Aprendizaje bayesiano por refuerzo: Un estudio

Título original:

Bayesian Reinforcement Learning: A Survey

Contenido del libro:

Los métodos bayesianos para el aprendizaje automático se han investigado ampliamente, dando lugar a métodos basados en principios para incorporar información a priori en los algoritmos de inferencia. Esta monografía ofrece al lector una revisión en profundidad del papel de los métodos bayesianos en el paradigma del aprendizaje por refuerzo (RL).

Los principales incentivos para incorporar el razonamiento bayesiano en el RL son que proporciona una aproximación elegante a la selección de acciones (exploración/explotación) en función de la incertidumbre en el aprendizaje, y proporciona una maquinaria para incorporar conocimiento previo en los algoritmos. Bayesian Reinforcement Learning: A Survey analiza en primer lugar los modelos y métodos de inferencia bayesiana en el modelo Bandit simple de un solo paso. A continuación, revisa la extensa bibliografía reciente sobre métodos bayesianos para el RL basado en modelos, en el que la información a priori puede expresarse sobre los parámetros del modelo de Markov.

También se presentan métodos bayesianos para el RL sin modelo, en los que las priores se expresan sobre la función de valor o la clase de política. Bayesian Reinforcement Learning: A Survey es una referencia exhaustiva para estudiantes e investigadores interesados en los algoritmos bayesianos de RL y sus propiedades teóricas y empíricas.