作者:龙石华华 来源:原创 时间:2019-11-15 阅读:3642597 次

南郑新闻

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.cibw.cn/muq7ip/685594-1436861-10584.html

发布时间:09:13:59

广州设计公司  二四六天天好彩每期文字资料大全  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  二四六天天好彩玄机图  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  

{相关文章}

财政委员会推动商业银行发行血液补充制品:新浪金融经济可能出现可持续债务

    12月26日,中央银行网站显示,12月25日,财政委员会办公室召开特别会议,研究多渠道支持商业银行补充资金的有关问题,促进可持续债务问题的尽快启动。作为银行补充资金的另一个创新工具,今年上半年银行发行的可持续债券和优先股、固定增长、可转换债券和二级资本债券有什么区别和优势?商业银行正在考虑发行。首先,我们来看一下可持续债务的定义。忘年会_最新时尚资讯网根据《中国银监会商业银行资本工具创新指引》(银监会2012年第56号),银行可持续债务的特征是:“在《巴塞尔协议》中,无固定期限债券可分为具有上述特征的非核心一级资本债券。可持续债务和优先股可以分为一类。但是在中国它们之间是有区别的。国家金融与发展实验室副主任曾钢告诉第一财经记者。具体而言,优先股不同于可持续债务监管的主体,前者由证监会监管,非上市机构没有尝试发行优先股。由于上市银行的发行规模有限,主要考虑优先股对二级市场的影响,因此优先股的发行空间相对有限。但可持续债券并非如此:可持续债券的发行地多在银行间市场,而且在交易所数量较少,主要是机构投资者,债券市场交易与股票市场关联性较小,受外部约束的影响较小。更重要的是,我刚才认为未上市的银行可以在银行间市场发行债券,许多银行可以发行债券,以补充银行间市场的资本,发行者范围更广。据预测,在未来,通过发行可持续债券,银行将成为补充非核心初级资本的主流。2018年,在日益严格的内部监管环境下,我国银行业现有资本水平的用水不断被挤出。同时,国际监管规则的落地也对我国大型银行提出了更高的要求。多种因素的结合导致了我国银行业的资本充足压力。今年,银行发行的二次资本债券和可转换债券相继出台,掀起了“补血”浪潮。除了次级债,商业银行也在加快发行可转换债券、固定增长和优先股的步伐。首先,财经部对近期银行补充资本的方式及规模进行了梳理:3月12日,农行将增加1000亿元人民币,4月28日将增加600亿元可转换债券,交通银行8月31日将增加600亿元可转换债券,工商银行在10月29日将增加1000亿优先股,中国银杜冷丁价格_万方论文网网行29亿元前。10月9日发售股票,10月29日发售中国银行、10月29日发售400亿次级资本债券,11月20日发售100亿元宁波银行。优先股(第一财经信息)次级资本债务、优先股和可转换债务,这三种资本工具分别用于补充次级资本、其他初级资本和核心初级资本。兴业研究所的研究员郭一新说。他认为,当前国内银行资本补充工具面临现有工具的不足,这也是财政委员会推动可持续债务问题的原因之一。具体而言,在发行方面,由于次级资本债务的门槛较低,所以次级资本债务规模最大,但大多是以非完全市场化的方式发行,风险没有完全分散。优先股和可转换债券的门槛很高,只有上市银行才能发行。然而,由于监管审计具有较强的权益属性,因此监管审计更加严格,发行时间也更长。此外,这些银行的资本补充方式并不顺畅。例如,去年年底,南京银行发布了非公开发行股票的计划。计划向紫金投资、南京高新技术、太平人寿、交通控股、凤凰集团发行不超过16.9亿元的股份,筹资总额不超过140亿元。然而,7月30日,南京银行宣布,140亿元的固定增长计划尚未通过,成为证监会拒绝的上市银行首次再融资。今年下半年,在中国银行2018年第一届临时股东大会上,审议通过了一项292亿元的非公开发行股票的法案。然而,12月9日晚,中国银行公布了《中国银行股份有限公司私募发行普通股申请文件回复》,集中讨论了证监会提出的九个关键问题。目前,国内非金融企业在2013年发行了第一笔可持续性债务。2015年后,发行规模迅速扩大,年发行规女兵走在大街上_深圳咨询公司网模超过3500亿元。到目前为止,非金融企业发行的可持续债务已达近1.4万亿元,涉及400多个发行人。然而,目前国内银行发行可持续债券以补充资金尚无先例,商业银行发行可持续债券也没有规定或发行指南。可持续债务是一种混合资本工具。自《巴塞尔协议III》出台以来,海外银行在发行可持续债务方面已有许多做法。国内银行没有先例。首先,美国的金融机构已经认识到,可持续债务是一种常见的资本补充形式。高盛总部投资银行(GoldmanSachsHeadartmentInvestmentBank)的分析师王艾琳(Eileen.)告诉第一财经记者,美国金融机构发行的可持续债券,通常由PerpNC5和PerpNC10发行,这意味着到期是永久性的,但可以在5或10年内赎回。王毅迪说,当美国金融机构补充资本时,他们实际上建议什么样的债务结构取决于盈亏平衡分析,比较不同的债务结构,看它是否具有短期到期、未来再融资成本低、还是发行期长的低成本。今年2月27日,顺驰美兰湖_西安计算机培训网中国人民银汉语言文学专业论文_迷雾剧情介绍网行发布了关于规范银行金融机构发行资本补充债券的公告。思科交换机命令_加勒比海盗3豆瓣网3月12日,中国银行业监督管理委员会、中国人民银行、中国证券监督管理委员会、中国保险监督管理委员会和国家外汇管理局联合发布了《关于进一步支持商业银行资本工具创新的意见》(以下简称《创新意见》明确支持商业银行探索资本工具创新,拓宽资本工具发行渠道,为银行创造创新资本工具。创造了良好的条件。曾庆红刚刚预言,银行资本工具创新将进入快速发展阶段。根据国际银行业的实践,优先证券(包括优先股、信托优先证券等)在其他基本资本补充中占绝对优势,未来中国银行业应该有更大的发展空间。其他资本创新工具主要涉及二级资本工具。增加股权转换条款的资本工具,将进一步增强二级资本工具的灵活性和多样性。责任编辑:陈永乐

