Aprendizaje reforzado profundo: análisis de posibilidades y tecnología software existente
Ver/
Identificadores
URI: http://hdl.handle.net/10317/9342Compartir
Métricas
Estadísticas
Ver Estadísticas de usoMetadatos
Mostrar el registro completo del ítemDirector/a
Sánchez Palma, PedroEscuela/Centro
Escuela Técnica Superior de Ingeniería de TelecomunicaciónUniversidad
Universidad Politécnica de CartagenaDepartamento
Tecnologías de la Información y las ComunicacionesÁrea de conocimiento
Lenguajes y Sistemas InformáticosFecha de publicación
2021-04-18Palabras clave
Tecnología de la comunicaciónCommunication technology
Resumen
En la actualidad, las redes neuronales que emplean el aprendizaje reforzado encuentran su lugar dentro de una amplia variedad de aplicaciones prácticas. Algunos
ejemplos de tales aplicaciones van desde casos bien conocidos como ofrecer experiencias personalizadas de servicios web, a otros más específicos la optimización
de controladores de DRAM [1]. Por supuesto también se da el caso de aplicaciones
que si bien en primera instancia no parecerían tan útiles, como entrenar una red para
aprender a jugar a un determinado videojuego, si que ponen de manifiesto las capacidades del aprendizaje reforzado para aprender a interactuar con un entorno con un
nivel considerable de complejidad [2].
Para el caso de este trabajo de fin de grado, se expondrá un ejemplo práctico donde una red neuronal de tipo DQN se entrenará por medio del aprendizaje reforzado
profundo para resolver un problema de beamforming en el que una agrupación de
퐾 × 푀 trata de maximizar la capacidad del canal con respecto ...
Colecciones
El ítem tiene asociados los siguientes ficheros de licencia:
Redes sociales