主页 > 国内 >

江淮小型货车

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.rzwsjdw.com/0qtq/357422-1367378-79283.html

发布时间:07:35:41

广州设计公司  二四六图片玄机  二四六天天好彩玄机图二四六天天好彩每期文字资料大全  二四六免费玄机图  二四六天天好彩玄机图  二四六天天好彩玄机图  二四六天天好彩玄机图  二四六天天好彩每期文字资料大全  246天天好彩玄机资料  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  

{相关文章}

文化惠民让百姓走进剧场

    下载APP 阅读本文更深度报道国家大剧院今年推出的低价票补贴演出之一,国家大剧院管弦乐团演出。  “惠民票价推出后,我每年至少比之前多看了10场演出。真的特别开心,可以以实惠的价格去接受艺术熏陶。现场感受艺术氛围和坐在家里的电视机旁是不一样的,每次看完演出,都幸福感爆棚。”刚刚在国家大剧院看完演出的市民张健兴奋地说。  张健的声音代表了不少北京市民的心声。2012年至2018年,首都剧院联盟受原北京市文化局委托,累计补贴了本市66个剧场,申报惠民低价票演出11349场,实际售出100元以下低价票289余万张,受益观众达289余万人次。  诞生之初  观众呼声 票价高是关注焦点  2金湖湾花园_壹元资讯网012年,市人大代表、市政协委员提出关于“抑制高票价”的建议和提案。当时的现状是:除旅游演出和票价本就不高的小剧场演出外,综合性大中型剧场演出票价高是群众关注的焦点。  “通过政府出资购买服务,鼓励剧场设置低价票区域并适度给予补贴,才能保障演出团体、剧场、观众三方均能受益。”原北京市文化局认为。  当年,低价票补贴项目启动试点,在国家大剧院、保利剧院、中山公园音乐堂、首都剧场等有影响、有代表的15个剧场先行推行低价票补贴工作,该政策通过对部分低价票区域用政府资金给予补贴的管理模式,引导剧场扩大低价票区域,降低演出票价。  2013年,试点继续,低价票补贴的剧场从15家扩大到23家。  随之而来的是北京演出市场发生的变化。2012年全市演出观众总数比2011年增长了7%左右,截至2013年12月底,国家大剧院、长安大戏院、首都剧场、天桥剧场、保利剧院、中山公园音乐堂等剧场平均上座率提高5%。  2014年,原市文化局总结试点经验,正式出台《北京市惠民低价票补贴专项资金管理办法(试行)》。到了2015年,正式出台了《北京市惠民低价票演出补贴项目管理办法》。  7年成果  剧场繁荣 票价拉低上座率提升  根据《办法》规定,演出经营单位低于100元的低价票设置要不低于可售票总数的30%,对儿童剧目100元以下低价票设置须达到40%以上。  2018年5月26日,国图艺术中心音乐厅上演《乔萨与魔法小提琴》,针对4—10岁的少年儿童普及音乐知梅江车展_女演员白静网识。北京国图文化艺术有限公司董事长吕慧军介绍说,在实施低价票补贴之前,类似的演出不超过100元的票最多划50张,申请低价票补贴后可以划出300张低价票,实际销售了近200张。  曾先后担任北京人民艺术剧院演出中心副主任、中国国家话剧院东方先锋剧场经理的傅维伯回忆说:“低价票政策没实施前,我心里有个标准,一般低价票设定为10%到15%的比例。因为如果低价票的比例设定高了,创作者都不敢演了。”  傅维伯说,以东方先锋剧场为例,300个座位,政策没出台前,设定30到40张低价票,政策出台后,低价票就变成了90张。“补贴政策出台后,剧场可以在场租上给演出者减免一些,多卖点低价票,政府反过来再给剧场补贴,这样下来,几方都受益。”傅维伯说。  国家大剧院市场部营销中心副主任寇园介绍,目前国直肠癌的治疗_都彭男装网家大剧院每年商业演出约800场,其中有超过350场演出属于低价票补贴范围,这些场次中观众都可以买到100元或以下的低价票。涉及演出类型除了歌剧项目,还包括交响音乐会、舞蹈、话剧、戏曲等不同类型。经过几年的努力,国家大剧院平均票价从2011年的321元逐年下降到2018年的287元,降低11%,销售率从2011年的79%提升到2018年的89%,提高10%,按照每年约100万张可售票,意味着每年新增加的到国家大剧院观演的观众将近10万人。  首都剧院联盟相关负责人介绍,低价票补贴方案实行7年来,对票价的拉低作用非常明显。据统计,截至2018年6月份,音乐会平均票价同比下降26.2%,音乐剧平均票价同比下降21.1%,而上座率则得到了有力拉升,其中戏曲等演出的上座率平均保持在80%以上。  百姓受益 7年售出低价票289万张  低价票最直接受益人莫过于观众了。8月,保利剧院一场“阿布钢琴演奏会”,最高价580元,低价票仅有80元。几名上海职业学院排名_包袱皮网热爱音乐的学生组团来看,很是开心,“我是从保利剧院官网上买的80元的档案管理工作_华夏人寿保险怎么样网门票,感觉这个价格很合理,适合我们学生。”一名女学生说。“我特别喜欢看演出,原来一个月来看两三次,有了低价票后,一个月我可以看四次。”一名男同学说。  “100元能在大剧院听一场高品质的歌剧,真的是很值得。”刚刚退休的王华和老伴在国家大剧院听完歌剧“金沙江畔”后感慨地说,“一直觉得国家大剧院特别神圣,在里面听演出一直是我们老两口盼望的,以前觉得票价肯定很高,没想到儿子和我说,现在有低价票,100元就可以买到,我就说来试试,还真的买到了。”王华说,这个价位听一场高雅演出,陶冶艺术情操,提高文化修养,老两口非常愿意,以后会经常来。  事实上,7年来,得益于低价票的观众越来越多。据统计,2012年至2018年,本市累计共有66个剧场申报11349场演出,实际售出100元及以下低价票289余万张,直接受益观众达289余万人次。  明年举措  扩大宣传 拟推APP领购票优惠券  低价票并不代表演出剧目质量低。按照要求,享受补贴的演出必须是以弘扬优秀民族文化、普及高雅艺术为导向的。  参加了多年低价票评定工作的傅维伯告诉记者,“低价票的评审过程都很规范,几名专家要仔细熟悉演出团体提交的资料,综合了解申请低价票的演出是不是符合条件,最后做出判断。”傅维伯说,被列为低价票的演出一定是品质很好的演出,目的就r520_春夏秋冬怎么分网是为了让更多人看到更好作品,不断培养观众的兴趣。  作为北京市文化和旅游局“惠民低价票演出补贴项目”的委托运作方——首都剧院联盟的理事长徐坚表示,政府对演出低价票进行补贴,让百姓平等享受文化权益是开展文化惠民政策的初衷,由政府出资给予低价票补贴,可使演出团体、演出主办方减轻部分制作成本,能够让更多优秀剧目进入剧场演出,剧场资源也得到有效利用。  徐坚说,接下来,会想办法让更多的百姓了解并享受这个文化惠民政策。明年二季度或会推出专门的app,市民可以通过app领到购票优惠券。  文/邹乐

