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
M. Barbieri est ingénieur, titulaire d'un master en sciences agricoles et d'un mémoire de master en finance agricole en 2004, et d'un doctorat en informatique avec une thèse sur la science et la technologie et l'intelligence artificielle appliquées à la finance en 2023. Il associe ses compétences scientifiques à des capacités de leadership avérées dans le monde des affaires et de l'enseignement.