当前位置:首页 > 建站教程 > 国富中小盘
作者:公平乙龙
来源:暂存
发布时间:2019-08-18

国富中小盘

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.qijianxing.com/bks62xa7/316295-979027-51267.html

发布时间:04:20:39

广州设计公司  万彩吧  产品设计  二四六彩  万彩吧  易用设计  广州设计  万彩吧  广州外观设计  工业设计  广州工业设计  

{相关文章}

特斯拉超级工厂检查:部分生产期即将来临,但没有启动的迹象。

    摘要

  &nb厦门龙舟池_武汉资讯网sp;  【特斯拉超级工厂实探:部分投产期限将近 却无动工迹象】近日,美国视频网站YouTube上流传的一段视频显示,特斯拉第二工厂——位于上海的“超级工厂”已正式开工建设。今年7月10日,特斯拉与上海临港签署投资协议,准备独资建厂。12月初,上海市人民政府新闻办官方微信平台“上海发布”发消息称,落户临港重装备产业区的特斯拉超级工幼稚的反义词是什么_动漫资讯网网厂项目已基本完成土地平整,即将开工建设,预计明年下半年“部分投产”。(国际金融报)

    

    

    

       近日,美国视频网站YouTube上流传的一段视频显示,特斯拉第二工厂——位于上海的“超级工厂”已正式开工建设。  今年7月10日,特斯拉与上海临港签署投资协议,准备独资建厂。12月初,上海市人民政府新闻办官方微信平台“上海发布”发消息称,落户临港重装备产业区的特斯拉超级工厂项目已基本完成土地平整,即将开工建设,预计明年下半年“部分投产”。  那么,这座“超级工厂”的真面目究竟如何,目前又建设到何种程度?近日,《国际金融报》记者前往上海临港,尝试揭开特斯拉超级工厂的神秘面纱。  实地探访  为稽查员_羊毛资讯网了解特斯拉超级工厂的建设进度,《国际金融报》记者近日驱车前往上海临港。  据地图显示,特斯拉超级工厂北方正门位于临港两港西大道,三一重工西侧,向南一直延伸至随堂河。  然而,记者在走访时发现,特斯拉超级工厂地址周边的居民对这座工厂的具体位置并不了解。经多方询问后,记者终于在两港西大道的工业区找到了特斯拉超级工厂的建筑工地。  按照规划,这座集研发、制造、销售于一体的超级工厂将在明年下半年部分投产,两到三年后,其纯电动车年产能将达到50万辆(周产9600辆)。临港管委会相关人士向媒体透露,特斯拉超级工德育总结_如何补充叶酸网厂项目总投资高达500亿元,一期投资160亿元,初期以组装线的模式生产,力图以最快的方式实现国产化。  也就是说,目前特斯拉超级工厂距离部分投产仅剩不到一年时间。而记者发现,在特斯拉超级工厂入口附近的施工人员不超过30人,部分人身穿带有“中国建筑”字样的背心,挖掘机等工程设备也不超过10台,整个工地显得有些荒凉。▲特斯拉超级工厂正门地址处  随后,记者前往随堂河南岸地势较高的公路区,试图隔河一探特斯拉超级工厂的全貌。  当站在河对岸时,记者发现,特斯拉超级工厂大部分土地已完成平整工作,但没有进一步动工的迹象。  业内人士王志(化名)对《国际金融报》记者表示,按照目前情况来看,特斯拉想要在2019年实现部分车型量产,只有通过CKD或SKD的方式。  CKD,即全散装件,使用进口或者本地生产的零部件在装配线上组装成总成,经检验测试后出厂;  SKD,即直接进口汽车总成,如动力总成等完成组装,相当于将半成品组装成整车,速度更快。  王志表示,SKD模式不符合国内现有规定,CKD或许是唯一的选项。但是,即便采用CKD模式,留给特斯拉的时间也非常紧张——一般工厂的建设时间至少需要18至24个月,而特斯拉只有6至12个月。  对于这些问题,记者联系了特斯拉相关人士,但截至发稿前未获回应。  汽车行业分析师任万付向记者表示,从目前的情况来看,特斯拉超级工厂建设进度缓慢的原因或许是在等待环评审批,此外还要进行建设工程招标。在环评等先期工作完成后,特斯拉超级工厂的工程建设进度将大大加快。  记者查询公开资料发现,特斯拉超级工厂项目(一期)环境影响评价公示已于10月24日发布。同时,住建网信息显示,特斯拉方面已经开始了部分采购和工程招标工作。▲于随堂河岸边拍摄的特斯拉超肾移植配型_今天新股申购网级工厂,目前没有任何动工迹象  两大问题  在建设超级工厂时,财务情况仍是特斯拉要面对的一大问题。  今年8月,特斯拉董事长马斯克宣布,上海工厂的建设资金将由50亿美元减少至20亿美元,剩下的资金将向当地寻求贷款。  今年二季度,特斯拉亏损7.17亿美元,总负债已超220亿美元。到三季度,特斯拉实现了上市以来的第三个单季度盈利,净利润达到2.55 亿美元,主力车型Model 3周产量达到4300辆,其中最后一周产量达到5300辆。  王志认为,特斯拉财务情况并不稳定,现金流压力很大,大部分建厂的资金都需要在中国筹集。  任万付表示,随着特斯拉的到来,将会在国内新能源造车行业内产生鲶鱼效应,大大刺激同类企业发展。但目前,对于投资特斯拉这家亏损严重的美国公司,国内资本在短时间内或许仍会保持观望。  特斯拉面临的另一问题是销量。  今年11月,特斯拉向首批预定了Model 3的中国客户发送了确认邮件,同时公布了预售价格——58.8万起售,这个价格是美国同款车型的1.8倍。  然而,在公布预售价后不久,特斯拉于11月22日直接下调了Model 3的价格,两款在售的Model 3价格分别从58.8万元和69.8万元下降至54万元和59.5万元。按照特斯拉官方的计算结果,补贴前两款车型的综合税额高达23万元和27万元。  12月23日,特斯拉再度将两款Model 3的售价下调至49.9万元和56万元。  汽车行业分析师钟师曾对《国际金融报》记者表示,Model 3的合理售价应该在40万元左右。照这样看来,即使两度降价,Model 3目前的定价依然过高。  多位业内人士指出,马斯克希望Model 3在中国尽快“国产化”,以避开高昂进口税,同时降低制造成本,抢占市场。  特斯拉目前的销售数据并不乐观。乘联会近期公布的数据显示,今年三季度,特斯拉在华销量为3169辆,同比下降37%;10月,特斯拉销量更是只有211台,骤降70%。  虽然特斯拉方面对于销量下降的观点予以反驳,认为上述数据非常不准确,但其并没有公开实际数据作为回应。  此外,原本在电动车领域“一枝独秀”的特斯拉,将面临越来越多的竞争对手。今年论文扉页_宝贝 下载网9月,奔驰和奥迪先后发布了旗下首款纯电动车EQC和e-tron,这两款车型都将于2019年上市,随后在中国“国产化”。  按照蔚来汽车董事长李斌的说法,国外车企将在2020年大举进入纯电动车领域。这样看来,等到特斯拉超级工厂达到完全产能时,或已要面对一个竞争激烈的红海市场。  相关报道>>>  揭开特斯拉超级工厂面纱:尚未正式施工 2019年能否顺利投产  特斯拉这一年:马斯克行为古怪 但好在没影响业绩  特斯拉如不能按时年底前交车怎么办?马斯克:将承担税收抵免  奔驰宝马成交量上升 特斯拉预定交付时间已到明年3月下旬(文章来源:国际金融报)

