面向个性化移动健康干预的群体驱动强化学习
机器学习
2017-08-15 v1 计算机与社会
摘要
由于智能手机和可穿戴设备的普及，移动健康（mHealth）技术有望对人们的健康产生积极而广泛的影响。当前最先进的移动健康决策方法依赖于一些理想假设，这些方法要么假设用户完全同质，要么假设用户完全异质。然而在现实中，一个用户可能与部分用户相似，但并非所有用户。本文提出了一种新颖的面向移动健康的群体驱动强化学习方法。我们旨在理解如何在相似用户之间共享信息，以更好地将有限的用户信息转化为更精准的习得强化学习策略。具体而言，我们采用K均值聚类方法，根据用户的轨迹信息相似性对其进行分组，并为每个群体学习一个共享的强化学习策略。大量实验结果表明，我们的方法相较于最先进的移动健康强化学习方法能取得显著提升。
引用
@article{arxiv.1708.04001,
title = {Group-driven Reinforcement Learning for Personalized mHealth Intervention},
author = {Feiyun Zhu and Jun Guo and Zheng Xu and Peng Liao and Junzhou Huang},
journal= {arXiv preprint arXiv:1708.04001},
year = {2017}
}