二元强化学习
机器学习
2024-08-13 v6 应用统计
机器学习
摘要
移动健康旨在通过个体在日常生活中为其提供干预来改善健康结果。护理伙伴与社会支持网络的参与，往往在帮助个体应对繁重疾病负担方面起到关键作用。这为移动健康中设计针对二元关系——即目标个体与其护理伙伴之间的关系——的干预措施以增进社会支持提供了契机。本文提出 dyadic RL，一种在线强化学习算法，旨在基于目标个体及其护理伙伴的情境因素与历史响应来个性化地投放干预。此处，多组干预在多个时间间隔上影响该二元组。所提出的 dyadic RL 具有贝叶斯与层次化特性。我们形式化地给出问题设定，构建 dyadic RL 并建立后悔界。我们通过在玩具场景以及由一项移动健康研究收集数据构建的真实测试平台上的仿真研究，展示了 dyadic RL 的实证性能。
引用
@article{arxiv.2308.07843,
title = {Dyadic Reinforcement Learning},
author = {Shuangning Li and Lluis Salvat Niell and Sung Won Choi and Inbal Nahum-Shani and Guy Shani and Susan Murphy},
journal= {arXiv preprint arXiv:2308.07843},
year = {2024}
}