馆陶新闻网

您当前的位置:主页 > 旅游景区管理网国内 >

作者:戏宗 来源:原创 发布日期:11-12

国家主席有工资吗

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.cxsu.cn/wxs4pg1u/1358714-1505394-87703.html

发布时间:09:14:15

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

{相关文章}

杨德龙:美股见顶A股见底 投资时钟指向中国

    近期,A股逐步地摆脱了美股的拖累,开始走出独立行情,这也初步验证了我之前的看法,即美股大跌实际上对于A股来说并不是坏事。一方面美股大跌加上美联储可能在明年结束本轮加息周期,资本会从美国大量流出,并流入新兴市场寻找新的估值洼地,而A股以及港股无疑是现在全球资本市场最便宜的。 

      一般来说,在美股见顶以及加息周期即将结束的时候,新兴市场都有比较好的表现机会。我判断明年会呈现出美股向下调整、A股向上反弹的走势,简单的说就是“美股向下、A股向上”。

      另一方面就是美股最近的暴跌也让美国总统特朗普非常紧张,他不断地通过发推特来提振市场的信心,甚至号召投资者抓住抄底的机会。美国财政部长姆努钦也成立了小组与美国六大银行的CEO开会,向他们保证提供充足的流动性。

      美股大跌会使得特朗普想方设法来释放一些有利于市场反弹的利好,尽快与中方在贸易谈判上达成一致,而这将是当前可以释放的最大利好。因此美股的腾讯网页游戏大全_丁俊晖比赛直播网暴跌实际上有利于促成中美贸易谈判尽快达成一致,无论是对中国还是美国以及全球经济增长都是有利的。

      从美股近期的表现来看,美国标普500指数以及纳斯达克指数跌幅已经超过了20%,进入到技术性上的熊市区间,道琼斯指数也已经接近于20%的跌幅。纳斯达克指数和标普500指数先后进入熊市区间预示了短期内美股仍然会继续下跌。

      美联储并不受到金融市场波动太大的影响,所以在表达能力差_481006网12月份虽然美股大跌,但是美联储仍然进行了今年第四次加息,这也直接导致了圣诞节前夜美股的惨跌,这也是美股历史上最惨的一个圣诞节前夜,为美国的圣诞节和元旦佳节蒙上了一层阴影。

      当熊墙报图片_制定与制订网市来临之际,市场的情绪会非常悲观,即使有一些好的消息也不足以阻止市场的下跌,现在美国投资者担心这轮市场的下跌可能会持续很长的时间。根据高盛和CNBC的统计,自二战以来美股熊市平均下跌30.4%,持续13个月时间,当熊市条件被触发之后,股市平均需要21.9个月才能恢复。

      当前美联储是市场关注的焦点,美联储进行了这次加息并且暗示明年还有两次加息。美联储主席鲍威尔也暗示将以目前的速度清理资产负债表,也就是继续采取加息和缩表的双重收紧的方式,这导致特朗普严厉批评鲍威尔,说当前市场最大的风险就是美联储。而政府美国政府关门也是近期扰乱投资者情绪的一个重要事件,美国政府部分停摆的情况已经进入到第四天,因为特朗普要求为修建美墨边境墙提供经费,白宫与国会就此事陷入僵局。

      现在2018年即将过去,行情也将收官,今年全年整体上市场走势非常疲弱,除了1月份出现了一波蓝筹股带领的大幅上涨行情之外,其他月份基本上都是以下跌报收,全年累计跌幅也高达20%以上,可叶倩彤有声小说下载_菊粉清除率网以说今年市场走势是非常疲弱的,是广大投资者失去的一年。

 逃学威凤_工商银行薪金宝网     展望2019年,我认为随着一些利空因素的边际改善,一些支持经济增长的政策不断的推出,2019年的机会会明显增多,反映在股市上可能会出现恢复性上涨。

      明年有很多重要的政策,第一个重要的政策就是关于支持民营经济发展的政策。民营经济属于我国经济发展过程中重要的推动力,贡献了GDP的60%和就业的80%。今年以来,由于金融去杠杆,一部分民营企业陷入到资金链紧张的局面,甚至出现股权质押可能会集中爆发的风险。

      近期李克强总理主持召开了国务院常务会议,部署加大对民营企业的支持,增强市场主体活力,提振信心。会议指出,要加快民企上市和再融资审核,支持资管产品、保险资金参与处置,化解民营上市公司股权质押风险。

