Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales

El Aprendizaje por Refuerzo (en inglés Reinforcement Learning y de ahora en más AR) ataca el problema de aprender a controlar agentes autónomos, mediante interacciones por prueba y error con un ambiente dinámico, el cual le provee señales de refuerzo por cada acción que realiza. Si los objetivos de...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Errecalde, Marcelo Luis, Muchut, Alfredo, Aguirre, Guillermo, Montoya, Cecilia Inés
Formato: Objeto de conferencia
Lenguaje:Español
Publicado: 2000
Materias:
Ciencias Informáticas
Aprendizaje por Refuerzo
Learning
resolución de problemas no triviales
ARTIFICIAL INTELLIGENCE
Heuristic methods
Acceso en línea:http://sedici.unlp.edu.ar/handle/10915/22106
Aporte de:
SEDICI (UNLP) de Universidad Nacional de La Plata
id I19-R120-10915-22106
record_format dspace
institution Universidad Nacional de La Plata
institution_str I-19
repository_str R-120
collection SEDICI (UNLP)
language Español
topic Ciencias Informáticas
Aprendizaje por Refuerzo
Learning
resolución de problemas no triviales
ARTIFICIAL INTELLIGENCE
Heuristic methods
spellingShingle Ciencias Informáticas
Aprendizaje por Refuerzo
Learning
resolución de problemas no triviales
ARTIFICIAL INTELLIGENCE
Heuristic methods
Errecalde, Marcelo Luis
Muchut, Alfredo
Aguirre, Guillermo
Montoya, Cecilia Inés
Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales
topic_facet Ciencias Informáticas
Aprendizaje por Refuerzo
Learning
resolución de problemas no triviales
ARTIFICIAL INTELLIGENCE
Heuristic methods
description El Aprendizaje por Refuerzo (en inglés Reinforcement Learning y de ahora en más AR) ataca el problema de aprender a controlar agentes autónomos, mediante interacciones por prueba y error con un ambiente dinámico, el cual le provee señales de refuerzo por cada acción que realiza. Si los objetivos del agente están definidos por la señal de refuerzo inmediata, la tarea del agente se reduce a aprender una estrategia de control (o política) que permita maximizar la recompensa acumulada a lo largo del tiempo (ver [14] para una formalización de esta tarea) Si bien en sus orígenes el AR sirvió como una herramienta teórica limitada a problemas con pequeños espacios de estados, en la actualidad sus aplicaciones han alcanzado áreas de considerable complejidad tales como robótica, manufacturación industrial, problemas de búsqueda combinatorial, etc. La aplicación del AR a problemas del mundo real, trajo aparejado la necesidad de adaptar las técnicas existentes en el área para manejar características complejas propias de este tipo de ambientes (ambientes estocásticos no estacionarios con grandes espacios de estados y/o acciones). En esta presentación, describimos el trabajo realizado por nuestro grupo de investigación en la aplicación del AR a problemas no triviales del mundo real. Para ello, describimos en las secciones 2 a 4, los 3 factores principales que a nuestro criterio deben ser tenidos en cuenta al trabajar con AR en este tipo de ambientes: balance entre exploración y explotación, aceleración del proceso de aprendizaje y generalización. La sección 5 por su parte, describe cuales son los avances y resultados que hemos logrado en relación a estos 3 ítems, y una breve descripción del plan de trabajo futuro
format Objeto de conferencia
Objeto de conferencia
author Errecalde, Marcelo Luis
Muchut, Alfredo
Aguirre, Guillermo
Montoya, Cecilia Inés
author_facet Errecalde, Marcelo Luis
Muchut, Alfredo
Aguirre, Guillermo
Montoya, Cecilia Inés
author_sort Errecalde, Marcelo Luis
title Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales
title_short Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales
title_full Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales
title_fullStr Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales
title_full_unstemmed Aprendizaje por Refuerzo aplicado a la resolución de problemas no triviales
title_sort aprendizaje por refuerzo aplicado a la resolución de problemas no triviales
publishDate 2000
url http://sedici.unlp.edu.ar/handle/10915/22106
work_keys_str_mv AT errecaldemarceloluis aprendizajeporrefuerzoaplicadoalaresoluciondeproblemasnotriviales
AT muchutalfredo aprendizajeporrefuerzoaplicadoalaresoluciondeproblemasnotriviales
AT aguirreguillermo aprendizajeporrefuerzoaplicadoalaresoluciondeproblemasnotriviales
AT montoyaceciliaines aprendizajeporrefuerzoaplicadoalaresoluciondeproblemasnotriviales
bdutipo_str Repositorios
_version_ 1764820465542496256

Ejemplares similares