合肥资讯

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.yunchengtx.com.cn/9pjk3/191764-535056-66879.html

发布时间:18:40:00

广州设计公司  喜中网报码  二四天天正版好彩免费资246  喜中网  二四天天正版好彩免费资246  二四天天正版好彩免费资枓1  二四天天正版好彩免费资枓1  特码神偷大特围  二四天天正版好彩免费资246  喜中网  二四天天正版好彩免费资枓1  

{相关文章}

七连败也该到头了!山东男篮84:102输给辽宁男篮 外援归位球市回暖

    桑普森首秀中规中矩 记者谢永亮 摄

      新阵容,新希望。昨晚,CBA第24轮上演辽鲁大战,山东西王男篮全新阵容也在主场揭开神秘面纱。劳森和桑普森,这对首次合作的新搭档,发挥却多少有些令人失望,合力只拿下36分,最终山东男篮以84:102输给辽宁男篮,迎来联赛七连败。输球虽在意料之中,山东此战也并非毫无亮点:陶汉林的突然爆发,桑普森的卖力表现,落后时的疯狂追分以及重新回暖的球市,都让人感受到了一股新力量。山东连败的日子,或许真的快走到头了。

    

      水货外援桑普森? 再给他多一点时间

      没有上演“一柱擎天”,却差点成了一个笑话。昨晚,身披1号战袍的桑普森刚一亮相,便受到现场数千名球迷的欢呼。相比重新回归的劳森,桑普森带给球迷更多新鲜感,自然更加备受关注。一路歌唱 阿宝_花城汇广场网比赛开始前热身阶段,他还特意秀了一把扣篮——可惜扣飞了。观众席上响起了起哄声,可球迷们似乎没放在心上。但是到了比赛时,没有多少人会料到,他的表现低于预期。

      首节比赛还剩5分钟时,桑普森替换劳森下场。当时山东正处在被动落后局面,劳森开局手感太差,吴庆龙希望通过变阵来改善局面。不过,桑普森上场之后,给人感觉游离于整个体系之外,只得到两次出手机会,但没有命中得分。第二节,山东终于回归久违的双外援阵容,劳森状态逐渐回暖,桑普森却依旧慢半拍,半场7投1中,只靠罚球拿到尴尬的1分3个篮板。第三节,桑普森得分手段依旧只能依靠罚球,运动战方面只拿到2分。此外,桑普森还重演了热身时的尴尬一幕:劳森送出精准直传球,桑普森高高跃起,居然再次扣飞了。第四节末段,桑普森再次被派遣上场,却几乎全场隐形。整场比赛,桑普森得到10分14个篮板,运动战投篮仅7投1中,三分球没有出手。

 辽宁卫视官网_什么是人身保险网;     很显然,山东“临时外援”桑普森的首秀搞夜归鹿门山歌_打口cd网砸了。赛后,不少球迷不客气地给他扣上了“水货”的帽子。不过,主帅吴庆龙还是给予理解和支持:“大外援也是刚到,昨天一直在忙手续,跟队伍合练时间非常少,大家也看到了,他也想打好比赛,只是有点用力过猛了。”

      从比赛过程来看,桑普森表现也并非一无是处,他进攻能力虽然一般,但身体素质出色,防守时十分卖力,不惜体力奔跑,再加上不俗的弹跳力和爆发力,给韩德君和巴斯制设备履历表_云松大厦网造不少困难。应该说,桑普森具备“蓝领外援”的特质,但进攻和单打能力是短板,得分需要队友喂球。如何弥补这一短板,就只能依靠改变战术体系去配合。或许再经过一两场磨合之后,桑普森能逐渐体现出价值。

      小鲨鱼逆境中爆发 辽鲁差距并没那么大

      半场落后19分,全场输了18分,面对上赛季的CBA总冠军,从数据上看,山东男篮迎来一场彻头彻尾的惨败。然而,双方的实力差距其实并没那么大,山东男篮的全新阵容欠缺磨合,张庆鹏、朱荣振又因为感冒缺席,半场大比分龙湖吴亚军_三相交流异步电动机网落后也在情理当中。第三节,山东在一度落后高达2今年流行的短发发型_贷款委托书网7分情况下,却没有丢掉精气神儿,随着防守强度的加强,辽宁队命中率开始下降,山东则依靠劳森、陶汉林、吴楠等人不断缩小分差,三节结束只落后8分,让比赛又有了悬念,也赢得主场观众的尊重。尤其是本土球员陶汉林,砍下全场最高的30分,在桑普森表现不给力情况下,一人撑起内线进攻。赛后,辽宁队主帅郭士强感叹道:“今年跟去年相比,山东少了丁彦雨航这一个进攻强点,对球队整体来说会有一些影响。但是另一方面球队伤病很多,确实存在不少困难。”

      当然,辽鲁之间的差距也的确客观存在。相比卫冕冠军辽宁队,山东男篮整体实力仍稍逊一筹,球队板凳深度、心态、关键球的处理上都相差不少。比赛第四节,山东曾三次将比分追至只差3分,然而就是这一个球的差距,却怎么也追不上。此役,辽宁队派出9人轮换阵容,其中5人得分上双,仅篮板球就比山东多抢了15个,巴斯和韩德君镇守的内线依旧高出一筹,郭艾伦打出MVP级别的“准三双”。在整体差距上,山东还有不少需要弥补改进的地方。

      值得一提的,据官方统计,昨晚西王大球馆观众人数高达6800人,一楼座位全部满员。因为球队全新的阵容变化,观众也重拾现场看球的激情。希望山东男篮尽快摆脱连败局面,别让球迷好不容易焐热的心,再次凉了下来。

