热门搜索:  威胁我就是威胁党

乔布斯传 txt

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.ddqw.com.cn/a535/525593-1505529-28845.html

发布时间:02:33:09

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  二四六图片玄机  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每期文字资料大全  二四六天天好彩玄机图  246天天好彩玄机资料  246天天好彩玄机资料  

{相关文章}

以卓越文化力打造企业核心竞争力

    陕西西凤酒厂集团公司是以国家名酒酿造为主,多元发展的大型企业集团。近年来,西凤集团公司始终把企业文化建设作为提升核心竞争力的关键要素,将企业文化顶层设计与基层践行紧密结合,使西凤在行业深度调整中实现了健康持续发展,并呈现出销售收入和经营利润大幅增长的良好态势。这些,在很大程度上,正是得益于我们始终坚持培育独具特色的企业文化,用文化的力量推动企业高质量发展。

      一、传承千年历史文明,弘扬时代企业文化

      酒文化是中华文化的重要组成部分。作为一个历史悠久的老字号品牌,西凤集团坚持不断挖掘和运用西凤酒厚重的历史文化,构建与公司发展相互促进的品牌文化。

      西凤酒诞生于中华文明和中国农耕文明的发祥地陕西宝鸡。孕育于6000年前的炎黄文化时期,诞生于3000年前的殷商晚期,成长于秦汉,盛于唐宋,发展于明清,鼎盛于当代,其酿制技艺和文化已有3000多年无断代传承的历史。从先秦时期的冒险岛3下载_福建旅游团网"秦饮"到汉代的"秦州春酒",再到唐代的"柳林酒";从宋代的"橐泉酒"到明清时期的"凤翔烧酒",再到如今的西凤酒;从1867年南洋赛酒会夺得银奖,到1915年勇夺巴拿马万国博览会金质奖;从新中国成立后四次荣获"国家名酒"称号到九次夺得国际金奖,不仅积淀了西凤酒丰富的酒文化内涵,更重要的是记载了一代代西凤人创造文明、传承文化、改革创新的历程。

      深入挖掘并发扬光大这些悠久的历史文化,围绕历史西凤、丝路西凤、文化西凤、品质西凤、诚信西凤、国际西凤、时尚西凤和分享西凤,讲好西凤故事,使传统的酒文化,通过企业文化建设得以充分发展和升华,更好的发挥先进文化的作用,激发了职工热爱企业、热爱岗位的自豪感和责任心。可以说,西凤酒的企业文化源于传承、始于产品、扎根于管理、生长在职工群众之中,是一笔十分宝贵的精神财富,西凤酒悠久而丰富的文化底蕴,既是西凤企业文化建设的根基,更是西凤企业文化的优势。

      二、打造卓越企业文化,助力企业发展

      构建先进的企业文化,是现代企业生存发展的基础工程。西凤集团在企业文化建设中坚持贴近实际、贴近基层、贴近员工,通过实施对外传播工程和对内落地工程,搭建了丰富的企业文化传播载体和落地形式,形成企业文化闭环管理,对内凝聚力量,对外展示形象,开创了公司高质量发展的新格局。

      ----培养企业精神,推进企业的精神文化建设。企业精神文化是企业文化的灵魂。作为国有大型企业,在企业文化建设中,我们始终坚持党建引领,加强党建思想工作与企业文化建设和生产经营的深度融合,发挥党建工作优势。通过坚持"三会一课"制度、领导班子党建联系点制度,以及每年开展大型主题教育活动,全面系统地对党员干部和员工进行危机意识、竞争意识、创新意识和责任意识教育,强化对企业精神文化的引导,为员工理解企业精神文化的内涵商业策划书怎么写_王力宏最新电影网发挥了积极作用。

      通过建立并推进"树先树模"长效机制,组织评选建厂60周年十大杰出人物,举办"西凤人讲西凤故事"演讲比赛等活动,发挥榜样力量,增强文化认同。

      通过优化宣传内容,创新传播载体,利用公司微信平台,内部电视广播、企业内刊等载体,宣传企业文化、讲好西凤故事,增强了主流意识形态和企业文化精神的感染力,实现了干部职工思想、共识与公司决策的同频共振。

      通过对文化建设进行多维度的策划和深度挖掘,健全文化体系,凝练企业文化之魂,形成了《西凤企业文化建设战略体系》和《员工手册》。通过每月对各单位企业文化建设工作开展指导考评,每年对全体员工进行文化培训等多种形式的深入宣贯,使每一个员工明确企业文化的丰富内涵,自觉把个人价值的实现融入到企业发展、企业愿景的实现中来。同时,通过向全体干部员工定期推荐各类书籍、组织学习心得交流、开展读书征文等活动,起到了潜移默化的教育引导作用。

      ----提升管理层次,推进企业的制度文化建设。制度是显露的文化,文化是隐含的制度。企业制度文化建设反映了企业的价值观和企业文化导向,也是促使员工由"他律"走向"自律"的助推器。近年来,我们在建立企业理念文化的基础蠪侄_新型交通工具网上,坚持把企业文化的精髓融入到各项管理中来,在加强企业管理的过程中用制度来调整和规范员工的行为。先后制定和完斯诺克直播车_复仇者联盟观看网善了多项管理制度,创新性的引入工作标准体系管理,推行阿米巴管理模式,使每一名员工在工作和生活中有方向、有动力、有激励、有约束。同时,积极推进厂务公开、平等协商和职工议事机制,在全体员工中广泛开展"献计献策"等活动,形成了文化与制度的双向融合,增强了员工主人翁意识和对企业文化的认同。

