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...

Full description

Autores:
Tipo de recurso:
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
Rights
License
Abierto (Texto Completo)
Description
Summary: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.