Viernes de Transporte con Gabriel Nova "Mejorando la especificación de modelos de elección discreta mediante aprendizaje por refuerzo"

Expone: Gabriel Nova Sepúlveda, es Ingeniero Civil y Magister en Transporte en la Universidad de Chile, actualmente está estudiando su Doctorado en Delft University of Technology. Ganador del Abertis International Award 2022: Masters Thesis.

• Fecha: Viernes 30 de Mayo 2025
• Hora: 13:30 hrs
• Modalidad: Online

Inscríbete aquí

Resumen:

La especificación de modelos es una fase de investigación fundamental en el análisis del comportamiento de elección discreta que requiere cierto grado de experiencia y ajuste manual iterativo. Los enfoques convencionales se basan en la experimentación empírica orientada por hipótesis, donde los analistas prueban diferentes variables explicativas, transformaciones e interacciones para obtener mejores resultados de modelación y, al mismo tiempo, mantener la plausibilidad desde el punto de vista del comportamiento. Este proceso consume mucho tiempo y está sujeto a la subjetividad del modelador.
Los avances recientes en Deep Reinforcement Learning (RL) ofrecen una alternativa prometedora para automatizar el proceso de especificación de modelos. En concreto, presentamos un agente basado en RL que explora de forma autónoma el espacio de especificaciones, estimando cada modelo candidato y recibiendo retroalimentación a través de una señal de recompensa que refleja la calidad de las acciones realizadas. Nuestros resultados muestran que los agentes de RL pueden aprender estrategias para proponer especificaciones de buen desempeño basadas en el conocimiento adquirido de resultados de modelación previos, lo que les permite refinar su proceso de búsqueda.