Buscar
Mostrando ítems 1-10 de 20
Análisis de dos algoritmos de Reinforcement Learning aplicados a OpenAi Gym Retro
(Universidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y Computación, 2023-08-15)
El presente trabajo explica detalladamente el funcionamiento de los algoritmos de aprendizaje reforzado, DQN y PPO. Adicionalmente se realiza una comparación entre estos algoritmos utilizando el framework de OpenAI Gym-retro, ...
MPPT for PV systems using deep reinforcement learning algorithms
(Institute of Electrical and Electronics Engineers, 2019-12)
This work proposes the use of reinforcement learning (RL) techniques with deep-learning models to address the maximum power point tracking (MPPT) control problem of a photovoltaic (PV) array. We implemented the deep ...
Deep reinforcement learning approach for MPPT control of partially shaded PV systems in Smart Grids
(Elsevier Science, 2020-12)
Photovoltaic systems (PV) are having an increased importance in modern smart grids systems. Usually, in order to maximize the energy output of the PV arrays a maximum power point tracking (MPPT) algorithm is used. However, ...
Aprendizaje por refuerzo para control de sistemas dinámicos
(Universidad Autónoma de OccidenteIngeniería MecatrónicaDepartamento de Automática y ElectrónicaFacultad de Ingeniería, 2019-09-30)
Reinforcement Learning or RL - by its initials in English, is a branch of artificial intelligence that deals with an agent that receives information from an environment or environment in the form of states and actions, in ...
Discrete state-action representations for hierarchical reinforcement learning
(Universidad de los AndesIngeniería ElectrónicaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónica, 2019)
Cada vez hay mayor evidencia de que los métodos de aprendizaje por refuerzo jerárquico proveen mejores leyes de control que métodos estándar de aprendizaje por refuerzo, y, aún más, que son necesarios para resolver problemas ...
Transfer learning in reinforcement learning for image-based environments: An image to image translation approach
(Universidad de los AndesIngeniería EléctricaFacultad de IngenieríaDepartamento de Ingeniería Eléctrica y Electrónica, 2019)
Los algoritmos de aprendizaje por refuerzo permiten a los humanos crear agentes capaces de interactuar de manera inteligente con una variedad de entornos. Sin embargo, debido a la falta de generalización de estos algoritmos, ...
DeepQ learning in Atari Games
(2018-11)
The aim of this paper is to develop an AI agent with self-learning capabilities that is able to play classical Atari console games without human intervention and achieve next to human level performance. In order to achieve ...
Formal robust explanations for deep reinforcement learning models
(Universidad de los AndesMaestría en Ingeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y Computación, 2023-07-10)
Deep neural networks are black box models for which there is no established formal solution on how to interpret their behavior. Abductive explanations are formal explanations that entail an observation within a logical ...
Applying Q learning algorithm to the game of Tetris
(Universidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y Computación, 2022-12-20)
Documento de proyecto de grado para la obtención del título de Ingeniería de Sistemas y Computación. El estudio y desarrollo fue realizado utilizando el lenguaje de programación Python y la Libreria Tensorflow. En el ...
Impacto de constantes en algoritmo q-learning en pac-man
(Universidad de los AndesIngeniería de Sistemas y ComputaciónFacultad de IngenieríaDepartamento de Ingeniería Sistemas y Computación, 2022-02-02)
Se analiza el impacto de variables en la función de q-learning para el juego pacman.