Modelo de toma de decisiones utilizando aprendizaje por refuerzo cuántico

El aprendizaje por refuerzo clásico (CRL, por sus siglas en inglés), ha sido utilizado ampliamente en aplicaciones para la psicología y neurociencia. Sin embargo, el aprendizaje por refuerzo cuántico (QRL, por sus siglas en inglés) ha demostrado mejor desempeño en simulaciones por computadora. Para...

Descripción completa

Detalles Bibliográficos
Autor Principal: Sastoque Granados, Santiago
Otros Autores: López López, Juan Manuel
Formato: Trabajo de grado (Bachelor Thesis)
Lenguaje:Español (Spanish)
Publicado: Universidad del Rosario 2021
Materias:
Acceso en línea:https://repository.urosario.edu.co/handle/10336/31624
Descripción
Sumario:El aprendizaje por refuerzo clásico (CRL, por sus siglas en inglés), ha sido utilizado ampliamente en aplicaciones para la psicología y neurociencia. Sin embargo, el aprendizaje por refuerzo cuántico (QRL, por sus siglas en inglés) ha demostrado mejor desempeño en simulaciones por computadora. Para poder analizar la toma de decisiones basada en el valor utilizando estos modelos, se diseñó un protocolo experimental que consiste en dos grupos sanos de diferentes edades realizando la prueba Iowa Gambling Task. Con esta base de datos se comparó el desempeño de cuatro modelos de CRL y uno de QRL, los resultados demostraron que la toma de decisiones basadas en el valor se puede modelar utilizando aprendizaje por refuerzo cuántico y esto sugiere que el enfoque cuántico a la toma de decisiones aporta nuevas perspectivas y herramientas que permiten entender nuevos aspectos del proceso de toma de decisiones humano.