pH-RL：一种将强化学习引入健康实践的个性化架构
人工智能
2021-04-01 v2 计算机与社会
摘要
尽管强化学习（RL）已被证明是解决许多复杂问题的首选方法，但在实际场景中成功开发和部署 RL 智能体仍具挑战性。本文提出 pH-RL（利用 RL 进行电子健康个性化）一种用于个性化的通用 RL 架构，以将 RL 引入健康实践。pH-RL 允许健康应用中各种层次的个性化，并支持在线与批量学习。此外，我们提供了一个可与多种医疗应用集成的通用实现框架。我们描述了在移动应用中成功部署 RL 策略的逐步指南。我们实现了开源 RL 架构，并将其与用于心理健康的 MoodBuster 移动应用集成，以提供增加每日对在线治疗模块依从性的消息。随后我们在一段时间内对人类参与者进行了综合研究。实验结果表明，所开发的策略仅利用几天的数据就能持续学会选择合适的动作。此外，我们实证展示了所学策略在研究期间的稳定性。
引用
@article{arxiv.2103.15908,
title = {pH-RL: A personalization architecture to bring reinforcement learning to health practice},
author = {Ali el Hassouni and Mark Hoogendoorn and Marketa Ciharova and Annet Kleiboer and Khadicha Amarti and Vesa Muhonen and Heleen Riper and A. E. Eiben},
journal= {arXiv preprint arXiv:2103.15908},
year = {2021}
}