Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo

Máster Universitario en Ingeniería de Telecomunicación

Detalles Bibliográficos
Autor: Romero del Campo, Alejandro
Tipo de recurso: tesis de maestría
Fecha de publicación:2021
País:España
Institución:Universidad Autónoma de Madrid
Repositorio:Biblos-e Archivo. Repositorio Institucional de la UAM
Idioma:español
OAI Identifier:oai:repositorio.uam.es:10486/697488
Acceso en línea:http://hdl.handle.net/10486/697488
Access Level:acceso abierto
Palabra clave:Aprendizaje por refuerzo
Agente
Entorno
Telecomunicaciones
id ES_feddddbdbc2d350a1fe0289c034db835
oai_identifier_str oai:repositorio.uam.es:10486/697488
network_acronym_str ES
network_name_str España
repository_id_str
spelling Predicción de conducta humana a través de Aprendizaje por Refuerzo ProfundoRomero del Campo, AlejandroAprendizaje por refuerzoAgenteEntornoTelecomunicacionesMáster Universitario en Ingeniería de TelecomunicaciónEl objetivo principal de este trabajo de fin de máster es la predicción e identificación de patrones en la conducta humana, mediante la aplicación de algoritmos de aprendizaje por refuerzo. Para ello se ha desarrollado un agente capaz de aprender en base a un entorno artificialmente generado, en el cual, este agente, se basa en las características visuales de rostros humanos para encontrar estos patrones. Una vez se han encontrado estos patrones, el objetivo del agente es aprovecharlos para, en un juego de decisión en el que se enfrenta a la persona de cuya imagen dispone, obtener el mayor beneficio posible a largo plazo. Este agente, mediante un algoritmo de aprendizaje por refuerzo denominado Q-Learning y redes neuronales, será capaz de desarrollar un proceso de aprendizaje a lo largo de las iteraciones. A su vez, se ha desarrollado un sistema de generación del entorno (la información a la que accede el agente para poder aprender) basado en imágenes. Estas imágenes son rostros de personas procedentes de una base de datos generada artificialmente, de cara a respetar la privacidad. Adicionalmente al agente y al entorno que le rodeará, se han desarrollado varios sistemas de recompensas que el agente tomará como referencia para poder aprender. Estos sistemas recompensarán al agente positivamente cuando realice determinadas acciones y negativamente al contrario. El sistema de recompensa final que se ha desarrollado corresponde a una similitud con el popular dilema del prisionero, en el cual dos personas son recompensadas positivamente a largo plazo si colaboran y negativamente si ambas deciden no hacerlo. Una vez se han desarrollado los elementos principales para ejecutar el algoritmo de aprendizaje por refuerzo, se realizará una serie de pruebas y experimentos para evaluar su rendimiento. En estas pruebas se modificarán características del agente, el sistema de recompensa o se modificará, artificialmente, el entorno para crear patrones de comportamiento y observar si un agente, con las suficientes iteraciones, es capaz de detectar estos patrones de conducta. Para cada prueba se describirá el contexto de la misma y se analizarán sus resultados individualmente. Finalmente, tras todas las pruebas realizadas, se enunciarán unas conclusiones globales y se describirá que trabajo futuro se podría realizar en base a la temática y resultados de este trabajo de fin de máster.Morales Moreno, AythamiDepartamento de Tecnología Electrónica y de las ComunicacionesEscuela Politécnica Superior20212021-06-01master thesishttp://purl.org/coar/resource_type/c_bdccNAhttp://purl.org/coar/version/c_be7fb7dd8ff6fe43info:eu-repo/semantics/masterThesisapplication/pdfhttp://hdl.handle.net/10486/697488reponame:Biblos-e Archivo. Repositorio Institucional de la UAMinstname:Universidad Autónoma de MadridEspañolspaopen accesshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessoai:repositorio.uam.es:10486/6974882026-06-23T12:46:27Z
dc.title.none.fl_str_mv Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
title Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
spellingShingle Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
Romero del Campo, Alejandro
Aprendizaje por refuerzo
Agente
Entorno
Telecomunicaciones
title_short Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
title_full Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
title_fullStr Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
title_full_unstemmed Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
title_sort Predicción de conducta humana a través de Aprendizaje por Refuerzo Profundo
dc.creator.none.fl_str_mv Romero del Campo, Alejandro
author Romero del Campo, Alejandro
author_facet Romero del Campo, Alejandro
author_role author
dc.contributor.none.fl_str_mv Morales Moreno, Aythami
Departamento de Tecnología Electrónica y de las Comunicaciones
Escuela Politécnica Superior
dc.subject.none.fl_str_mv Aprendizaje por refuerzo
Agente
Entorno
Telecomunicaciones
topic Aprendizaje por refuerzo
Agente
Entorno
Telecomunicaciones
description Máster Universitario en Ingeniería de Telecomunicación
publishDate 2021
dc.date.none.fl_str_mv 2021
2021-06-01
dc.type.none.fl_str_mv master thesis
http://purl.org/coar/resource_type/c_bdcc
NA
http://purl.org/coar/version/c_be7fb7dd8ff6fe43
dc.type.openaire.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
dc.identifier.none.fl_str_mv http://hdl.handle.net/10486/697488
url http://hdl.handle.net/10486/697488
dc.language.none.fl_str_mv Español
spa
language_invalid_str_mv Español
language spa
dc.rights.none.fl_str_mv open access
http://purl.org/coar/access_right/c_abf2
dc.rights.openaire.fl_str_mv info:eu-repo/semantics/openAccess
rights_invalid_str_mv open access
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Biblos-e Archivo. Repositorio Institucional de la UAM
instname:Universidad Autónoma de Madrid
instname_str Universidad Autónoma de Madrid
reponame_str Biblos-e Archivo. Repositorio Institucional de la UAM
collection Biblos-e Archivo. Repositorio Institucional de la UAM
repository.name.fl_str_mv
repository.mail.fl_str_mv
_version_ 1869425722802569216
score 15.301603

Similares en LA Referencia