Los procesos de decisión markovianos parcialmente observables (partially-observable Markov decision processes, POMDP) brindan un poderoso modelo para problemas de toma de decisiones secuenciales con estado parcialmente observable y son conocidos por tener soluciones óptimas de programación dinámica. Gran parte del trabajo en años recientes se ha enfocado en mejorar la eficiencia de estos algoritmos de programación dinámica mediante la explotación de simetrías y relaciones relacionales o tenidas en cuenta.
En este documento se muestra que también es posible aprovechar el poder expresivo total de la cuantificación de primer orden para lograr abstracción de estado, acción y observación en una solución de programación dinámica para POMDP especificados relacionalmente.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Una presentación de los mínimos cuadrados generalizados, y en particular, para funciones vectoriales
Artículo:
Mantenimiento predictivo de una planta de papel usando infrarrojo
Video:
Programación Quantum híbrida. Seminario Web D-wave
Video:
Teoría de juegos y su relación con la toma de decisiones
Artículo:
Metodología de diseño de la tecnología de eficiencia energética de laminación en frío de flejes finos de acero
Artículo:
Implementación de una propuesta de aprendizaje significativo de la cinemática a través de la resolución de problemas
Artículo:
Calidad sanitaria sostenible y satisfacción laboral a través de la cultura organizativa: Enfoques y resultados
Artículo:
Un modelo de gestión de inventarios basado en estrategia competitiva
Artículo:
Fibras textiles