深度强化学习利用深度学习感知环境信息,使用强化学习求解最优决策,是当前人工智能领域的主要研究热点之一.然而,大部分深度强化学习的工作未考虑安全问题,有些方法甚至特意加入带随机性质的探索来扩展采样的覆盖面,以期望获得更好的近似最优解.可是,不受安全控制的探索性学习很可能会带来重大风险.针对上述问题,提出了一种基于双深度网络的安全深度强化学习(Dual Deep Network Based Secure Deep Reinforcement Learning,DDN-SDRL)方法.DDN-SDRL方法设计了危险样本经验池和安全样本经验池,其中危险样本经验池用于记录探索失败时的临界状态和危险状态的样本,而安全样本经验池用于记录剔除了临界状态和危险状态的样本.DDN-SDRL方法在原始网络模型上增加了一个深度Q网络来训练危险样本,将高维输入编码为抽象表示后再解码为特征;同时提出了惩罚项描述临界状态,并使用原始网络目标函数和惩罚项计算目标函数.DDN-SDRL方法以危险样本经验池中的样本为输入,使用深度Q网络训练得到惩罚项.由于DDN-SDRL方法利用了临界状态、危险状态及安全状态信息,因此Agent可以通过避开危险状态的样本、优先选取安全状态的样本来提高安全性.DDN-SDRL方法具有通用性,能与多种深度网络模型结合.实验验证了方法的有效性.
事件同指消解是一项具有挑战性的自然语言处理任务,它在事件抽取、问答系统、阅读理解中有着重要的作用。文中提出了一种基于全局和局部信息,并具有全局推理机制的可分解注意力神经网络模型DANGL(Decomposable Attention Neural network based on Global and Local information),用于文档级的事件同指消解。神经网络模型DANGL与过去大部分以概率模型和图模型为基础的传统方法之间存在很大的区别。DANGL首先使用Bi-LSTM和CNN分别获取每个事件句的全局信息和局部信息;然后使用可分解注意力网络获取每个事件句中相对重要的信息;最后使用文档级全局推理模型进一步优化同指链。在TAC-KBP语料库上的实验显示,DANGL使用了少量的特征,且平均性能优于目前最好的基准系统。
暂无评论