• Informações do Trabalho

Titulo MÉTODOS DE REGRESSÃO PARA APRENDIZADO POR REFORÇO Subtítulo Autor LUCAS DE ALMEIDA TEIXEIRA Orientador Saul de Castro Leite Resumo Problemas de aprendizado por reforço resumem-se a situações onde um agente inteligente deve agir com base na observação do ambiente no qual se encontra. A ação do agente afeta o ambiente resultando em uma recompensa e uma nova observação do ambiente. Porém o efeito de uma ação é estocástico, ou seja, é possível que ao tomar duas vezes a mesma ação no mesmo momento os efeitos sejam diferentes. Para tratar problemas dessa natureza desenvolveu-se uma vasta teoria para modelá-los e resolvê-los. Uma forma bastante popular de resolver esse tipo de problema é utilizar Q-Learning, porém essa técnica necessita que seja realizada a aproximação da função Q. Este trabalho propõe uma nova maneira de realizar tal aproximação utilizando Perceptron de ?-Raio Fixo e a compara com outra abordagem já consolidada que são as Redes Neurais Artificiais. Para realização da comparação foram implementados diferentes problemas de aprendizado por reforço e ambos algoritmos são usados para resolvê-los. Palavras-Chave Aprendizado por Reforço, Máquina de Vetores de Suporte, Redes Neurais Artificiais, Aprendizado de Máquinas, Inteligência Artificial