基于模型的强化学习用于1型糖尿病血糖控制
机器学习
2020-10-14 v1
摘要
本文研究利用基于模型的强化学习来辅助1型糖尿病患者进行胰岛素剂量决策。所提出的架构由多个回声状态网络（用于预测血糖水平）与模型预测控制器（用于规划）组合而成。回声状态网络是递归神经网络的一种变体，使我们能够以在线方式学习时间序列数据输入中的长期依赖关系。此外，我们讨论了不确定性量化以实现更鲁棒的控制。在此，我们使用回声状态网络集成来捕捉模型（认知）不确定性。我们使用FDA批准的UVa/Padova 1型糖尿病模拟器对该方法进行了评估，并将结果与基础算法（如基础-大剂量控制器和Deep Q-learning）进行比较。结果表明，对于大多数被测的虚拟1型糖尿病患者画像，基于模型的强化学习算法表现与基线算法相当或优于基线算法。
引用
@article{arxiv.2010.06266,
title = {Model-Based Reinforcement Learning for Type 1Diabetes Blood Glucose Control},
author = {Taku Yamagata and Aisling O'Kane and Amid Ayobi and Dmitri Katz and Katarzyna Stawarz and Paul Marshall and Peter Flach and Raúl Santos-Rodríguez},
journal= {arXiv preprint arXiv:2010.06266},
year = {2020}
}
备注
Presented at ECAI 2020 SP4HC Workshop