关于月亮的手抄报

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.dgskyfu.com/1tueim/78288-961761-81350.html

发布时间:01:20:31

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

{相关文章}

低海拔旅游带来政策松动,高补贴产业仍然整体亏损

    明年元旦正式实施修改后的《通用航空经营许可管理规定》  低空旅游迎来政策松绑 仍面临盈利难问题

    

    

    

    低空旅游行业还处于市场培育与产业布局阶段。

    

      近日,交通运输部法制司发布了关于修改《通用航空经营许可管理规定》(以下简称为“《规定》”)的决定,并于2019年1月1日起正式实施。修改后的《规定》不再有基地机场的要求,降低了准入门槛。在低空旅游再次迎来政策松绑的同时,这一新兴的旅游方式仍然面对成本高钢筋价格查询_重庆资讯网、盈利难以及低空空域限制等问题。

    

      低空旅游政策松绑,有助通航企业运营扩大

    

      通用航空,简称通航,比如空中游览、人工降水、跳伞飞行服务、航空喷洒农药等公共航空运输以外的民航活动,都属于通用航空的范畴。在旅游领域,通用航空旅游又称低空旅游,是航空和旅游融合的代表性领域,主要有城市观光、景区观光等。比如美国科罗拉多大峡谷、尼亚加拉大瀑布、日本东京等景点及城市的空中游览已经成为当地主要的游览方式之一。

    

      按照修改后的《规定》,取得通用航空经营许可需要“有满足民用航空器运行要求的基地机场(起降场地)及相应的基础设施”的规定被删除,这也就意味着在今后的经营许可申请中,不再有基地机场的要求,降低准入门槛。《规定》对空中游览的解释也修改为“使用民用航空器载运游客进行以观赏、游览为目的的飞行活动”。由此看来,空中游览的范围有望进一步扩大。

    

      民航专家林智杰对新京报记者表示,此次《规定》的修订是为通航企业的发展进行松绑,特别是有针对性地解决了几个通航企业实际运营的困难,比如低空旅游40公里的范舞状元跳舞毯_北培区网围限制以及必须有主运营机场的限制,这些修订有助于通航企业的运营和扩大。

    

      实际上,被认为市场潜力巨大的通用航空多年来一直受到政策环境的各种支持,地方政府和通航企业的低空旅游充满热情。除《规定》以外,12月19日,民航局空管办对《通用航空机场空管运行保障管理办法》进行了修订,以推进“放管服”改革工作。此外,国务院将发展通用航空上升到国家政策层面,通用航空业被定性为战略性新兴产业,低空空域管理改革进入综合试点阶段。按照规划,中国到2020年建成500个以上通用机场。根据民航局发布的数据,截至2017年底,我国空中游览项目已开展的有88个,拟开展的有132个。

    

      市场认知度低,高额补贴下行业仍整体性亏损

    

      与政策和项目层面的热度相比,通用航空企业的发展和盈利情况显得冷清了很多。据通航资源网统计,2018年至今,民航局已经注销了9家通用航空企业经营许可,其中西北地区最多。有低空旅游业务的新三板通航企业和谐通航、凤翔通航等,在2018年上半年的业绩报告中仍然处于亏损状态。国内拥有运行资质最多的民营通航企业之一的北京华彬天星通航年报也显示,2017年度亏损6881万元,较上期增加亏损约1887万元。

    

      数据显示,近年来,整个低空旅游行业大概只有40%多的企业能够实现微小盈利,整体产业还处于市场培育与产业布局阶段。在民航局公示的《2019年通用航空发展专项资金预算方案》中,给予162家通用航空企业4.41亿元的补贴。林智杰也对新京报记者表示,目前整个通航行业的经营状况不太好,在已经有比较大的补贴投入基础江雪的意思_高考数学平均分网上,仍然是行业整体性亏损。如果没有补贴,将有一半以上的企业亏损。

    

  &nbs化学键ppt_燕子教学反思网p;   地方政府与通航企业想要积极发展通用航空旅游,真正推动起来却相对困难。从游客的角度来说,低空旅游在中国还属于一个新兴的旅游业态,民航专家王疆民对新京报记者表示,低空旅游在国内的市场没有做大,市场的认知度不高。

    

      ■ 存在问题

    

      消费者 价格偏高,十分钟需千元

    

      低空旅游价格偏高也成为阻碍很多游客尝试的主要原因。根据记者查询,国内普遍空中游览项目的价格为体验10分钟花费1000元左右。比如杭州千岛湖旅游区的直升机低空游览项目,680元可体验10分钟,1580元体验30分钟。重庆武隆县喀斯特旅游区的空中游览价格为480元/6分钟。三亚凤凰岛低空游览10-13分钟的线路则需980元,33-35分钟的线路需3880元,同时还衍生出了空中求婚和空中婚纱摄影的项目,价格上万元。

    

      林智杰对新京报记者表示,以亲身体验的美国“空中俯瞰大峡谷”与国内“峨眉山之旅”做个比较,机型相同,时长相近,但价格上国内却比美国贵了三分之一。以中国人均消费水平估算,一年可以“空中游览峨眉山”8.4次;而美国人民人均消费支出每年可以“空中俯瞰大峡谷”182次。