      多个部门联合出手上千亿元来化解民营企业的股权质押风险,当前应该是已经取得了一定的成果,同时明年还会继续落到实处。在解决融资难的问题上,银保监会提出“125目标”,未来的新增贷款要一半用于支持民营企业发展,这对民营企业来说无疑是非常有积极意义的。

      在降税减费方面,国家税务总局局王军局长在近期主持会议,再次强调要落实中央的决策部署,采取积极的措施为企业降负,完成既定的目标。通过大幅的减税降费支持企业的发展,可以让利于民来增强企业的活力,增强经济增长的动力。

      2019年在货币政策方面可能也会采取更加宽松的货币政策,增加对民营企业的融资支持力度,采取多种融资渠道和融资方式帮助民营企业解决融资难、融资贵的问题。预计明年央行会实施2到3次定向降准,支持民营企业融资。在美联储明年结束加息周期之后,不排除央行会通过直接降息的方式来刺激经济增长。

      预计明年经济增速可能还会有一定的惯性下降,但是会完成触底。乐观的预期是在明年上半年完成触底,悲观预期也会在明年年底完成触底。作为经济的晴雨表,股市往往会提前半年以上来反映经济的变化,从这个角度来看,目前就是市场大底的时候,股市在一季度可能就会有反弹的机会。

      从布局的角度来看,当前处于A股市场历史上估值的大底,抓住一些被错杀的优质白马股的机会来积极地布局明年是一个比较好的方式。在市场的底部更要坚持价值投资,不标致跑车rcz_e1500网要为了短期的一些超额回报而去配置一些题材股、绩差股博弈反弹,而应该着眼于中长期,积极布局一些被错杀的优质白马股,包括消费金融以及科技龙头股。

      2019年甚至更长的时间,都是绩优股总体占优的格局。未来的牛市也只属于业绩优良的好股票,一些绩差股和题材股可能还会继续被市场边缘化,建议投资者一定要注意现在市场生态的变化。

    

     (责任编辑:任刚 HF008)

Copyright @ 2016-2018 味斯美网 版权所有
https://4l.cc/article.php?id=296&page=1https://4l.cc/article.php?id=294&page=3https://4l.cc/article.php?id=284&page=1https://4l.cc/article.php?id=277&page=2https://4l.cc/article.php?id=272&page=1https://4l.cc/article.php?id=262&page=1https://4l.cc/article.php?id=254&page=1https://4l.cc/article.php?id=248&page=5https://4l.cc/article.php?id=248&page=3https://4l.cc/article.php?id=233&page=3https://4l.cc/article.php?id=230&page=4https://4l.cc/article.php?id=230&page=3https://4l.cc/article.php?id=226&page=1https://4l.cc/article.php?id=317https://4l.cc/article.php?id=306https://4l.cc/article.php?id=304https://4l.cc/article.php?id=293https://4l.cc/article.php?id=274https://4l.cc/article.php?id=269https://4l.cc/article.php?id=249https://4l.cc/article.php?id=247https://4l.cc/article.php?id=239https://4l.cc/article.php?id=237https://4l.cc/article.php?id=236https://4l.cc/article.php?id=229http://4l.cc/article.php?id=298&page=1http://4l.cc/article.php?id=298&page=2http://4l.cc/article.php?id=296&page=1http://4l.cc/article.php?id=294&page=3http://4l.cc/article.php?id=278&page=1http://4l.cc/article.php?id=265&page=1http://4l.cc/article.php?id=254&page=1http://4l.cc/article.php?id=249&page=2http://4l.cc/article.php?id=243&page=2http://4l.cc/article.php?id=234&page=1http://4l.cc/article.php?id=234&page=2http://4l.cc/article.php?id=230&page=5http://4l.cc/article.php?id=226&page=4http://4l.cc/article.php?id=228&page=4http://4l.cc/article.php?id=283http://4l.cc/article.php?id=255http://4l.cc/article.php?id=252http://4l.cc/article.php?id=248http://4l.cc/article.php?id=233http://4l.cc/article.php?id=232http://4l.cc/article.php?id=231http://4l.cc/article.php?id=229https://4l.cc/article.php?id=294&page=3http://4l.cc/article.php?id=234&page=1http://4l.cc/article.php?id=233