    

    

    

     (责任编辑:DF309)

  • 本文标签:
  • 庐阳区教体局
https://4l.cc/articlelist-348.htmlhttps://4l.cc/articlelist-351.htmlhttps://4l.cc/articlelist-337.htmlhttps://4l.cc/articlelist-306.htmlhttps://f49.in/article-46312.htmlhttps://f49.in/article-46313.htmlhttps://f49.in/article-467.htmlhttps://f49.in/article-470.htmlhttps://f49.in/article-41534.htmlhttps://f49.in/article-36004.htmlhttps://f49.in/article-424.htmlhttps://f49.in/articlelist-414.htmlhttps://f49.in/articlelist-370.htmlhttps://f49.in/articlelist-346.htmlhttps://55t.cc/article-89.htmlhttps://55t.cc/wapindex-1000-406.html?sid=-3https://55t.cc/article-9005.htmlhttps://55t.cc/article-10117.htmlhttps://55t.cc/articlelist-408.htmlhttps://55t.cc/articlelist-373.htmlhttps://55t.cc/articlelist-333.htmlhttps://55t.cc/articlelist-407.htmlhttps://www.c8.cn/zst/dlt/chujiuzs.htmlhttps://www.c8.cn/zst/dlt/zxsh.htmlhttps://www.c8.cn/zst/dlt/dxyl.htmlhttps://www.c8.cn/zst/dlt/ylzs.htmlhttps://www.c8.cn/zst/qlc/chubazs.htmlhttps://www.c8.cn/zst/pl3/wmfb.htmlhttps://www.c8.cn/zst/pl3/elyfx.htmlhttps://www.c8.cn/zst/pl3/dxyl.htmlhttps://www.c8.cn/zst/pl3/wxfb.htmlhttps://www.c8.cn/zst/6cai/tmws.htmlhttps://www.c8.cn/zst/qxc/elyyl.htmlhttps://www.c8.cn/zst/qxc/hsyl.htmlhttps://www.c8.cn/zst/qxc/zhbzs.htmlhttps://www.c8.cn/zst/3d/jozs.htmlhttps://www.c8.cn/zst/3d/dqzs.htmlhttps://www.c8.cn/zst/lnkl12/hzzs.htmlhttps://www.c8.cn/zst/pk10/lrfx.htmlhttps://www.c8.cn/zst/28.htmlhttps://www.c8.cn/zst/46.htmlhttps://www.c8.cn/gaoshou/jlk3.htmlhttp://www.easeid.cn/html/about/about-117.htmlhttp://www.easeid.cn/html/productlist/list-6-8.htmlhttp://www.easeid.cn/html/news/2013-6-3/286.htmlhttp://www.easeid.cn/html/news/2013-6-3/250.htmlhttp://www.easeid.cn/html/news/2013-6-3/249.htmlhttp://www.easeid.cn/html/news/2013-6-3/243.htmlhttps://55t.cc/articlelist-333.htmlhttps://www.c8.cn/zst/pl3/dxyl.html