将深度强化学习网络与医疗系统仿真相集成
机器学习
2020-08-18 v1 人工智能
摘要
背景与动机：将深度强化学习（Deep RL）与医疗系统仿真相结合具有重大潜力，既可用于改进 Deep RL 性能与安全性的研究，也可用于运营实践。尽管已有分别面向 Deep RL 和医疗系统仿真的独立工具包，但尚未建立将二者集成的框架。目的：提供一个将 Deep RL 网络与医疗系统仿真相集成的框架，并确保该框架与已使用 OpenAI Gym 开发和测试的 Deep RL 智能体兼容。方法：我们基于 OpenAI Gym 框架开发了我们的框架，并在一个简单的医院床位容量模型上演示了其使用。我们使用 PyTorch 构建 Deep RL 智能体，使用 SimPy 构建医院仿真。结果：我们演示了使用 Double Deep Q Network 或 Duelling Double Deep Q Network 作为 Deep RL 智能体的示例模型。结论：SimPy 可用于创建与在 OpenAI Gym 环境中开发和测试的智能体兼容的医疗系统仿真。代码 GitHub 仓库：https://github.com/MichaelAllen1966/learninghospital
引用
@article{arxiv.2008.07434,
title = {Integrating Deep Reinforcement Learning Networks with Health System Simulations},
author = {Michael Allen and Thomas Monks},
journal= {arXiv preprint arXiv:2008.07434},
year = {2020}
}
备注
6 pages, 1 figure