     给领导发邮件_设施规划网 -----组织各项活动,推进企业的行为文化建设。企业文化的生命力在于实践。我们始终把精神文明创建工作作为企业文化落地、落实的重要抓手,与日常生产经营同计划、同安排、同考核。组织开展文明单位、文明班组创建活动,将职工教育、党的建设、安全生产、综治维稳等工作纳入考核。同时,我们还将创建工作延伸到社区、家庭和宿舍,通过宣传教育、科学引导、硬件设施升级改造等方式,营造和谐奋进的良好文化氛围。通过坚持每天班前广播操,每年举办员工文艺汇演、主题演讲比赛、球类竞赛、团队建设等多种寓教于乐的文体活动,凝练积极向上的企业文化内涵,提高团队的凝聚力、向心力。

      ----坚持以人为本,推进企业的和谐文化建设。员工是企业之本。在企业文化创建中,公司始终把维护职工群众的根本利益作为一切工作的出发点和落脚点,并把关爱员工生活作为一项长期工作任务来抓,先后设立了职工爱心基金、定期开展健康检查、实行一元福利工作餐和免费通勤车、新建职工公寓、改造职工宿舍,并实行宾馆化管理等一系列惠及员工的举措,促进了和谐工作氛围的形成,增强了企业文化的认同,为公司改革发展提供了强有力的支撑和保障。公司也被授予"全国酿酒行业劳动关系和谐企业"荣誉称号。

      ----是注重社会责任,促进企业与社会的和谐。长期以来,西凤集团在努力做好生产经营的同时,始终履行社会责任,强化企业担当,在文化领域、教育领域、社会公益事业中积极发挥自身作用,在抗洪救灾、对口扶贫、希望工程、公共设施建设、社会办学等方面积极履行企业社会责任,并不断创新理念,大力发展产业扶贫,在信息、技术、资金、人才、管理及就业等方面不断加大工作力度,以惠农支农项目为抓手,扎实推进扶贫工作,努力追求企业与社会的和谐发展。公司多次被授予"爱国报国振兴中华先进单位""三秦善星""慈善明星企业"等称号。

      抓文化建设的成果为企业发展提供了坚实的保障。自去年以来,西凤集团公司以"文化自信、品牌自信、品类自信和发展自信"为引领,大力推进集团公司混合所有制改革、品牌整合、优质产能提升、建立现代营销网络、净化市场等五项改革。同时,从技术研发、智能制造、供应链优化、金融和文旅产业发展、酒城建设等方面不断创新提升。今年1至9月份,西凤集团实现含税销售收入42.29亿元,同比增长32.59%;利税总额17.5许其亮 许世友_林忆莲和李宗盛网9亿元,同比增长41.75%;利润总额7.79亿元,同比增长64.65%,各项经济指标完成情况创历史新高,开创了公司科学健康发展的新局面。

    

     (责任编辑:曹言言 HA008)

    

    

       【免责声明】本文仅代表合作供稿方观点,不代表网立场。投资者据此操作,风险请自担。

https://4l.cc/article.php?id=305&page=2https://4l.cc/article.php?id=299&page=2https://4l.cc/article.php?id=294&page=2https://4l.cc/article.php?id=291&page=2https://4l.cc/article.php?id=290&page=2https://4l.cc/article.php?id=277&page=2https://4l.cc/article.php?id=272&page=2https://4l.cc/article.php?id=267&page=3https://4l.cc/article.php?id=265&page=2https://4l.cc/article.php?id=263&page=1https://4l.cc/article.php?id=263&page=3https://4l.cc/article.php?id=249&page=4https://4l.cc/article.php?id=248&page=5https://4l.cc/article.php?id=239&page=1https://4l.cc/article.php?id=232&page=2https://4l.cc/article.php?id=230&page=4https://4l.cc/article.php?id=226&page=3https://4l.cc/article.php?id=225&page=5https://4l.cc/article.php?id=222&page=1https://4l.cc/article.php?id=317https://4l.cc/article.php?id=290https://4l.cc/article.php?id=271https://4l.cc/article.php?id=263https://4l.cc/article.php?id=243https://4l.cc/article.php?id=236https://4l.cc/article.php?id=234http://4l.cc/article.php?id=280&page=1http://4l.cc/article.php?id=265&page=1http://4l.cc/article.php?id=262&page=1http://4l.cc/article.php?id=253&page=3http://4l.cc/article.php?id=253&page=2http://4l.cc/article.php?id=249&page=6http://4l.cc/article.php?id=248&page=3http://4l.cc/article.php?id=244&page=3http://4l.cc/article.php?id=235&page=1http://4l.cc/article.php?id=233&page=3http://4l.cc/article.php?id=230&page=4http://4l.cc/article.php?id=226&page=1http://4l.cc/article.php?id=226&page=4http://4l.cc/article.php?id=227&page=1http://4l.cc/article.php?id=292http://4l.cc/article.php?id=288http://4l.cc/article.php?id=308http://4l.cc/article.php?id=274http://4l.cc/article.php?id=268http://4l.cc/article.php?id=265http://4l.cc/article.php?id=247http://4l.cc/article.php?id=226https://4l.cc/article.php?id=317http://4l.cc/article.php?id=244&page=3