English
邮箱
联系我们
网站地图
邮箱
旧版回顾



乐橙电子游戏首页:健走金陵|拥抱风景,向生活致敬!

文章来源:乐橙电子游戏首页    发布时间:2018年07月20日 22:45  【字号:      】

乐橙电子游戏首页

海口市社会保险事业局生育保险业务:66778717

海口市人力资源开发局失业保险业务:65231576

海口市农村社会养老保险局城乡养老保险业务:68717573

“博士书记,你给我找个媳妇儿呗。”走在村里,一个30多岁的青年拉住了第一书记李欣勇的手。

“我也没媳妇儿呢。”李欣勇笑了,“要是我们把村里的花卉产业搞好,赚钱致富了,还怕没媳妇儿?”

这一幕成了东方市大田镇俄乐村人们津津乐道的事。最初面对这位年轻的博士书记,驻村工作队成员赵永祥很怀疑,“这么年轻、又没经验,能干好?”

“科技永辉”走到了哪一步

通过和腾讯云计算合作的“背书”,永辉吸引了来自亚马逊、华为、微软、谷歌等技术性人才的加盟,组建了永辉自己的“科技团队”。永辉云计算联合创始人、CTO胡鲁辉在加盟永辉前是就职于美国亚马逊和微软总部十多年的云计算大数据智能专家。

“这儿山青水秀,气候不凉不热,很适合种橙子。”1989年,戴宏国将一排排果苗插进了琼中乌石镇北排村的山头。令人意外的是,由于光温条件充足,影响了叶绿素的分解和类胡萝卜素、花青素的合成,导致果皮中叶绿素含量高,“绿橙”因此而得名。

“自1997年起,这批进入丰产期的绿橙凭借皮薄汁多、甜酸适度的独特口感,开始得到市场的认可,同时比大陆提早20天至30天的成熟期也独具竞争力。”琼中农业技术推广服务中心负责人林培介绍,该县自1999年开始将绿橙作为果树发展的主导品种大力推广,先后建起红毛绿橙扶贫基地、湾岭大墩绿橙基地和长兴绿橙基地,并在“十二五”期间陆续推出土地优惠、政府帮扶、创新机制等多种措施,积极鼓励和引导县内外企业和广大农民参与开发、大力发展琼中绿橙产业。

2013年1月1日起,琼中对获得无公害产品、绿色食品或有机农产品认证的绿橙果园,一次性奖励5万元。“而且县里每年还按标准补贴肥料和农药,每年至少为我节省了10%的开支!”有了“天时”“地利”加“人和”,果农杨春柱直言,根本不愁绿橙的种植前景。

南国都市报11月3日讯(记者 蒙健)日前,海口市食药监局审批办通过海口市政府服务中心“不见面”审批政务平台向海南诺尔康药业有限公司正式颁出第一张麻醉药品和精神药品邮寄证明。

据介绍,海口市食药监局审批办目前已上线办理的12个审批事项均可实现完全不见面办理,占30个总办理事项的40%。

据悉,申请人只需在政务网络平台提交正确填报的申请信息,审批后台就可以及时受理、审批、核准并于当日发出各类许可证和备案服务证明。现在,我们来玩一玩 KL 散度。首先我们会先看看当二元分布的成功概率变化时 KL 散度的变化情况。不幸的是,我们不能使用均匀分布做同样的事,因为 n 固定时均匀分布的概率不会变化。

教程|如何使用纯NumPy代码从头实现简单的卷积神经网络

可以看到,当我们远离我们的选择(红点)时,KL 散度会快速增大。实际上,如果你显示输出我们的选择周围小 Δ 数量的 KL 散度值,你会看到我们选择的成功概率的 KL 散度最小。

现在让我们看看

的行为方式。如下图所示:

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:姬金海)

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