当前位置:首页 > 智能硬件 > 人工智能AI
[导读] 导读: 人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下TD Learning算法。 TD Learning时序差分学习结合了动态规划DP

导读: 人工智能之机器学习主要有三大类:1)分类;2)回归;3)聚类。今天我们重点探讨一下TD Learning算法。

TD Learning时序差分学习结合了动态规划DP和蒙特卡洛MC方法,且兼具两种算法的优点,是强化学习的核心思想。

虽然蒙特卡罗MC方法仅在最终结果已知时才调整其估计值,但TD Learning时序差分学习调整预测以匹配后,更准确地预测最终结果之前的未来预测。

TD Learning算法概念:

TD Learning(Temporal-Difference Learning) 时序差分学习指的是一类无模型的强化学习方法,它是从当前价值函数估计的自举过程中学习的。这些方法从环境中取样,如蒙特卡洛方法,并基于当前估计执行更新,如动态规划方法。

TD Learning算法本质:

TD Learning(Temporal-DifferenceLearning)时序差分学习结合了动态规划和蒙特卡洛方法,是强化学习的核心思想。

时序差分不好理解。改为当时差分学习比较形象一些,表示通过当前的差分数据来学习。

蒙特卡洛MC方法是模拟(或者经历)一段序列或情节,在序列或情节结束后,根据序列或情节上各个状态的价值,来估计状态价值。TD Learning时序差分学习是模拟(或者经历)一段序列或情节,每行动一步(或者几步),根据新状态的价值,然后估计执行前的状态价值。可以认为蒙特卡洛MC方法是最大步数的TD Learning时序差分学习。

TD Learning算法描述:

如果可以计算出策略价值(π状态价值vπ(s),或者行动价值qπ(s,a)),就可以优化策略。

在蒙特卡洛方法中,计算策略的价值,需要完成一个情节,通过情节的目标价值Gt来计算状态的价值。其公式:

MC公式:

V(St)←V(St)+αδt

δt=[Gt?V(St)]

这里:

δt – MC误差

α – MC学习步长

TD Learning公式:

V(St)←V(St)+αδt

δt=[Rt+1+γV(St+1)?V(St)]

这里:

δt – TD Learning误差

α – TD Learning步长

γ – TD Learning报酬贴现率

TD Learning时间差分方法的目标为Rt+1+γ V(St+1),若V(St+1) 采用真实值,则TD Learning时间差分方法估计也是无偏估计,然而在试验中V(St+1)  用的也是估计值,因此TD Learning时间差分方法属于有偏估计。然而,跟蒙特卡罗MC方法相比,TD Learning时间差分方法只用到了一步随机状态和动作,因此TD Learning时间差分方法目标的随机性比蒙特卡罗MC方法中的Gt 要小,因此其方差也比蒙特卡罗MC方法的方差小。

TD Learning分类:

1)策略状态价值vπ的时序差分学习方法(单步多步)

2)策略行动价值qπ的on-policy时序差分学习方法: Sarsa(单步多步)

3)策略行动价值qπ的off-policy时序差分学习方法: Q-learning(单步),Double Q-learning(单步)

4)策略行动价值qπ的off-policy时序差分学习方法(带importance sampling): Sarsa(多步)

5)策略行动价值qπ的off-policy时序差分学习方法(不带importance sampling): Tree Backup Algorithm(多步)

6)策略行动价值qπ的off-policy时序差分学习方法: Q(σ)(多步)

TD Learning算法流程:

1)单步TD Learning时序差分学习方法:

IniTIalizeV(s) arbitrarily ?s∈S+

Repeat(for each episode):

?IniTIalize S

?Repeat (for each step of episode):

?? A←acTIongiven by π for S

??Take acTIon A, observe R,S′

??V(S)←V(S)+α[R+γV(S′)?V(S)]

?? S←S′

?Until S is terminal

2)多步TD Learning时序差分学习方法:

Input:the policy π to be evaluated

InitializeV(s) arbitrarily ?s∈S

Parameters:step size α∈(0,1], a positive integer n

Allstore and access operations (for St and Rt) can take their index mod n

Repeat(for each episode):

?Initialize and store S0≠terminal

? T←∞

? Fort=0,1,2,?:

?? Ift<Tt<T, then:

???Take an action according to π( ˙|St)

???Observe and store the next reward as Rt+1 and the next state as St+1

???If St+1 is terminal, then T←t+1

?? τ←t?n+1(τ is the time whose state's estimate is being updated)

?? Ifτ≥0τ≥0:

??? G←∑min(τ+n,T)i=τ+1γi?τ?1Ri

???if τ+n≤Tτ+n≤T then: G←G+γnV(Sτ+n)(G(n)τ)

