Modelo de toma de decisiones utilizando aprendizaje por refuerzo cuántico

El aprendizaje por refuerzo clásico (CRL, por sus siglas en inglés), ha sido utilizado ampliamente en aplicaciones para la psicología y neurociencia. Sin embargo, el aprendizaje por refuerzo cuántico (QRL, por sus siglas en inglés) ha demostrado mejor desempeño en simulaciones por computadora. Para poder analizar la toma de decisiones basada en el valor utilizando estos modelos, se diseñó un protocolo experimental que consiste en dos grupos sanos de diferentes edades realizando la prueba Iowa Gambling Task. Con esta base de datos se comparó el desempeño de cuatro modelos de CRL y uno de QRL, los resultados demostraron que la toma de decisiones basadas en el valor se puede modelar utilizando aprendizaje por refuerzo cuántico y esto sugiere que el enfoque cuántico a la toma de decisiones aporta nuevas perspectivas y herramientas que permiten entender nuevos aspectos del proceso de toma de decisiones humano.

• Fecha de publicación: 2021
• Institución: Universidad del Rosario
• Repositorio: Repositorio EdocUR - U. Rosario
• Idioma: spa
• OAI Identifier: oai:repository.urosario.edu.co:10336/31624
• Acceso en línea: https://doi.org/10.48713/10336_31624; https://repository.urosario.edu.co/handle/10336/31624
• Palabra clave: Aprendizaje por refuerzo cuántico; Toma de decisiones; Aprendizaje por refuerzo; Ingeniería & operaciones afines; Quantum reinforcement learning; Value-based decision-making; Iowa Gambling; Task; Reinforcement learning; Diseño en ingeniería
• License: Abierto (Texto Completo)