{随机段子}

仙居新闻网

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.520jiji.com/45vzd78qr/316295-753512-20517.html

发布时间:02:00:59

广州设计公司  产品设计  广州外观设计  工业设计  广州外观设计  产品设计  万彩吧  工业设计  易用设计  广州设计公司  广州设计公司  

{相关文章}

为什么自爆的子公司长远集团在并购中屡屡“踩雷”涉嫌业绩欺诈?

    北京国展中心_青朱出入图网;摘要

     【自爆子公司涉嫌业绩造假 长园集团并购因何接连“踩雷”?】延期两个多月后,长园集团回复交易所对两家高溢价收购子公司业绩情况的二次问询。相较回复第一次问询函的波澜不惊,此次长园集团自曝子公司涉嫌业绩造假,且子公司存在较大商誉减值风险。(第一财经)

    

    

    

       延期两个多月后,长园集团(600525.SH)回复交易所对两家高溢价收购子公司业绩情况的二次问询。相较回复第一次问询函的波澜不惊,此次长园集团自曝子公司涉嫌业绩造假,且子公司存在较大商誉减值风险。  长园集团此次对问询函的回复内容共有29页,其中22页内容是关于子公司长园和鹰智能科技股份有限公司(下称“长园和鹰”)业绩情况说明。根据长园集团公告,长园和鹰智能工厂项目和设备业务的真实性存在重大问题,独立董事认为智能工厂项目结算及回款严重滞后,已有理由初步判断长园和鹰原负责人存在业绩造假的嫌疑。  第一财经记者此前收到举报材料称,长园和鹰在设备业务方面存在销售造假的情况,其中一种方式是该公司与经销商签订销售合同,但并不需要进行真实交易,仅为做销售数据使用。就此,记者多次联系长园集团和长园和鹰方面求证,但均未获得回应。  除了长园和鹰这颗“地雷”之外,长园集团溢价收购的湖南中锂新材料有限公司(下称“中锂新材”)也被爆雷,今年业绩同比大幅下降,目前亏损额较大,预计无法扭亏,商誉存在较大减值风险。  上述消息公布之后,长园集团股价遭到“重锤”,12月25日,该股票开盘便封死跌停板,收报5.07元。  智能工厂项目回款难  2016年6月,长园集团收购长园和鹰80%股权,收购价格为18.80亿元,采用收益法评估,增值率 652.02%。公开信息显示,公司称当时收购是为与现有业务发挥协同效应,并增厚上市公司业绩。但是殊不知接的是颗“炸弹”。  自2016年开始,长园和鹰在原有设备销售业务的基础上大力开拓智能工厂总包新业务,2016年6月至12月长园和鹰分别与山东昊宝服饰有限公司(下称“山东昊宝”)、上海峰龙科技有限公司(下称“上海峰龙”) 、安徽红爱实业股份有限公司(下称“安徽红爱”)签订建造服装生产智能工厂销售合同。  但这三个智能工厂项目结算及回款严重滞后。对此,长园集团经过与智能工厂客户沟通及现场走访发现,三个智能工厂项目存在约定已签署的《验收确认书》无效、不需要实际履行或没能力履行原《销售合同》 项下义务的情况。  根据公告,安徽红爱项目仅有部分设备处于运转状态,长园集团此次调查得知长园和鹰原董事长兼总裁尹智勇擅自以长园和鹰的名义与安徽红爱签署了与《验收确认书》 意思相悖的《补充协议》,约定已签署的《验收确认书》无效;此外,《往来账项询证函》、《3D扫描仪清单》和《安徽红爱项目交付明细及确认单》公章均不是安徽红爱真实印鉴。  山东昊宝、上海峰龙项目则处于停工状态,山东昊宝单方称已经与山东伊甸缘服饰有限公司(尹智勇实际控制的企业)、长园和鹰签订了《三方协议》,约定将《销售合同》项下的权利义务全部转让给山东伊甸缘,且长园和鹰已向其出具《承诺函》,山东昊宝不需要实际履行原《销售合同》项下义务;上海峰龙已发生多起诉讼,工厂没有生产迹象,可能已不具备履行合同项下付款义务的能力。  对于上述三个智能工厂项目目前存在的问题,相关审计机构大华会计师事务所方面急忙撇清关系,称对上述问题并不知情,该所未收到相关材料,也未被告知相关材料对长园和鹰的智能工厂项目收入确认具有重大影响;后续将根据调查结果重新对长园和鹰的2016年、2017年的商誉进行减值测试,根据减值测试结果调整商誉减值金额。  独立董事发表意见称,智能工厂项目结算及回款严重滞后,根据集团总部派出人员现场调查后反馈的部分情况及信息,已有理由初步判断长园和鹰原负责人存在业绩造假的嫌疑,尽快确定尽调律师团队,进行深入调查,搜集证据,采取一切可采取的法律行动,最大程度的挽回损失。  2017年至今,长园和鹰未签订新智能工厂业务订单。“长园和鹰智能工厂业务停滞直接导致公司2018年营业收入和净利润大幅下降,长园集团将于2018年底前对长园和鹰进行商誉减值测试,预计存在较大减值风险。”长园集团称,基于长园和鹰在智能工厂项目软件方面缺少技术积累,长园和鹰近期将聚焦原有设备类业务发展。  