Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales

Este trabajo propone un modelo de aprendizaje que combina un refuerzo lineal aplicado a las ponderaciones asignadas a los atributos que caracterizan a un caso, con umbrales de decisión dinámicos que son ajustados a partir de casos almacenados en la base de conocimientos. La información incorporada a...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Gómez, Leopoldo Sebastián M., Perichinsky, Gregorio, García Martínez, Ramón
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2001
Materias:	Ciencias Informáticas ARTIFICIAL INTELLIGENCE Learning expert systems leading cases machine learning reinforcement learning rule-based reasoning
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/21653
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-21653
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ciencias Informáticas ARTIFICIAL INTELLIGENCE Learning expert systems leading cases machine learning reinforcement learning rule-based reasoning
spellingShingle	Ciencias Informáticas ARTIFICIAL INTELLIGENCE Learning expert systems leading cases machine learning reinforcement learning rule-based reasoning Gómez, Leopoldo Sebastián M. Perichinsky, Gregorio García Martínez, Ramón Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
topic_facet	Ciencias Informáticas ARTIFICIAL INTELLIGENCE Learning expert systems leading cases machine learning reinforcement learning rule-based reasoning
description	Este trabajo propone un modelo de aprendizaje que combina un refuerzo lineal aplicado a las ponderaciones asignadas a los atributos que caracterizan a un caso, con umbrales de decisión dinámicos que son ajustados a partir de casos almacenados en la base de conocimientos. La información incorporada a través de la interacción con el entorno permite mejorar la precisión de las recomendaciones emitidas por sistemas expertos.
format	Objeto de conferencia Objeto de conferencia
author	Gómez, Leopoldo Sebastián M. Perichinsky, Gregorio García Martínez, Ramón
author_facet	Gómez, Leopoldo Sebastián M. Perichinsky, Gregorio García Martínez, Ramón
author_sort	Gómez, Leopoldo Sebastián M.
title	Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
title_short	Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
title_full	Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
title_fullStr	Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
title_full_unstemmed	Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
title_sort	aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales
publishDate	2001
url	http://sedici.unlp.edu.ar/handle/10915/21653
work_keys_str_mv	AT gomezleopoldosebastianm aprendizajeautonomobasadoenmecanismoderefuerzoaplicadoasistemasexpertoslegales AT perichinskygregorio aprendizajeautonomobasadoenmecanismoderefuerzoaplicadoasistemasexpertoslegales AT garciamartinezramon aprendizajeautonomobasadoenmecanismoderefuerzoaplicadoasistemasexpertoslegales
bdutipo_str	Repositorios
_version_	1764820464780181507

Aprendizaje autónomo basado en mecanismo de refuerzo aplicado a sistemas expertos legales

Ejemplares similares