https://4l.cc/article.php?id=291&page=2https://4l.cc/article.php?id=290&page=1https://4l.cc/article.php?id=284&page=2https://4l.cc/article.php?id=283&page=1https://4l.cc/article.php?id=281&page=2https://4l.cc/article.php?id=280&page=1https://4l.cc/article.php?id=319&page=1https://4l.cc/article.php?id=319&page=2https://4l.cc/article.php?id=248&page=4https://4l.cc/article.php?id=244&page=1https://4l.cc/article.php?id=238&page=1https://4l.cc/article.php?id=235&page=1https://4l.cc/article.php?id=233&page=3https://4l.cc/article.php?id=232&page=2https://4l.cc/article.php?id=231&page=2https://4l.cc/article.php?id=228&page=4https://4l.cc/article.php?id=229&page=1https://4l.cc/article.php?id=225&page=5https://4l.cc/article.php?id=302https://4l.cc/article.php?id=300https://4l.cc/article.php?id=284https://4l.cc/article.php?id=282https://4l.cc/article.php?id=264https://4l.cc/article.php?id=261https://4l.cc/article.php?id=258https://4l.cc/article.php?id=250https://4l.cc/article.php?id=230http://4l.cc/http://4l.cc/article.php?id=311&page=1http://4l.cc/article.php?id=304&page=1http://4l.cc/article.php?id=294&page=2http://4l.cc/article.php?id=267&page=3http://4l.cc/article.php?id=265&page=2http://4l.cc/article.php?id=248&page=7http://4l.cc/article.php?id=248&page=6http://4l.cc/article.php?id=234&page=1http://4l.cc/article.php?id=234&page=2http://4l.cc/article.php?id=232&page=3http://4l.cc/article.php?id=226&page=4http://4l.cc/article.php?id=228&page=1http://4l.cc/article.php?id=300http://4l.cc/article.php?id=294http://4l.cc/article.php?id=281http://4l.cc/article.php?id=270http://4l.cc/article.php?id=265http://4l.cc/article.php?id=249http://4l.cc/article.php?id=241http://4l.cc/article.php?id=227http://4l.cc/article.php?id=234&page=2http://4l.cc/article.php?id=241