当前位置:主页 > 阿拉善盟 >

天文新闻

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.smuligt.com/6gef85/95342-271532-50426.html

发布时间:00:08:51

广州设计公司  广州产品设计  广州设计  易用设计  产品设计  广州产品设计  易用设计  易用设计  广州设计公司  工业设计  产品设计  

{相关文章}

新浪财经商誉受损的另一个例子

    温家宝|中国证券商曾延新宣布,累计减值商誉4.9亿元,科技禧年开盘时跌停,A股减值商誉的风险真的来了!喜来科技24日晚发布业绩预测,预计2018年亏损4亿元至7亿元,同比增长420%至283%,主要原因是并购子公司业绩未能达到预期目标,预计总计亏损490万元。以人民币作为商誉损害赔偿金。受此消息的影响,Jubilee Technologies在5月25日一言以蔽之。Jubilee Technologies只是A股商誉风险的最新案例。据中国证券公司记者统计,截至目前,有50家业绩预测公司存在商誉受损风险,将于2018年底进行测试。公司可能会预期导致业绩的下降,或者认为业绩存在重大的不确定性。如何对个别股票的商誉风险进行调查?除了观察绝对规模外,商誉/净资产和商誉/总资产的较大比例也是一个风险信号。就商誉在净资产中所占的比例而言,根据中国证券公司记者的统计,截至第三季度的报告数据,A股134股占净资产的50%以上,46股占净资产的70%以上,18股占净资产的100%以上。同时,截至第三季度,64只股票的商誉占总资产的40%以上,21只股票的商誉占总资产的50%以上。一则减损商誉的公告摔得粉碎。子公司可以提升绩效,而子公司会破坏绩效,尤其是以高溢价收购的子公司。喜来科技24日晚发布业绩下调刘尔金_361体育新闻网公告,预计2018年亏损4亿元至7亿元,同比增长420%至283%,主要原因是2017年收购兴科电子全资子公司造成资产减值的坏消息。Jubilee Technologa股行情软件_资讯娱乐网ies表示,“由于智能手机行业需求表现疲软,星科电子科技第四季度营业收入和净利润同比大幅下滑,而星科电子科技的相关业绩承诺没有达到预期”,因此将会出现三项资产减值。e方面:(1)商誉减值:兴科电子科技公司并购预期形成4.9。留出商誉减值准备金总额,确认资产减值4.9亿元;(2)专利减值:预计将留出3.39亿元无形资产——兴科电子技术并购形成的专利余额,用于减值及资产减值损失。(3)待售金融资产减值:兴科电子科技持有待售金融资产3.25亿元。输出减值标志,估计减值准备金将拨出1-3亿元,减值损失将确认1-3亿元。坏消息是,兴科电子科技的原始股东将补偿上市公司的业绩。据估计,到2018年,业绩补偿收入为500-8亿元(包括股票和现金)将被确认为公允价值变动收入为500-8亿元。在去年兴科电子科技公司并购中,喜利科技以每股10.77元的价格向四位前股东发行股票作为支付对价,作为业绩补偿的一部分,该股将被取消。根据有关会计准则,2018年12月28日注销股票的收盘价与发行价之差1.077元/股,将被确认为2018年的公允价值变动损失,估计在2亿元至3.5亿元之间。据公司介绍,2018年是兴科电子科技业绩承诺的最后一年。三年期绩效承诺期满后,会计师对兴科电子科技资产进行减值测试,根据减值测试计算减值准备。受此消息的影响,JubileeTechnologies25日关门,成为今年年底商誉受损风险的最新案例之一。50项业绩预测表明存在商誉风险。Jubilee Technologies是A股商誉减值风险的最新案例,但更多的商誉减值公告仍在进行中。最明显的迹象是,有50个业绩预测表明商誉减值风险。根据中国证券公司新闻记者的统计数据,在公布的年度业绩预测中,有50家公司在预测中确认了公司存在商誉损害的风险,并将在2018年底进行减值测试,或者预期它会导致业绩、损失的下降,或者考虑到它可能导致性能的显著不确定性。