Q -learning es un método utilizado en inteligencia artificial con un enfoque basado en agentes . Se refiere a experimentos de aprendizaje por refuerzo . Con base en la recompensa recibida del entorno, el agente forma una función de utilidad Q, que posteriormente le da la oportunidad no de elegir aleatoriamente una estrategia de comportamiento, sino de tener en cuenta la experiencia de interacción previa con el entorno. Una de las ventajas de Q-learning es que es capaz de comparar la utilidad esperada de las actividades disponibles sin tener que modelar el entorno. Se aplica a situaciones que se pueden representar como un proceso de decisión de Markov .
Aprendizaje automático y minería de datos | |
---|---|
Tareas | |
Aprendiendo con un maestro | |
análisis de conglomerados | |
Reducción de dimensionalidad | |
Pronóstico estructural | |
Detección de anomalías | |
Graficar modelos probabilísticos | |
Redes neuronales | |
Aprendizaje reforzado |
|
Teoría | |
revistas y congresos |
|