Villar Casino, Raúl - Resultats de la cerca - Dipòsit Digital de Documents de la UAB

Cerca col·leccions:

Ordena'ls per:	Mostrar els resultats:	Format de visualizació:

Resultats globals: 1 registres trobats en 0.02 segons.
Documents de recerca, 1 registres trobats

Documents de recerca	1 registres trobats

13 p, 2.2 MB

Reinforcement learning in videogames / Villar Casino, Raúl ; Casas Roma, Jordi, dir. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació) ; Universitat Autònoma de Barcelona. Escola d'Enginyeria
This work aims to delve into the main Reinforcement Learning (RL) models and explore their potential in environments of varying complexity. As a starting point, an exhaustive review of the state-of-the-art was conducted, covering both tabular methods (Q-Learning, Value Iteration, Monte Carlo) and Deep RL (Deep Q-Learning, PPO). [...]
Aquest treball pretén aprofundir en els principals models d'aprenentatge per reforç (RL) i explorar el seu potencial en entorns de diversa complexitat. Com a punt de partida, es va realitzar una revisió exhaustiva de l'estat de l'art, abastant tant mètodes tabulars (Q-Learning, Value Iteration, MonteCarlo) com Deep RL (Deep Q-Learning, PPO). [...]
Este trabajo tiene como objetivo profundizar en los principales modelos de Aprendizaje por Refuerzo (RL) y explorar su potencial en entornos de diversa complejidad. Como punto de partida, se realizó una revisión exhaustiva del estado del arte, abarcando tanto métodos tabulares (Q-Learning, Iteración de Valores, Monte Carlo) como Aprendizaje por Refuerzo Profundo (Deep Q-Learning, PPO). [...]
2024
Enginyeria Informàtica [958]

Registre complet -

Us interessa rebre alertes sobre nous resultats d'aquesta cerca?
Definiu una alerta personal via correu electrònic o subscribiu-vos al canal RSS.