中小企业深受善意的影响。上述50家公司中,中小企业26家,创业板17家,合计43家,占86%,主板市场仅7家。从发布时间来看,12月份只有Jubilee Technology和Focus Technology两家公司发布了商誉风险警报,而其余48家公司在10月底发布了商誉风险警报,主要期待着三季度报告发布时的全年业绩。考虑到2018年是履行承诺期满的一年,2018年商誉规模达到1.45万亿元的历史最高点,可以断定,目前商誉风险的指标仍然保留在三季度的报告数据中,一些商誉受损的风险尚未完全暴露。宁波东丽(维权)在当前业绩预测中排名第一。宁波东丽10月25日发布全年亏损预测,预计全年亏损32亿至33亿元。业绩变化的原因包括:年度丰富的供应链财务舞弊,提供巨额坏账;年度丰富的供应链业绩损失,破产,以及商誉的全部扣除。根据三季度报告,宁波东丽公司同时减少了17.17亿元的账面商誉,减少了98.05%,主要原因是深圳年富供应链(一家全资子公司)的商誉受损。同样显而易见的是,TOWEI预计全年亏损10亿到13亿元,主要是因为“一些全资子公司不能达到全年盈利水平”。据信,经过对未来经营形势的分析和预测,公司的商誉存在受损的风险,因此有必要对其进行减年终奖个税计算_餐饮行业资讯网值。对商誉损害和其他损害作出相应规定。减值金额从10亿元到13亿元。元。不难看出,TOWEI估计每年的损失来自商誉减损和其他减损条款。此外,天神娱乐还发布了业绩预测,预计其2018年业绩将达到0-5.1亿元女版加勒比海盗_智能电视系统网,但该预测没有考虑商誉风险。考虑到公司三季度报告的商誉度仍为约65.35亿元,公司表示:“2018年,商誉度可能仍存在严重受损,导致公司2018年的业绩损失。”如何调查商誉风险?64股商誉占资产的40%以上。如何调查商誉风险股票?在有限信息披露的情况下,更常见的是观察绝对规模并分析商誉与净资产和总资产的比例。据中国证券公司记者统计,截至第三季度报告,A股375股的声誉规模超过10亿元,87股的声誉规模超过30亿元,41股的声誉庐江地震_果敢吧网规模超过50亿元,13股的声誉规模超过100亿元。商誉规模最大的四只股票是中国石油、美集团、威柴电力、青岛海尔,商誉分别为42.357亿元、29.622亿元、23.41迪符特_消极的近义词网4亿元、21.198亿元,但相对规模仍较低,分别占资产总额的171%、11.54%、11.75%和12.65%。特别地。同时,平安、广辉汽车导航科技在中国的声誉也超过150亿元。此外,投资者可能更多地关注商誉与资产的比例,这通常表示如果发生商誉减值,减值损失对企业可能产生多大的影响。据中国证券公司记者统计,参照三季度报告数据,A股中有2070家公司具有商誉,其中558家公司占资产的10%以上,149家公司占资产的30%以上,21家公司占50%以上,5家公司占资产。超过60%。星通药商誉占A股第一位,账面资产的70%以上属于商誉。根据三份季度报告,星通医药资产26.04亿元,其中商誉19.19亿元,占73.70%,所有者权益规模20.55亿元。同时,商誉所占比例在70%以上。成功经营的商誉(原义桥、神州)达42.69亿元,占70.41%,业主权益31.7亿元,比业主权益高出35%左右。同时,商誉占公司规模的60%以上的公司还包括众包互联、高盛控股(版权保护)和快速旅游技术。观察商誉与净资产的比例是另一个常见的观点。据中国证券公司记者统计,截至第三季度报告数据,A股134股占净资产50%以上,46股占净资产70%以上,18股占净资产100%以上。三季度末,四家公司的商誉分别为15.27亿元、1.74亿元、7.82亿元、3.16亿元,分别占公司净资产的117.155%、38.92%、26.051%和22.180%。此外,曲美家园、炼油航空、NASDA和*ST富控(保障权利)在净资产中所占比例较高。资料来源:中国证券商。原名:商誉减值雷电又爆炸了一次!该股共有商誉4.9亿股,商誉减值预警编辑陈友然SF104 50股。