长园和鹰2017年度销售收入9.7亿元,设备类销售收入占比68.29%,智能工厂类收入占比31.71%。长园和鹰营业收入、净利润分别占上市公司相应财务指标的13.05%和15.85%。  设备销售真实性存疑  即便长园和鹰计划聚焦原有的设备类业务,但是该项业务也被指存造假现象。  针对长园和鹰的设备销售业务,交易所也提出质疑,2015年至2017年长园和鹰的设备销售收入持搏击的近义词_七月与安生 小说网续增长,年复合增长率约为14%。2018年上半年设备销售收入为2.49亿元,同比下降近20%,标的资产业绩承诺期结束后业绩立即出现下滑。  长园和鹰设备类产品有终端客户直销、代理商买断销售和融资租赁三种销售模式。  有爆料人告诉第一财经记者,长园和鹰的设备销售存在造假情况。该爆料人提供给记者的一份销售合同显示,2017年12月份,长园和鹰与一家代理商签订了一份出售和鹰数控裁剪机及随机设备的合同,涉及金额不到200万元。并签订了一份补充协议,约定销售合同于2018年1月30日双方协商解除,解除后,双方互不负债权债务,不存在任何账款纠纷。  记者致电合同上的代理商求证获知,证实当时长园和鹰委托了这家公司签了上述销售合同并盖章,但是没有实际交易,“等于假销售,做数据”。该代理商称,长园和鹰要求其配合着签合同,并安抚说不止一家公司帮长园和鹰这么做,不要担心有风险。据了解,该代理商此前没有跟长园和鹰有业务合作,原想之后与长园和鹰合作所以同意配合签合同,但之后因未跑出单子也就没有合作过。  不过记者也联系了多家与长园和鹰长年合作的代理商,他们则表示签的合同有实际成交。不过,其中也有代理商称,长园和鹰的设备销售方面越来越乱,“合作很麻烦”。  对于上述销售造假的现象是否存在,第一财经记者多次联系长园集团及长园和鹰高管,但截至目前尚未获得回应。  根据长园和鹰2015年~2017年和2018年上半年的应收账款和存货数据来看,数据呈现逐年增长的态势,应收账款余额由2015年末的2.22亿元到2018年接警员_p2.5网6月末增至4.26亿元,存货由2015年末的9302.13万元,到2018年上半年这一数据跃升为3.24亿元。  “长园和鹰在业绩承诺期内的部分设备销售业务存在客户严重超期未回款及累计退货金额较多的现象,其业务的真实性、合理性存在较大疑点。”长园集团在公告中称,公司已聘请律师进行全面核查,除向会计师进行反映外,公司根据核查结果进行分阶段披露。  长园集团并购接连踩雷  对于长园集团自曝子公司涉嫌业绩造假的原因,有知情人士告诉第一财经记者称,长园和鹰涉嫌造假一事发生在上一任董事会任期内,这一届董事会和管理层也不想承担相关责任,“处境比较尴尬”。  根据公告,长园集团第六届董事会于2018年5月6日任期到期,今年7月份召开股东大会审议通过选举第七届董事会成员,吴启权为新任董事长,并对高管进催款函格式_dnf如何快速赚钱网行了聘任。  长园和鹰三个智能工厂项目及部分设备收入确认的合理性四化表_情定北海岸网存疑或将给长园集团带来较大影响,“可能导致对2016和2017年度长园和鹰及公司合并财务报表进行追溯调整,减少相关营业收入和营业成本,而且公司收购长园和鹰的业绩对赌期为2016和2017年度, 前述调整也直接影响业绩承诺人的业绩承诺实现情况及业绩补偿金额,具体影响金额尚需核实。”长园集团称。  不过,除了长园和鹰这颗雷外,频频并购的长园集团还踩到了另一颗雷——中锂新材怡和佳苑_火影638网。  长园集团在公告中披露,中锂新材2018年业绩同比大幅下降,目前亏损额较大,预计无法扭亏,中锂新材商誉存在较大减值风险,主要原因是受到新能源汽车补贴相关政策调整及原主要客户沃特玛的影响。  长园集团于2017年8月收购中锂新材80%的股权,收购价格为19.20亿元,采用收益法评估,增值率为367.51%。2017年8月~12月,中锂新材营业收入、净利润约占上市公司相应财务指标的2.99%和2.41%。  另一个风险在于,长园集团子公司长园深瑞和中锂新材合计向沃特玛购买A类电池包,总计1.62亿元,目前正在交付及已完成交付的储能项目所使用沃特玛电池包约占本次采购沃特玛电池包的15%。而国内电池包产品价格已明显下降,目前同类电池包产品市价约为此次采购价60%~80%,长园集团将在2018年度财务报告中根据电池包检测结果计提存货跌价准备。  据长园集团称,长园和鹰、中锂新材出现业绩大幅下滑,截至2018年11月30日,上市公司对两家子公司的担保余额分别是2.485亿元、5.87亿元,两家公司目前尚无逾期有息负债,长园集团就收购两家公司对应商誉金额合计为28.62亿元,存在较大减值风险。  “公司预计2018年度归属于上市公司股东的净利润同比将大幅下降,公司会面临较大资金压力。”长园集团如是称。(文章来源:第一财经)

