Improving the learning capacities of reinforcement learning agents /
Paredes Carranza, Carlos Andrés
Improving the learning capacities of reinforcement learning agents / Carlos Andrés Paredes Carranza ; tutor Francklin Iván Rivas Echeverria. - 47 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 29-32)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
El objetivo principal de esta investigación es desarrollar un entorno experimental donde se estudie la experiencia de aprendizaje de los niños para desarrollar modelos de agentes de Aprendizaje por Refuerzo que de alguna manera imiten sus asombrosas capacidades de aprendizaje. Esta técnica ha sido propuesta por importantes grupos de investigación en IA de todo el mundo. El entorno utilizado se basa en la solución de laberintos virtuales 3D tanto por agentes como por niños, con la ayuda de una interfaz de microcontrolador Arduino que se comunica con un entorno de laberinto de Python. Esta sería una contribución en el mundo del desarrollo de algoritmos e inteligencia artificial, ya que los niños son aprendices creativos y se sabe muy poco sobre cómo alcanzan esta alta capacidad.
Textos en inglés con resúmenes en español e inglés
Inteligencia artificial
Aprendizaje reforzado
Búsqueda en profundidad
Agente explorador
Artificial intelligence
Reinforcement learning
Depth-first search
Explorer agent
Tecnologías de la Información--Trabajos y disertaciones académicas.
Improving the learning capacities of reinforcement learning agents / Carlos Andrés Paredes Carranza ; tutor Francklin Iván Rivas Echeverria. - 47 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROM
Trabajo de integración curricular
Incluye referencias bibliográficas (páginas 29-32)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
El objetivo principal de esta investigación es desarrollar un entorno experimental donde se estudie la experiencia de aprendizaje de los niños para desarrollar modelos de agentes de Aprendizaje por Refuerzo que de alguna manera imiten sus asombrosas capacidades de aprendizaje. Esta técnica ha sido propuesta por importantes grupos de investigación en IA de todo el mundo. El entorno utilizado se basa en la solución de laberintos virtuales 3D tanto por agentes como por niños, con la ayuda de una interfaz de microcontrolador Arduino que se comunica con un entorno de laberinto de Python. Esta sería una contribución en el mundo del desarrollo de algoritmos e inteligencia artificial, ya que los niños son aprendices creativos y se sabe muy poco sobre cómo alcanzan esta alta capacidad.
Textos en inglés con resúmenes en español e inglés
Inteligencia artificial
Aprendizaje reforzado
Búsqueda en profundidad
Agente explorador
Artificial intelligence
Reinforcement learning
Depth-first search
Explorer agent
Tecnologías de la Información--Trabajos y disertaciones académicas.