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.
En este post se presentan dos formas de reutilización del conococimiento en deep learning: el transfer learning y el meta aprendizaje.
Abordamos el aprendizaje jerárquico, es decir la descomposición de un problema en sub-problemas y el aprendizaje de cómo realizar cada una.
Hablamos de sistemas multi-agente, donde tienen cabida enfoques competitivos y colaborativos y que constituye un campo de investigación.
En este post hablamos del aprendizaje por refuerzo para casos con dos agentes y explicamos el muy interesante concepto de autoaprendizaje.
Avanzando en la revisión del aprendizaje por refuerzo, en este post se revisan brevemente los métodos basados en modelo
El aprendizaje por refuerzo, en la situación de problemas continuos y métodos basados en políticas, puede usarse en locomoción de robots.
Hablamos del aprendizaje de políticas en el caso del deep reinforcement learning en problemas continuos y revisamos el ascenso de gradiente.
En este post presentamos los Problemas continuos de aprendizaje por refuerzo, sus particularidad, ideas principales y campos de aplicación.
Se comenta cómo el deep learning supero sus retos para ser aplicado en aprendizaje por refuerzo, con el éxito de Deep Q-Network
Comento tres retos del deep reinforcement learning a que se tiene que enfrentar para conseguir buenos resultados.