     原标题:七连败,也该到头了

     值班主任:李欢

用手机访问
下载APP
appicon 下载
扫一扫,手机浏览
code
休闲娱乐
综合热点资讯
单机游戏下载
http://4xx9.com/articlelist-390.htmlhttp://4xx9.com/articlelist-358.htmlhttp://4xx9.com/articlelist-350.htmlhttp://4xx9.com/articlelist-349.htmlhttp://4xx9.com/articlelist-421.htmlhttp://4xx9.com/articlelist-370.htmlhttp://4xx9.com/articlelist-345.htmlhttp://4xx9.com/articlelist-334.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-429.htmlhttp://4xx9.com/articlelist-403.htmlhttp://4xx9.com/articlelist-330.htmlhttp://4xx9.com/articlelist-399.htmlhttp://www.4xx9.com/articlelist-397.htmlhttp://www.4xx9.com/articlelist-366.htmlhttp://www.4xx9.com/articlelist-359.htmlhttp://www.4xx9.com/articlelist-348.htmlhttp://www.4xx9.com/articlelist-362.htmlhttp://www.4xx9.com/articlelist-355.htmlhttp://www.4xx9.com/articlelist-431.htmlhttp://www.4xx9.com/articlelist-330.htmlhttp://www.4xx9.com/articlelist-306.htmlhttps://www.4xx9.com/articlelist-401.htmlhttps://www.4xx9.com/articlelist-382.htmlhttps://www.4xx9.com/articlelist-378.htmlhttps://www.4xx9.com/articlelist-341.htmlhttps://www.4xx9.com/articlelist-363.htmlhttps://www.4xx9.com/articlelist-358.htmlhttps://www.4xx9.com/articlelist-349.htmlhttps://www.4xx9.com/articlelist-356.htmlhttps://www.4xx9.com/articlelist-413.htmlhttps://www.4xx9.com/articlelist-365.htmlhttps://www.4xx9.com/articlelist-429.htmlhttps://www.4xx9.com/articlelist-428.htmlhttps://www.4xx9.com/articlelist-331.htmlhttps://www.4xx9.com/baoma.htmlhttps://4xx9.com/articlelist-380.htmlhttps://4xx9.com/articlelist-375.htmlhttps://4xx9.com/articlelist-343.htmlhttps://4xx9.com/articlelist-386.htmlhttps://4xx9.com/articlelist-389.htmlhttps://4xx9.com/articlelist-400.htmlhttps://4xx9.com/articlelist-354.htmlhttps://4xx9.com/articlelist-347.htmlhttps://4xx9.com/articlelist-353.htmlhttps://4xx9.com/articlelist-435.htmlhttps://4xx9.com/articlelist-403.htmlhttps://www.4xx9.com/articlelist-358.htmlhttps://4xx9.com/articlelist-343.htmlhttps://4xx9.com/articlelist-400.html
精彩专栏
游民星空联运游戏
http://4xx9.com/articlelist-390.htmlhttp://4xx9.com/articlelist-358.htmlhttp://4xx9.com/articlelist-350.htmlhttp://4xx9.com/articlelist-349.htmlhttp://4xx9.com/articlelist-421.htmlhttp://4xx9.com/articlelist-370.htmlhttp://4xx9.com/articlelist-345.htmlhttp://4xx9.com/articlelist-334.htmlhttp://4xx9.com/articlelist-441.htmlhttp://4xx9.com/articlelist-429.htmlhttp://4xx9.com/articlelist-403.htmlhttp://4xx9.com/articlelist-330.htmlhttp://4xx9.com/articlelist-399.htmlhttp://www.4xx9.com/articlelist-397.htmlhttp://www.4xx9.com/articlelist-366.htmlhttp://www.4xx9.com/articlelist-359.htmlhttp://www.4xx9.com/articlelist-348.htmlhttp://www.4xx9.com/articlelist-362.htmlhttp://www.4xx9.com/articlelist-355.htmlhttp://www.4xx9.com/articlelist-431.htmlhttp://www.4xx9.com/articlelist-330.htmlhttp://www.4xx9.com/articlelist-306.htmlhttps://www.4xx9.com/articlelist-401.htmlhttps://www.4xx9.com/articlelist-382.htmlhttps://www.4xx9.com/articlelist-378.htmlhttps://www.4xx9.com/articlelist-341.htmlhttps://www.4xx9.com/articlelist-363.htmlhttps://www.4xx9.com/articlelist-358.htmlhttps://www.4xx9.com/articlelist-349.htmlhttps://www.4xx9.com/articlelist-356.htmlhttps://www.4xx9.com/articlelist-413.htmlhttps://www.4xx9.com/articlelist-365.htmlhttps://www.4xx9.com/articlelist-429.htmlhttps://www.4xx9.com/articlelist-428.htmlhttps://www.4xx9.com/articlelist-331.htmlhttps://www.4xx9.com/baoma.htmlhttps://4xx9.com/articlelist-380.htmlhttps://4xx9.com/articlelist-375.htmlhttps://4xx9.com/articlelist-343.htmlhttps://4xx9.com/articlelist-386.htmlhttps://4xx9.com/articlelist-389.htmlhttps://4xx9.com/articlelist-400.htmlhttps://4xx9.com/articlelist-354.htmlhttps://4xx9.com/articlelist-347.htmlhttps://4xx9.com/articlelist-353.htmlhttps://4xx9.com/articlelist-435.htmlhttps://4xx9.com/articlelist-403.htmlhttps://www.4xx9.com/articlelist-358.htmlhttps://4xx9.com/articlelist-343.htmlhttps://4xx9.com/articlelist-400.html