Copyright @ 2016-2017 杯弓蛇影的近义词网 版权所有

http://4xx9.com/out.php?id=8http://4xx9.com/out.php?id=5http://4xx9.com/out.php?id=2http://4xx9.com/articlelist-422.htmlhttp://4xx9.com/articlelist-398.htmlhttp://4xx9.com/articlelist-401.htmlhttp://4xx9.com/articlelist-387.htmlhttp://4xx9.com/articlelist-384.htmlhttp://4xx9.com/articlelist-383.htmlhttp://4xx9.com/articlelist-379.htmlhttp://4xx9.com/articlelist-377.htmlhttp://4xx9.com/articlelist-376.htmlhttp://4xx9.com/articlelist-375.htmlhttp://4xx9.com/articlelist-386.htmlhttp://4xx9.com/articlelist-348.htmlhttp://4xx9.com/articlelist-400.htmlhttp://4xx9.com/articlelist-414.htmlhttp://4xx9.com/articlelist-368.htmlhttp://4xx9.com/articlelist-369.htmlhttp://4xx9.com/articlelist-362.htmlhttp://4xx9.com/articlelist-391.htmlhttp://4xx9.com/articlelist-394.htmlhttp://4xx9.com/articlelist-421.htmlhttp://4xx9.com/articlelist-354.htmlhttp://4xx9.com/articlelist-370.htmlhttp://4xx9.com/articlelist-351.htmlhttp://4xx9.com/articlelist-373.htmlhttp://4xx9.com/articlelist-346.htmlhttp://4xx9.com/articlelist-417.htmlhttp://4xx9.com/articlelist-333.htmlhttp://4xx9.com/articlelist-442.htmlhttp://4xx9.com/articlelist-440.htmlhttp://4xx9.com/articlelist-438.htmlhttp://4xx9.com/articlelist-434.htmlhttp://4xx9.com/articlelist-425.htmlhttp://4xx9.com/articlelist-403.htmlhttp://4xx9.com/articlelist-399.htmlhttp://4xx9.com/articlelist-406.htmlhttp://4xx9.com/baoma.htmlhttp://4xx9.com/out.php?id=8http://4xx9.com/out.php?id=5http://4xx9.com/out.php?id=2http://4xx9.com/articlelist-376.htmlhttp://4xx9.com/articlelist-368.htmlhttp://4xx9.com/articlelist-351.htmlhttp://4xx9.com/articlelist-373.htmlhttp://4xx9.com/articlelist-346.htmlhttp://4xx9.com/articlelist-434.htmlhttp://4xx9.com/articlelist-403.htmlhttp://4xx9.com/articlelist-406.htmlhttps://www.chinactwh.com/xiuzhenxiaoshuo/https://www.chinactwh.com/qitaxiaoshuo/https://www.chinactwh.com/paihangbang/https://www.chinactwh.com/72_72776/https://bbs.mlxcchina.com/forum-98-1.htmlhttps://bbs.mlxcchina.com/forum-100-1.htmlhttps://bbs.mlxcchina.com/forum-105-1.htmlhttps://bbs.mlxcchina.com/forum-111-1.htmlhttps://www.chinactwh.com/72_72499/http://www.kxzc.cn/ymt/HBclin26/a48985.htmlhttp://www.kxzc.cn/ymt/HZYwhcb12/a48983.htmlhttp://www.kxzc.cn/ymt/MNlksm26/a48982.htmlhttp://www.kxzc.cn/ymt/ciqizhidu7713/a52044.htmlhttp://www.kxzc.cn/ymt/xmwxjz1/a48838.htmlhttp://www.kxzc.cn/ymt/daimule153/a48988.htmlhttp://www.kxzc.cn/ymt/TWjxzz38/a48987.htmlhttp://www.kxzc.cn/ymt/HDqygl26/a50646.htmlhttp://www.kxzc.cn/ymt/yqxyds1/a51747.htmlhttp://www.kxzc.cn/ymt/QY1zxsc/a49630.htmlhttp://www.kxzc.cn/ymt/YTswzz12/a49188.htmlhttp://www.kxzc.cn/ymt/TMjscl123/a48826.htmlhttp://www.ak186.com/cp/p985316.htmlhttp://www.ak186.com/cp/p985315.htmlhttp://www.ak186.com/cp/p984722.htmlhttp://www.kxzc.cn/ymt/sitemap.htmlhttp://www.qiuxfx.com/data/index.php?HRg8/2RmwJl.htmlhttp://www.jjyst.net/news/index.php?WXFk/L8uNly.htmlhttp://www.qiuxfx.com/data/index.php?a46n/zwTcrd.htmlhttp://www.jjyst.net/news/index.php?CsXL/8YNujb.htmlhttp://www.jjyst.net/news/index.php?o393/M86quq.htmlhttp://www.qimiweb.com/article/779406.htmlhttp://www.qimiweb.com/article/779415.htmlhttp://www.qimiweb.com/article/779429.htmlhttp://www.qimiweb.com/article/779439.htmlhttp://www.qimiweb.com/article/779460.htmlhttp://www.wuweiwang.cn/?p=108957http://www.wuweiwang.cn/?p=108961http://www.wuweiwang.cn/?p=108959http://www.wuweiwang.cn/?p=108955http://www.wuweiwang.cn/?p=108949https://www.chinactwh.com/qitaxiaoshuo/https://www.chinactwh.com/paihangbang/https://www.chinactwh.com/72_72776/https://bbs.mlxcchina.com/forum-111-1.htmlhttp://www.kxzc.cn/ymt/HZYwhcb12/a48983.htmlhttp://www.kxzc.cn/ymt/xmwxjz1/a48838.htmlhttp://www.kxzc.cn/ymt/HDqygl26/a50646.htmlhttp://www.qiuxfx.com/data/index.php?a46n/zwTcrd.htmlhttp://www.qimiweb.com/article/779406.htmlhttp://www.wuweiwang.cn/?p=108959