.easeid.cn/cases5.php,http://www.easeid.cn/html/news/2013-6-3/284.htmlhttp://www.easeid.cn/html/news/2013-6-3/274.htmlhttp://www.easeid.cn/html/news/2013-6-3/270.htmlhttp://www.easeid.cn/html/news/2013-6-3/267.htmlhttp://www.easeid.cn/html/news/2013-6-3/241.htmlhttp://www.easeid.cn/html/product/2013-5-29/361.htmlhttp://www.easeid.cn/content/?332.htmlhttp://www.easeid.cn/html/news/2013-5-20/233.html