Outro
Explorando o total potencial de um agente com Reinforcement Learning
Reis, Lucas de Brito dos
Acessar documento originalNão informado
O documento é disponibilizado pela fonte de origem, que mantém a versão integral e as condições de uso.
Resumo
Aprendizado por Reforço, ou Reinforcement Learning (RL) é um conjunto de algoritmos e técnicas que consistem em um agente aprender a realizar determinada tarefa por meio de recompensas atribuídas à suas ações. Em nosso estudo, determinamos um benchmark onde essas diversas técnicas podem ser comparadas. Então, dentre as etapas que consistem em uma solução de RL, decidimos estudar o impacto do Tratamento das Observações no treinamento desses algoritmos.
Ficha do documento
- Tipo
- Outro
- Ano
- 2019
- Instituição
- Fundação Getulio Vargas
- Fonte
- Repositório da FGV
- Idioma
- Português
- Acesso
- Não informado
- Identificador
- oai:repositorio.fgv.br:10438/29350
Conteúdos relacionados
- OutroDeep Reinforcement Learning aplicado ao mercado de açõesFundação Getulio Vargas · 2020
- TeseOptimal control of control-affine systems under the presence of uncertaintyFundação Getulio Vargas · 2026
- TeseAdaptive exponential explicit integrators for stochastic differential equationsFundação Getulio Vargas · 2024
- DissertaçãoExplorando técnicas de aprendizado auto-supervisionado em sensoriamento remotoFundação Getulio Vargas · 2024
