Notas sobre aprendizaje por refuerzo (y XV): meta aprendizaje
En este post se presentan dos formas de reutilización del conococimiento en deep learning: el transfer learning y el meta aprendizaje.
Notas sobre aprendizaje por refuerzo (XIV): aprendizaje jerárquico
Abordamos el aprendizaje jerárquico, es decir la descomposición de un problema en sub-problemas y el aprendizaje de cómo realizar cada una.
Notas sobre aprendizaje por refuerzo (XIII): sistemas multi-agente
Hablamos de sistemas multi-agente, donde tienen cabida enfoques competitivos y colaborativos y que constituye un campo de investigación.
Notas sobre aprendizaje por refuerzo (XII): autoaprendizaje y el caso de AlphaGo y AlphaZero
En este post hablamos del aprendizaje por refuerzo para casos con dos agentes y explicamos el muy interesante concepto de autoaprendizaje.
Notas sobre aprendizaje por refuerzo (XI): métodos basados en modelo
Avanzando en la revisión del aprendizaje por refuerzo, en este post se revisan brevemente los métodos basados en modelo
Notas sobre aprendizaje por refuerzo (X): locomoción de robots
El aprendizaje por refuerzo, en la situación de problemas continuos y métodos basados en políticas, puede usarse en locomoción de robots.
Notas sobre aprendizaje por refuerzo (IX): aprendizaje de políticas y el ascenso de gradiente
Hablamos del aprendizaje de políticas en el caso del deep reinforcement learning en problemas continuos y revisamos el ascenso de gradiente.
Notas sobre aprendizaje por refuerzo (III): recompensas, trazas y valores
Hablo de trazas y recompensas en el contexto de modelos de decisión de Markov y aprendizaje por refuerzo (reinforcement learning).
Notas sobre aprendizaje por refuerzo (II): Visualizando el aprendizaje en procesos de Markov
Recordamos conceptos de aprendizaje por refuerzo y recordamos y visualizamos el aprendizaje en procesos de Markov
Adquisición de conceptos abstractos por robots
Este post habla de los conceptos abstractos y la teorías sobre su adquisición en humanos, pero también en robots.