Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.

Detalhes bibliográficos
Autor(a) principal: Marcus Vinicius Carvalho Guelpeli
Data de Publicação: 2003
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações do ITA
Texto Completo: http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2733
Resumo: Este trabalho apresenta um novo modelo de módulo de diagnóstico para ser incluído na arquitetura tradicional de Sistemas de Tutores Inteligentes. Neste módulo, são aplicadas técnicas de Aprendizado por Reforço (algoritmo Q-Learning), o que possibilita modelar autonomamente o aprendiz. Um valor de utilidade é calculado baseado em uma tabela de pares estado-ação, a partir da qual o algoritmo estima reforços futuros que representam os estados cognitivos do aprendiz. A melhor política a ser usada pelo tutor para qualquer estado cognitivo do aprendiz é disponibilizada pelo próprio algoritmo de Aprendizado por Reforço, sem que seja necessário um modelo explícito do aprendiz.
id ITA_72b3a2f8e1d38bdbcd5cdf8e6d2219f9
oai_identifier_str oai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2733
network_acronym_str ITA
network_name_str Biblioteca Digital de Teses e Dissertações do ITA
spelling Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.Arquitetura (computadores)AlgoritmosAprendizagemInteligência artificialProgramas de sistemas de computadoresComputaçãoEste trabalho apresenta um novo modelo de módulo de diagnóstico para ser incluído na arquitetura tradicional de Sistemas de Tutores Inteligentes. Neste módulo, são aplicadas técnicas de Aprendizado por Reforço (algoritmo Q-Learning), o que possibilita modelar autonomamente o aprendiz. Um valor de utilidade é calculado baseado em uma tabela de pares estado-ação, a partir da qual o algoritmo estima reforços futuros que representam os estados cognitivos do aprendiz. A melhor política a ser usada pelo tutor para qualquer estado cognitivo do aprendiz é disponibilizada pelo próprio algoritmo de Aprendizado por Reforço, sem que seja necessário um modelo explícito do aprendiz. Instituto Tecnológico de AeronáuticaCarlos Henrique Costa RibeiroMarcus Vinicius Carvalho Guelpeli2003-00-00info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2733reponame:Biblioteca Digital de Teses e Dissertações do ITAinstname:Instituto Tecnológico de Aeronáuticainstacron:ITAporinfo:eu-repo/semantics/openAccessapplication/pdf2019-02-02T14:04:56Zoai:agregador.ibict.br.BDTD_ITA:oai:ita.br:2733http://oai.bdtd.ibict.br/requestopendoar:null2020-05-28 19:39:55.568Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáuticatrue
dc.title.none.fl_str_mv Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
title Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
spellingShingle Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
Marcus Vinicius Carvalho Guelpeli
Arquitetura (computadores)
Algoritmos
Aprendizagem
Inteligência artificial
Programas de sistemas de computadores
Computação
title_short Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
title_full Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
title_fullStr Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
title_full_unstemmed Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
title_sort Utilização de aprendizado por reforço para modelagem autônoma do aprendiz em sistemas tutores inteligentes.
author Marcus Vinicius Carvalho Guelpeli
author_facet Marcus Vinicius Carvalho Guelpeli
author_role author
dc.contributor.none.fl_str_mv Carlos Henrique Costa Ribeiro
dc.contributor.author.fl_str_mv Marcus Vinicius Carvalho Guelpeli
dc.subject.por.fl_str_mv Arquitetura (computadores)
Algoritmos
Aprendizagem
Inteligência artificial
Programas de sistemas de computadores
Computação
topic Arquitetura (computadores)
Algoritmos
Aprendizagem
Inteligência artificial
Programas de sistemas de computadores
Computação
dc.description.none.fl_txt_mv Este trabalho apresenta um novo modelo de módulo de diagnóstico para ser incluído na arquitetura tradicional de Sistemas de Tutores Inteligentes. Neste módulo, são aplicadas técnicas de Aprendizado por Reforço (algoritmo Q-Learning), o que possibilita modelar autonomamente o aprendiz. Um valor de utilidade é calculado baseado em uma tabela de pares estado-ação, a partir da qual o algoritmo estima reforços futuros que representam os estados cognitivos do aprendiz. A melhor política a ser usada pelo tutor para qualquer estado cognitivo do aprendiz é disponibilizada pelo próprio algoritmo de Aprendizado por Reforço, sem que seja necessário um modelo explícito do aprendiz.
description Este trabalho apresenta um novo modelo de módulo de diagnóstico para ser incluído na arquitetura tradicional de Sistemas de Tutores Inteligentes. Neste módulo, são aplicadas técnicas de Aprendizado por Reforço (algoritmo Q-Learning), o que possibilita modelar autonomamente o aprendiz. Um valor de utilidade é calculado baseado em uma tabela de pares estado-ação, a partir da qual o algoritmo estima reforços futuros que representam os estados cognitivos do aprendiz. A melhor política a ser usada pelo tutor para qualquer estado cognitivo do aprendiz é disponibilizada pelo próprio algoritmo de Aprendizado por Reforço, sem que seja necessário um modelo explícito do aprendiz.
publishDate 2003
dc.date.none.fl_str_mv 2003-00-00
dc.type.driver.fl_str_mv info:eu-repo/semantics/publishedVersion
info:eu-repo/semantics/masterThesis
status_str publishedVersion
format masterThesis
dc.identifier.uri.fl_str_mv http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2733
url http://www.bd.bibl.ita.br/tde_busca/arquivo.php?codArquivo=2733
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
publisher.none.fl_str_mv Instituto Tecnológico de Aeronáutica
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações do ITA
instname:Instituto Tecnológico de Aeronáutica
instacron:ITA
reponame_str Biblioteca Digital de Teses e Dissertações do ITA
collection Biblioteca Digital de Teses e Dissertações do ITA
instname_str Instituto Tecnológico de Aeronáutica
instacron_str ITA
institution ITA
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações do ITA - Instituto Tecnológico de Aeronáutica
repository.mail.fl_str_mv
subject_por_txtF_mv Arquitetura (computadores)
Algoritmos
Aprendizagem
Inteligência artificial
Programas de sistemas de computadores
Computação
_version_ 1706809289903964160

Registros relacionados