2026-06-27T16:05:28Zhttps://docta.ucm.es/rest/oai/requestoai:docta.ucm.es:20.500.14352/152252023-09-06T21:14:36Zcom_20.500.14352_1col_20.500.14352_8
Docta Complutense
advisor
Sánchez Ruiz-Granados, Antonio Alejandro
author
Arranz Janeiro, Ricardo
author
Concepción Echeverría, Lidia
author
Caño Vega, Juan Ramón del
author
Ponce Belmonte, Francisco
author
Romero Sánchez, Juan Luis
2023-06-17T15:02:14Z
2023-06-17T15:02:14Z
2019
https://hdl.handle.net/20.500.14352/15225
https://github.com/delcanovega/TFG-DRL
En este proyecto estudiaremos el campo del aprendizaje por refuerzo profundo, con el objetivo de lograr una aplicación estable en problemas clásicos de control. Para lograrlo investigaremos sus bases: el aprendizaje por refuerzo y las redes neuronales, comprobando cuáles son sus puntos fuertes y débiles. Después combinaremos lo aprendido para, progresivamente, mejorar el rendimiento y la estabilidad de nuestros agentes.
En busca de una mayor comprensión de su funcionamiento, todas las implementaciones de los agentes y algoritmos serán hechas por nosotros mismos. Todo ello será puesto a prueba a través del conocido sistema OpenAI Gym.
Todo el código fuente referente a este proyecto puede encontrarse en: https://github.com/delcanovega/TFG-DRLIn this project we will study the Deep Reinforcement Learning field in order to achieve an stable application for classic control problems. To do this we will investigate its fundamentals: Reinforcement Learning and Neural Networks, learning which are their strengths and weaknesses. Finally, we will merge both to progressivly improve our agent’s performance and stability.
In order to gain a better insight we will personally implement the agents and algorithms. All of this will be tested through the popular framework OpenAI Gym.
This project’s source code can be found in the repository: https://github.com/delcanovega/TFG-DRL
spa
Atribución-NoComercial 3.0 España
Aprendizaje por refuerzo profundo aplicado a juegos sencillos
bachelor thesis
URL
https://docta.ucm.es/bitstreams/caa804ba-a240-4e45-aafc-182c05f80d71/download
File
MD5
2d6fde35b406acb32e7be4f88c1a1005
3818844
application/pdf
1138035127-327684_JUAN_RAMÓN_DEL_CAÑO_VEGA_Aprendizaje_por_refuerzo_profundo_aplicado_a_juegos_sencillos_3940146_998640412.pdf
URL
https://docta.ucm.es/bitstreams/0f75e46f-4126-490f-af7c-cf93dae3cfb2/download
File
MD5
3f550898602cf48544ca6bdf49ba052a
162855
text/plain
1138035127-327684_JUAN_RAMÓN_DEL_CAÑO_VEGA_Aprendizaje_por_refuerzo_profundo_aplicado_a_juegos_sencillos_3940146_998640412.pdf.txt