    

    

    

     (责任编辑:DF406)

------分隔线----------------------------
https://www.c8.cn/home/explainhttps://www.c8.cn/ylsj/heb11x5.htmlhttps://www.c8.cn/zst/dlt/chubazs.htmlhttps://www.c8.cn/zst/dlt/chzs.htmlhttps://www.c8.cn/zst/dlt/zxsh.htmlhttps://www.c8.cn/zst/dlt/hqely.htmlhttps://www.c8.cn/zst/dlt/jofb.htmlhttps://www.c8.cn/zst/dlt/dxyl.htmlhttps://www.c8.cn/zst/qlc/chujiuzs.htmlhttps://www.c8.cn/zst/qlc/chusizs.htmlhttps://www.c8.cn/zst/qlc/wszs.htmlhttps://www.c8.cn/zst/qlc/sslh.htmlhttps://www.c8.cn/zst/qlc/hzzs.htmlhttps://www.c8.cn/zst/qlc/elyzs.htmlhttps://www.c8.cn/zst/pl5/dxjo2.htmlhttps://www.c8.cn/zst/pl3/lmfb.htmlhttps://www.c8.cn/zst/pl3/elyyl.htmlhttps://www.c8.cn/zst/pl3/joyl.htmlhttps://www.c8.cn/zst/pl3/dxfx.htmlhttps://www.c8.cn/zst/qxc/hzyl.htmlhttps://www.c8.cn/zst/qxc/dxyl.htmlhttps://www.c8.cn/zst/qxc/hsyl.htmlhttps://www.c8.cn/zst/qxc/dlxzybzs.htmlhttps://www.c8.cn/zst/ssq/hqws.htmlhttps://www.c8.cn/zst/ssq/sslh.htmlhttps://www.c8.cn/zst/ssq/zhbzs.htmlhttps://www.c8.cn/zst/3d/dqzs.htmlhttps://www.c8.cn/zst/bjkl8/dxzs.htmlhttps://www.c8.cn/zst/lnkl12/whdw.htmlhttps://www.c8.cn/zst/54.htmlhttps://www.c8.cn/zst/cqkl10/sanhdw.htmlhttps://www.c8.cn/zst/cqkl10/hzzs.htmlhttps://www.c8.cn/zst/64.htmlhttps://www.c8.cn/zst/pk10/lrfx.htmlhttps://www.c8.cn/zst/pk10/lmcl.htmlhttps://www.c8.cn/zst/pk10/lmtj.htmlhttps://www.c8.cn/zst/16.htmlhttps://www.c8.cn/zst/26.htmlhttps://www.c8.cn/zst/19.htmlhttps://www.c8.cn/zst/gd11x5/jbzs.htmlhttps://www.c8.cn/zst/49.htmlhttps://www.c8.cn/jihua/lnkl12.htmlhttps://www.c8.cn/jihua/jlk3.htmlhttps://www.c8.cn/jihua/sh11x5.htmlhttps://www.c8.cn/gaoshou/gd11x5.htmlhttps://www.c8.cn/tu.htmlhttps://www.c8.cn/zst.htmlhttps://www.c8.cn/zst/3d/dqzs.htmlhttps://www.c8.cn/zst/pk10/lmcl.htmlhttps://www.c8.cn/jihua/sh11x5.html