English
邮箱
联系我们
网站地图
邮箱
旧版回顾



www.d88dc04.com:《故事会》:店里为什么总有一张空桌

文章来源:www.d88dc04.com    发布时间:2018年09月21日 03:34  【字号:      】

www.d88dc04.com
下午还有两章,每天五章,不会再嫌少了吧!月票月票月票……

**********

“中尉,中尉?”

隆美尔的叫声把秦川从沉思中拉了回来,秦川赶忙应了声:“是,将军!”

“这支地质堪探队在我的部队里!”隆美尔说:“他们跟着我一路撤下来的,你是否需要跟他们谈谈?”

“许多人认为我们应该提前发动进攻,但隆美尔将军认为我们应该再等等!”斯莱因上校说:“他以为我们现在突袭的条件还不成熟,至少还需要等一天!”

秦川表示同意,这主要是因为英军还没有进入埃特纳火山一带,德军步兵很难在平坦地区缠住他们。

想了想,秦川就说道:“我们或许可以这样做……”

盟军指挥部,艾森豪威尔刚刚收到巴顿让人送来的航拍照片,就马上把它递到蒙哥马利面前。

“我们不是一直在找德国人的装甲师吗?”艾森豪威尔说:“我想我们找到了!”

希特勒拿着电报看了一眼,原本睡眼惺忪的他马上就瞪大了眼睛……接着,一向注重仪表的希特勒居然穿着睡衣就大踏步的走向作战室并在地图上找到好塔曼半岛及索廖内的位置。

“他们渡过去多少人?”希特勒问。

“第一步兵团,第1山地师、第28猎兵师以及第22装甲师一部!”

希特勒不由愕然抬头望向参谋:“第22装甲师一部?你是说他们把坦克也渡过海峡了?”

参谋也无法相信,所以他再次拿起电报来验证了下,确认之后才回答:“是的,元首阁下!”

4、跨平台洗稿:利用信息不对称,将知乎优质答案直接复制到别的平台成为文章,反过来也一样;

“差评”风波反思:要消灭洗稿,还得靠内容平台

5、跨时空洗稿:将一些旧文,或者外媒内容变成自己的原创,也不注明来源,不注明是编译,这样做的好处是风险小,很难被发现,不会有人来找麻烦。

6、部分引用式:自己的立意,部分内容原创,剩下的直接改写别人的原创,不标明出处,可以做到青出于蓝,引发争议最多的,也是这种形式。

7、思想复制式:非常高阶的洗稿方式,洗思路,文字全部原创,立意、结构、结论、论据什么的都搬运别人的,常见于评论、分析和推导类文章。

5月28日,小米官方更新了微博,表示“一大批萌物即将来袭”。从影片中我们看到,小猪、米兔等形象的Animoji表情出现在了画面中,这除了暗示小米8将会拥有和iPhone X类似的功能外,也表明小米8将会是一款搭载3D结构光的手机。

官方实锤!小米8 3D结构光技术确认:支持Animoji!

我们知道,iPhone X上的Animoji功能只有依靠3D结构光技术才能实现,虽然三星也有类似的功能叫动态萌拍,但二者的实现原理并不一样,而且最终效果也不同。

本论文研究者认为解决该问题的关键在于通信,这可以增强策略间的协调。MARL 中有一些学习通信的方法,包括 DIAL [3]、CommNet [23]、BiCNet [18] 和 master-slave [7]。然而,现有方法所采用的智能体之间共享的信息或是预定义的通信架构是有问题的。当存在大量智能体时,智能体很难从全局共享的信息中区分出有助于协同决策的有价值的信息,因此通信几乎毫无帮助甚至可能危及协同学习。此外,在实际应用中,由于接收大量信息需要大量的带宽从而引起长时间的延迟和高计算复杂度,因此所有智能体之间彼此的通信是十分昂贵的。像 master-slave [7] 这样的预定义通信架构可能有所帮助,但是它们限定特定智能体之间的通信,因而限制了潜在的合作可能性。

学界|北京大学提出注意力通信模型ATOC,助力多智能体协作

为了解决这些困难,本论文提出了一种名为 ATOC 的注意力通信模型,使智能体在大型 MARL 的部分可观测分布式环境下学习高效的通信。受视觉注意力循环模型的启发,研究者设计了一种注意力单元,它可以接收编码局部观测结果和某个智能体的行动意图,并决定该智能体是否要与其他智能体进行通信并在可观测区域内合作。如果智能体选择合作,则称其为发起者,它会为了协调策略选择协作者来组成一个通信组。通信组进行动态变化,仅在必要时保持不变。研究者利用双向 LSTM 单元作为信道来连接通信组内的所有智能体。LSTM 单元将内部状态(即编码局部观测结果和行动意图)作为输入并返回指导智能体进行协调策略的指令。与 CommNet 和 BiCNet 分别计算内部状态的算术平均值和加权平均值不同,LSTM 单元有选择地输出用于协作决策的重要信息,这使得智能体能够在动态通信环境中学习协调策略。

研究者将 ATOC 实现为端到端训练的 actor-critic 模型的扩展。在测试阶段,所有智能体共享策略网络、注意力单元和信道,因此 ATOC 在大量智能体的情况下具备很好的扩展性。研究者在三个场景中通过实验展示了 ATOC 的成功,分别对应于局部奖励、共享全局奖励和竞争性奖励下的智能体协作。与现有的方法相比,ATOC 智能体被证明能够开发出更协调复杂的策略,并具备更好的可扩展性(即在测试阶段添加更多智能体)。据研究者所知,这是注意力通信首次成功地应用于 MARL。

图 1:ATOC 架构。

图 2:实验场景图示:协作导航(左)、协作推球(中)、捕食者-猎物(右)。




(责任编辑:窦固)

附件:

专题推荐

相关新闻


© 1996 - 2017 中国科学院 版权所有 京ICP备05002857号  京公网安备110402500047号 

网站地图    地址:北京市三里河路52号 邮编:100864