51,99 €
inkl. MwSt.
Versandkostenfrei*
Versandfertig in 6-10 Tagen
payback
26 °P sammeln
  • Broschiertes Buch

Les modèles de processus de décision de Markov (PDM) sont largement utilisés pour modéliser les problèmes de prise de décision dans de nombreux domaines de recherche. Les PDM peuvent être facilement conçus par modélisation et simulation (M&S) à l'aide du formalisme de spécification des systèmes à événements discrets (DEVS) en raison de leurs aspects modulaires et hiérarchiques, qui améliorent l'explicabilité des modèles. En particulier, la séparation entre l'agent et les composantes de l'environnement impliquées dans l'algorithme traditionnel d'apprentissage par renforcement, tel que…mehr

Produktbeschreibung
Les modèles de processus de décision de Markov (PDM) sont largement utilisés pour modéliser les problèmes de prise de décision dans de nombreux domaines de recherche. Les PDM peuvent être facilement conçus par modélisation et simulation (M&S) à l'aide du formalisme de spécification des systèmes à événements discrets (DEVS) en raison de leurs aspects modulaires et hiérarchiques, qui améliorent l'explicabilité des modèles. En particulier, la séparation entre l'agent et les composantes de l'environnement impliquées dans l'algorithme traditionnel d'apprentissage par renforcement, tel que l'apprentissage Q, est clairement formalisée pour améliorer l'observabilité et envisager l'intégration des composantes de l'IA dans le processus de prise de décision. L'objectif principal de ce travail est d'offrir la possibilité de concevoir un système markovien avec un formalisme de modélisation et de simulation afin d'optimiser un processus de prise de décision avec une plus grande explicabilité grâce à la simulation. En outre, le travail comprend une étude basée sur la gestion des processus financiers, sa spécification en tant que système RL basé sur MDP, et sa modélisation et simulation avec le formalisme DEVS.
Autorenporträt
El Dr. Barbieri es ingeniero con un máster en Ingeniería en Ciencias Agrarias con memoria de máster en Finanzas Agrarias en 2004 y un doctorado en Informática con una tesis sobre M&S e IA aplicada a las finanzas en 2023. Combina sus conocimientos científicos con una probada capacidad de liderazgo en los ámbitos empresarial y académico.