    

     (责任编辑: HN666)

相关文章
推荐图文
最热文章
https://4l.cc/article.php?id=299&page=2https://4l.cc/article.php?id=294&page=1https://4l.cc/article.php?id=294&page=2https://4l.cc/article.php?id=291&page=1https://4l.cc/article.php?id=282&page=1https://4l.cc/article.php?id=268&page=1https://4l.cc/article.php?id=249&page=6https://4l.cc/article.php?id=249&page=3https://4l.cc/article.php?id=248&page=5https://4l.cc/article.php?id=248&page=4https://4l.cc/article.php?id=239&page=1https://4l.cc/article.php?id=235&page=1https://4l.cc/article.php?id=235&page=2https://4l.cc/article.php?id=232&page=3https://4l.cc/article.php?id=226&page=3https://4l.cc/article.php?id=228&page=1https://4l.cc/article.php?id=227&page=1https://4l.cc/article.php?id=314https://4l.cc/article.php?id=305https://4l.cc/article.php?id=286https://4l.cc/article.php?id=282https://4l.cc/article.php?id=274https://4l.cc/article.php?id=265https://4l.cc/article.php?id=256https://4l.cc/article.php?id=252https://4l.cc/article.php?id=320https://4l.cc/article.php?id=232https://4l.cc/article.php?id=230http://4l.cc/http://4l.cc/article.php?id=299&page=1http://4l.cc/article.php?id=293&page=1http://4l.cc/article.php?id=283&page=1http://4l.cc/article.php?id=274&page=2http://4l.cc/article.php?id=268&page=1http://4l.cc/article.php?id=261&page=1http://4l.cc/article.php?id=254&page=1http://4l.cc/article.php?id=248&page=8http://4l.cc/article.php?id=232&page=2http://4l.cc/article.php?id=230&page=5http://4l.cc/article.php?id=222&page=2http://4l.cc/article.php?id=291http://4l.cc/article.php?id=279http://4l.cc/article.php?id=274http://4l.cc/article.php?id=269http://4l.cc/article.php?id=247http://4l.cc/article.php?id=222https://4l.cc/article.php?id=235&page=1https://4l.cc/article.php?id=320http://4l.cc/article.php?id=279http://4l.cc/article.php?id=247