新闻
-
十亿善款，三十二年坚守：振东制药公益“长城”这样建成
如果说慈善事业是企业责任感的一个缩影。那么振东制药的慈善“侧写”便是大爱无疆。山西振东健康产业集团自太行山深处诞生，稳扎稳打、守正创新，跻身中国药企中流砥柱行列。引导旗下公益扶贫办凝聚共识、加强合作...
-
千人竞逐“红气球”，振东集团公益精神在晋中大地闪耀
5月25日，山西省高校新区（山西大学城）热闹非凡，2025“红气球挑战赛”（晋中站）在此鸣笛开赛。这场没有奖金的赛事，却吸引了来自社会各界及山西大学城高校的一千余名选手踊跃参与，他们“一起红气球，快乐学急救”...
-
振东集团：32年慈善长跑背后的“共富密码”
在商业与公益的天平上，山西振东健康产业集团选择了后者——即便负债也要坚持的"变态慈善"。这家从太行山走出的民营企业，用32年时间构建起一套独特的公益生态系统，累计捐赠超10亿元，将"与民同富、与家同兴、与国...
财经
-
品钛旗下赣州爱信小贷正式接入人民银行征信系统
北京2020年4月7日 /美通社/ -- 领先的金融科技解决方案提供商品钛（Pintec Technology Holdings Ltd., Nasdaq: PT） 今日宣布旗下的赣州爱信网络小额贷款有限公司（下称“爱信小贷”）正式接入中国人民银行...
-
特斯拉空头近一个月减少超200万股
据金融分析机构S3 Partner数据显示，截至4月3日，特斯拉未平仓空头头寸为1604万股，占流通股的10.97%。过去30天，特斯拉未平仓空头头寸减少222万股或12.18%，期间股价上涨32%；过去一周，特斯拉未平仓空头头...
-
特斯拉展示新型自研呼吸机：与Model 3共用零件
特斯拉之前宣布将开发新的呼吸机，而现在他们展示了这种新型设计。特斯拉在YouTube发布了视频，其工程师演示了两个版本的呼吸机，一个是把所有零件摆在桌子上的原型，另外一个则是组装好的设备，用于显示在医...
-
特朗普称将在下一轮刺激计划中为美国民众发放更多的钱
北京时间4月7日消息，美国总统特朗普称将在下一轮刺激计划中为美国民众发放更多的钱。在白宫新闻发布会上表示，特朗普“肯定”想听取下一次刺激计划的想法，并补充道他希望其中包括“切切实实的基础设施”。 ...
研究人员介绍了减少机器学习时间的新算法
发布时间：2020/03/11 科技 浏览：512
由科学院深圳先进技术研究所(SIAT)的李慧云教授领导的研究团队介绍了一种简单的深度强化学习(DRL)算法，该算法具有m-out-of-n引导程序技术和汇总的多个深度确定性策略梯度(DDPG)算法结构。
新算法被称为“自举聚合多DDPG”(BAMDDPG)，加速了训练过程，并提高了智能人工研究领域的性能。
研究人员在二维机器人和开放式赛车模拟器(TORCS)上测试了他们的算法。二维机器人手臂博弈的实验结果表明，集合策略所获得的报酬比子策略所获得的报酬要高10%-50%，而TORCS上的实验结果表明，该新算法可以学习到成功的控制策略。培训时间减少了56.7%。
在连续动作空间上运行的DDPG算法引起了强化学习的极大关注。然而，即使对于简单的系统，通过贝叶斯信念状态空间中的动态编程进行的探索策略也是相当低效的。学习最佳策略时，这通常会导致标准引导失败。
所提出的算法使用集中式体验重放缓冲区来提高探索效率。具有随机初始化功能的n出n引导程序可以以较低的计算成本生成合理的不确定性估计，从而有助于训练的收敛。建议的自举和聚合DDPG可以减少学习时间。
BAMDDPG使每个代理可以使用其他代理遇到的经验。由于每个代理拥有更广阔的视野和更多的环境信息，因此这使BAMDDPG子政策的培训更加有效。
此方法对于顺序和迭代训练数据有效，在该数据中，数据表现出长尾分布，而不是独立的相同分布的数据假设所暗示的范数分布。对于具有连续动作和状态空间的任务，它可以用更少的培训时间来学习最佳策略。
这项研究的标题为“具有多个深度确定性策略梯度算法的深度集合强化学习”，已在Hindawi中发布。