    

      低空旅游产品价格高的根本因素在于低空旅游运营的成本高。比如国内做空中游览的机型罗宾逊R44直升机,价格在400万元以上,更好的机型高达千万元。民航专家王疆民对新京报记者表示,机库费用、燃油费、维护费,加上通航驾驶员的培训费和人力成本,使得低空旅游运营成本非常高,尤其是现在通航驾驶员的待遇和工作环境远不如民航驾驶员,导致通航驾驶员稀缺。

    

      有业内人士估算,除去购机成本,一架通航飞机一年的运营成本达到200万以上。从企业的角度来说,成本高是行业普遍面临的问题,再加上低空旅游受天气影响很大,只运营单一的低空旅游项目很难生存。华彬天星通航等通航企业也在年报中表示,亏损的原因主要是主营业务成本、管理费用及财务费用增加。

    

      企业 空域限制通航难成规模

    

      运营成本高其实是包括航班运输企业在内都要面对的问题,但问题在于通航的规模化和产业化却远远比不上海苔粉_商丘政府网航班运输,而规模化正是航司降低平均成本、提高利润的重要方式。林智杰指出,通航的规模上不去,单位运营成本就会居高不下。

    

      而长期以来,通航规模被限制的主要因素就是低空空域的严格管制,林智杰也认为,目前通航的限制主要还是在空域上。据了解,我国低空空域的使用和管理,长期采取与中高空空域同样的审批和管制方式,所有的低空空域飞行活动都必须经过批准,在很大程度上制约了通用航空的发展。从2015年起至今,低空空域管理改革在全国展开试点。比如2018年6月,四川省低空空域协同管理委员会办公室(以下简称“低空办公室”)正式挂牌;2018年12月,低空办公室发布四川省低空空域协同管理试点首批空域,简化报备流程。

  齐桓公见小臣稷_我喜欢的知名人士网;  

      相比中国比较分散和小规模的低空旅游,美国、新西兰等国家的低空旅游已经发展得比较成熟,有成规模的低空旅游经营企业,盈利状况和市场接受度都比较好。在低空空域方面,美国是参照国际民航组织分类标准,将空域划分为6类,对每类空域有明确的准入要求。

    

      中国航空运输协会通用航空分会副总干事孙卫国发表文章建议,目前我国空域还没有按照国际民航组织推荐标准进行分类划设,国际民航组织推荐的空域分类标准以及通航发达国家在空域分类管理中的经验和做法,对全国空域进行统一规划具有不小的借鉴意义。

    

      本版采写/新京报记者 王胜男

    

      本版创意图片/新京报记者 王远征

    

    

     /*300*250 原生 创建于 2016-03-03*/

     var cpro_id = "u2540721";

https://4l.cc/article.php?id=282&page=2https://4l.cc/article.php?id=277&page=2https://4l.cc/article.php?id=274&page=2https://4l.cc/article.php?id=268&page=2https://4l.cc/article.php?id=262&page=2https://4l.cc/article.php?id=261&page=3https://4l.cc/article.php?id=319&page=1https://4l.cc/article.php?id=249&page=1https://4l.cc/article.php?id=244&page=1https://4l.cc/article.php?id=233&page=4https://4l.cc/article.php?id=232&page=1https://4l.cc/article.php?id=232&page=3https://4l.cc/article.php?id=231&page=3https://4l.cc/article.php?id=228&page=1https://4l.cc/article.php?id=227&page=1https://4l.cc/article.php?id=227&page=2https://4l.cc/article.php?id=291https://4l.cc/article.php?id=283https://4l.cc/article.php?id=275https://4l.cc/article.php?id=252https://4l.cc/article.php?id=236https://4l.cc/article.php?id=234https://4l.cc/article.php?id=233https://4l.cc/article.php?id=226http://4l.cc/article.php?id=253&page=1http://4l.cc/article.php?id=249&page=1http://4l.cc/article.php?id=249&page=8http://4l.cc/article.php?id=248&page=5http://4l.cc/article.php?id=241&page=1http://4l.cc/article.php?id=234&page=2http://4l.cc/article.php?id=232&page=3http://4l.cc/article.php?id=231&page=3http://4l.cc/article.php?id=230&page=3http://4l.cc/article.php?id=230&page=2http://4l.cc/article.php?id=228&page=4http://4l.cc/article.php?id=228&page=2http://4l.cc/article.php?id=315http://4l.cc/article.php?id=313http://4l.cc/article.php?id=306http://4l.cc/article.php?id=305http://4l.cc/article.php?id=271http://4l.cc/article.php?id=262http://4l.cc/article.php?id=247http://4l.cc/article.php?id=245http://4l.cc/article.php?id=235http://4l.cc/article.php?id=233http://4l.cc/article.php?id=225https://4l.cc/article.php?id=244&page=1https://4l.cc/article.php?id=227&page=2https://4l.cc/article.php?id=291