???V(Sτ)←V(Sτ)+α[G?V(Sτ)]

?Until τ=T?1

注意:V(S0)是由V(S0),V(S1),…,V(Sn)计算所得;V(S1)是由V(S1),V(S1),…,V(Sn+1)计算所得。

TD Learning理论基础

TD Learning理论基础如下:

1)蒙特卡罗方法

2)动态规划

3)信号系统

TD Learning算法优点:

1)不需要环境的模型;

2)可以采用在线的、完全增量式的实现方式;

3)不需等到最终的真实结果;

4)不局限于episode task;

5)可以用于连续任务;

6)可以保证收敛到 vπ,收敛速度较快。

TD Learning算法缺点:

1)    对初始值比较敏感;

2)    并非总是用函数逼近。

TD Learning算法应用:

从应用角度看,TD Learning应用领域与应用前景都是非常广阔的,目前主要应用于动态系统、机器人控制及其他需要进行系统控制的领域。

结语:

TD Learning是结合了动态规划DP和蒙特卡洛MC方法,并兼具两种算法的优点,是强化学习的中心。TD Learning不需要环境的动态模型,直接从经验经历中学习;也不需要等到最终的结果才更新模型,它可以基于其他估计值来更新估计值。输入数据可以刺激模型并且使模型做出反应。反馈不仅从监督学习的学习过程中得到,还从环境中的奖励或惩罚中得到。TD Learning算法已经被广泛应用于动态系统、机器人控制及其他需要进行系统控制的领域。

本站声明: 本文章由作者或相关机构授权发布,目的在于传递更多信息,并不代表本站赞同其观点,本站亦不保证或承诺内容真实性等。需要转载请联系该专栏作者,如若文章内容侵犯您的权益,请及时联系本站删除。
换一批
延伸阅读

随着科技日新月异的进步,语音识别技术已成为人工智能领域的一项核心突破。这项技术旨在模拟人类听觉系统,通过复杂算法和模式识别手段将连续或离散的语音信号转换为可理解的文本或指令信息。本文深入探讨了语音识别技术在多个领域的广泛...

关键字: 语音识别 人工智能

随着人工智能和信息技术的飞速发展,语音识别技术已经从实验室走向了现实生活中的各个角落,成为人机交互领域的重要组成部分。语音识别产品不仅丰富了我们的日常生活,也正在深刻地改变着众多行业的工作模式和服务形态。

关键字: 语音识别 人工智能

在当今大数据和人工智能时代,机器学习作为核心的技术驱动力,正以前所未有的速度改变着我们的生活和工作方式。从基础的数据分析到复杂的决策支持系统,机器学习模型的成功构建和应用离不开一套严谨的流程。本文将详尽阐述机器学习过程中...

关键字: 机器学习 人工智能

机器学习作为人工智能领域的核心技术,其应用日益广泛,从搜索引擎优化到医疗诊断,从金融风控到自动驾驶等众多领域均发挥着重要作用。深入理解并掌握机器学习的关键步骤是成功构建高效模型和解决方案的基础。本文将详细阐述机器学习的主...

关键字: 机器学习 人工智能

是德科技(Keysight Technologies, Inc.)现已开启与全新 NVIDIA 6G 研究云平台的合作。该平台包括 NVIDIA Aerial Omniverse 数字孪生,这是一个开放、灵活的网络仿真资...

关键字: 6G 人工智能 RAN

纵观人类近现代史,每一次工业革命都是将战略性科技转化为生产力,从而创造巨大的新增财富和全面提升国家竞争力的过程;而且一个国家在工业革命面前的“沉与浮”,则取决于一个国家对这些战略性科技和产业化能力的把控。从被称为蒸汽机时...

关键字: 人工智能 算力 大模型

Arm Neoverse 旨在为从云到边缘的全场景基础设施用例提供高性能和出色能效。针对需要更高性能的工作负载和用例,Arm 推出了 Neoverse V 系列。其中,Neoverse V2 核心已被行业先行者广泛部署于...

关键字: 云计算 人工智能 CPU

本文中,小编将对人工智能AI予以介绍,如果你想对它的详细情况有所认识,或者想要增进对它的了解程度,不妨请看以下内容哦。

关键字: 人工智能 AI

在这篇文章中,小编将为大家带来人工智能AI的相关报道。如果你对本文即将要讲解的内容存在一定兴趣,不妨继续往下阅读哦。

关键字: 人工智能 AI

“人工智能+”时代将至 超过90%的受访企业将招聘人工智能人才列为首要任务,但62%的受访企业在招聘所需人才时面临困难

关键字: 人工智能 生成式AI 机器学习
关闭
关闭