A DEVS Based Methodological Framework for Reinforcement Learning Agent Training | ||
| dc.conicet.organizacion | Universidad Tecnologica Nacional. Facultad Regional Villa Maria | |
| dc.conicet.organizacion | Universidad Tecnologica Nacional. Facultad Regional Villa Maria | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Centro de Investigaciones y Transferencia de Villa María. Universidad Nacional de Villa María. Centro de Investigaciones y Transferencia de Villa María | |
| dc.conicet.organizacion | Universidad Tecnologica Nacional. Facultad Regional Villa Maria | |
| dc.conicet.organizacion | Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Centro de Investigaciones y Transferencia de Villa María. Universidad Nacional de Villa María. Centro de Investigaciones y Transferencia de Villa María | |
| dc.contributor.author | Beccaria, Ezequiel | |
| dc.contributor.author | Bogado, Verónica Soledad | |
| dc.contributor.author | Palombarini, Jorge Andrés | |
| dc.date.issued | 2021-06-07 | |
| dc.description.abstract | Reinforcement Learning has become one of the fastest growing fields of artificial intelligence due to the successful application of its techniques into several domains. In this way, the integration of intelligent agents based on Reinforcement Learning into information systems is a current reality. However, the way in which they “learn” requires a simulation model of the process that must be controlled to obtain large volumes of risk-free information. In this work, a methodological framework to support the training of Reinforcement Learning agents using DEVS is proposed. This framework provides the steps and elements required to implement RL Agents with the purpose of accelerating the agent learning and reducing training costs. Also, it allows modeling the dynamics of complex systems in a modular and hierarchical way, favoring the reuse of simulation components, since it is based on DEVS formalims fundamentals. | es |
| dc.description.fil | Fil: Beccaria, Ezequiel. Universidad Tecnologica Nacional. Facultad Regional Villa Maria; Argentina | |
| dc.description.fil | Fil: Bogado, Verónica Soledad. Universidad Tecnologica Nacional. Facultad Regional Villa Maria; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Centro de Investigaciones y Transferencia de Villa María. Universidad Nacional de Villa María. Centro de Investigaciones y Transferencia de Villa María; Argentina | |
| dc.description.fil | Fil: Palombarini, Jorge Andrés. Universidad Tecnologica Nacional. Facultad Regional Villa Maria; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Córdoba. Centro de Investigaciones y Transferencia de Villa María. Universidad Nacional de Villa María. Centro de Investigaciones y Transferencia de Villa María; Argentina | |
| dc.format | application/pdf | es |
| dc.identifier.citation | Beccaria, Ezequiel; Bogado, Verónica Soledad; Palombarini, Jorge Andrés; A DEVS Based Methodological Framework for Reinforcement Learning Agent Training; Institute of Electrical and Electronics Engineers; IEEE Latin America Transactions; 19; 4; 7-6-2021; 679–687 | es |
| dc.identifier.institucional | CONICET | |
| dc.identifier.issn | 1548-0992 | es |
| dc.identifier.repo | CONICET Digital | |
| dc.identifier.uri | http://hdl.handle.net/11336/133449 | |
| dc.journal.ciudad | New York | es |
| dc.journal.number | 4 | es |
| dc.journal.pagination | 679–687 | es |
| dc.journal.pais | Estados Unidos | es |
| dc.journal.title | IEEE Latin America Transactions | es |
| dc.journal.volume | 19 | es |
| dc.language.iso | spa | es |
| dc.publisher | Institute of Electrical and Electronics Engineers | es |
| dc.relation.alternativeid | info:eu-repo/semantics/altIdentifier/url/https://latamt.ieeer9.org/index.php/transactions/article/view/3873 | |
| dc.rights | info:eu-repo/semantics/openAccess | * |
| dc.rights.uri | https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ | * |
| dc.subject | Support for Training RL Agents | es |
| dc.subject | Reinforcement Learning | es |
| dc.subject | DEVS | es |
| dc.subject | AI-enabled systems | es |
| dc.subject.classification | Ingeniería de Sistemas y Comunicaciones | es |
| dc.subject.classification | Ingeniería Eléctrica, Ingeniería Electrónica e Ingeniería de la Información | es |
| dc.subject.classification | INGENIERÍAS Y TECNOLOGÍAS | es |
| dc.title | A DEVS Based Methodological Framework for Reinforcement Learning Agent Training | es |
| dc.type | info:eu-repo/semantics/article | |
| dc.type | info:ar-repo/semantics/artículo | |
| dc.type | info:eu-repo/semantics/publishedVersion | |
Archivos
Bloque original
Cargando...
- Nombre:
- CONICET_Digital_Nro.99baef3c-857b-424f-9c70-5e8b63f66846_E.pdf
- Tamaño:
- 789.97 KB
- Formato:
- Adobe Portable Document Format
- Descripción: