Aprendizaje por refuerzo, poco a poco (Fundamentos y tendencias (R) en aprendizaje automático)

Los agentes de aprendizaje por refuerzo han demostrado logros notables en entornos simulados. Sin embargo, la eficiencia de los datos impide significativamente trasladar este éxito a entornos reales. El diseño de agentes eficientes en datos que aborden este problema requiere una comprensión más profunda de la adquisición y representación de la información. Este tutorial ofrece un marco que puede guiar las decisiones de diseño de agentes asociados. Este marco está inspirado en parte en conceptos de la teoría de la información que ha luchado con la eficiencia de los datos durante muchos años en el diseño de sistemas de comunicación. En este tutorial, los autores arrojan luz sobre preguntas sobre qué información buscar, cómo buscar esa información y qué información retener. Para ilustrar los conceptos, diseñan agentes simples que se basan en ellos y presentan resultados computacionales que resaltan la eficiencia de los datos. Este libro será de interés para estudiantes e investigadores que trabajan en el aprendizaje por refuerzo y para los teóricos de la información que deseen aplicar sus conocimientos de forma práctica a problemas de aprendizaje por refuerzo.

• | Autor: Xiuyuan Lu, Benjamin Van Roy, Vikranth Dwaracherla, Morteza Ibrahimi, Ian Osband, Zheng Wen
• | Editor: Ahora editores
• | Fecha de publicación: 11 de julio de 2023
• | Número de páginas: 150 páginas
• | Idioma: inglés
• | Encuadernación: Tapa blanda
• | ISBN-10: 1638282544
• | ISBN-13: 9781638282549