M-Learning: enfoque heurístico para recompensas diferidas en el aprendizaje por refuerzo

El diseño actual de los métodos de aprendizaje por refuerzo requiere grandes recursos computacionales. Algoritmos como Deep Q-Network (DQN) han obtenido resultados sobresalientes en el avance de este campo. Sin embargo, la necesidad de ajustar miles de parámetros y ejecutar millones de episodios de...

Full description

Autores:

Mora Cortés, Marlon Sneider
Perdomo Charry , César Andrey
Perdomo Charry , Oscar Julián

Tipo de recurso:

Trabajo de grado de pregrado

Fecha de publicación:

2025

Institución:

Universidad Distrital Francisco José de Caldas

Repositorio:

RIUD: repositorio U. Distrital

Idioma:

spa

OAI Identifier:

oai:repository.udistrital.edu.co:11349/93453

Acceso en línea:

http://hdl.handle.net/11349/93453

Palabra clave:

Aprendizaje por refuerzo
Dilema exploración-explotación
Q-Learning
Frozen lake
Enfoque heurístico
Ingeniería Electrónica -- Tesis y Disertaciones Académicas
Minería de datos
Aprendizaje por experiencia
Aprendizaje por descubrimiento
Reinforcement learning
Exploration-exploitation dilemma
Q-Learning
Frozen Lake
Heuristic approach

Rights

License

Abierto (Texto Completo)