检索结果-南通市图书馆

作者：任国奇大连理工大学

学位级别：硕士

近年来,人口的老龄化进程加剧,随之而来的医疗资源也十分短缺。同时,人工智能技术已经被广泛地应用于包括商业、工业以及医疗等现实生活之中。强化学习(Reinforcement Learning,RL)作为当代人工智能的核心技术之一,在医疗重症室智能决... 详细信息

近年来,人口的老龄化进程加剧,随之而来的医疗资源也十分短缺。同时,人工智能技术已经被广泛地应用于包括商业、工业以及医疗等现实生活之中。强化学习(Reinforcement Learning,RL)作为当代人工智能的核心技术之一,在医疗重症室智能决策的应用中取得了长足的发展,但当前研究仍具有一些局限性。强化学习包含三个关键性因素,分别是状态、动作、奖励值函数,其中,一个合理的奖励值函数需要被预先定义,这可能严重依赖于医生的临床经验,缺乏一定的普适性。此外,传统强化学习最终的目标是最大化长期累计的奖励值,学习过程中基于试错的探索行为,可能会对病人造成不利的影响。脓毒症被定义为能威胁人类生命的急性器官功能障碍,是重症监护室中最主要的病症之一,也是医院病人死亡的主要原因,但其最佳治疗策略尚未明确。近年来,目睹了强化学习(RL)方法在脓毒症治疗中得到了成功应用,实现了比临床医生更为有效的治疗策略。为确保此类应用,应根据医疗健康护理的专业知识来预先定义奖励值函数,以明确治疗目的。然而,由于缺乏对脓毒症本身的了解,在脓毒症治疗过程中的奖励值定义仍然存在较多争议,缺乏统一标准,因此本文利用了深度逆强化学习(Deep Inverse Reinforcement Learning,DIRL)来解决脓毒症治疗中奖励值的学习问题,并给出脓毒症的最佳治疗策略,以及基于历史数据的策略性能评估方法。在本文中,我们提出了一种基于深度逆强化学习最小树(Deep Inverse Reinforcement Learning-Mini Tree,DIRL-MT)模型,使用回顾性真实医学数据从一组可能的最佳治疗轨迹中推断出最佳奖励函数。在模型中,最小树MT通过监督学习方式挖掘影响脓毒症死亡率的关键特征,而深度逆强化学习(DIRL)根据这些特征的权重推断出完整的奖励函数。本文提出了两种治疗脓毒症患者的新特征,并将它们与脓毒症以往定义的诊断标准相结合,以获得脓毒症治疗的最佳策略。此外,本文提出了基于对偶权重(Dueling Weight,DW)的异策略评估(off-policy evaluation,OPE)方法,实现了基于历史数据的更为鲁棒和可靠的策略性能评估。实验结果表明,本文提出的DW异策略评估方法较现有的异策略评估方法更具有有效。根据脓毒症患者的历史数据评估本文的算法,我们发现本文的模型可以将临床策略患者的总体死亡率降低3.3%。本文的模型所学到的治疗策略可用于帮助重症监护临床医生进行医疗决策,并提高患者生存的可能性。

关键词：智慧医疗深度逆强化学习脓毒症治疗策略最小树

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

逆强化学习算法、理论与应用研究综述

引用

自动化学报 2024年第9期50卷 1704-1723页

作者：宋莉李大字徐昕北京化工大学信息科学与技术学院北京100029 国防科技大学智能科学学院长沙410073

随着高维特征表示与逼近能力的提高,强化学习(Reinforcement learning,RL)在博弈与优化决策、智能驾驶等现实问题中的应用也取得显著进展.然而强化学习在智能体与环境的交互中存在人工设计奖励函数难的问题,因此研究者提出了逆强化学习(... 详细信息

随着高维特征表示与逼近能力的提高,强化学习(Reinforcement learning,RL)在博弈与优化决策、智能驾驶等现实问题中的应用也取得显著进展.然而强化学习在智能体与环境的交互中存在人工设计奖励函数难的问题,因此研究者提出了逆强化学习(Inverse reinforcement learning,IRL)这一研究方向.如何从专家演示中学习奖励函数和进行策略优化是一个重要的研究课题,在人工智能领域具有十分重要的研究意义.本文综合介绍了逆强化学习算法的最新进展,首先介绍了逆强化学习在理论方面的新进展,然后分析了逆强化学习面临的挑战以及未来的发展趋势,最后讨论了逆强化学习的应用进展和应用前景.

关键词：强化学习逆强化学习线性逆强化学习深度逆强化学习对抗逆强化学习

来源：

维普期刊数据库博看期刊

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

高速公路下深度强化学习的集成决策与控制研究

高速公路下深度强化学习的集成决策与控制研究

引用

作者：刘向进长春工业大学

学位级别：硕士

为确保高速公路环境中自动驾驶车辆行车安全,基于深度强化学习的算法需构建奖励函数来评估训练过程中,车辆超参数,如车速、偏航角、方向盘转角等对车辆操纵稳定性的影响,保证车辆稳定同时还要快速实现车道保持、变道超车等复杂任务。但... 详细信息

为确保高速公路环境中自动驾驶车辆行车安全,基于深度强化学习的算法需构建奖励函数来评估训练过程中,车辆超参数,如车速、偏航角、方向盘转角等对车辆操纵稳定性的影响,保证车辆稳定同时还要快速实现车道保持、变道超车等复杂任务。但现有的操稳(操纵稳定)奖励函数多依赖于经验性假设和车辆动力学模型,大量超参数的奖励函数设置成为难题,特别是轮胎处于复合工况下的车辆超参数非线性奖励函数更是难以调整。据此,本文提出了深度逆强化学习的车辆操纵稳定性非线性奖励学习架构,进一步研究了高速公路场景下自动驾驶车辆非线性操稳奖励与行驶规则奖励的自动驾驶集成决策与控制。本文具体研究内容如下:本文提出了深度逆强化学习的车辆操纵稳定性非线性奖励函数学习架构。建立了复合工况下以轮胎滑移率为输入的车辆三自由度模型;构建了深度逆强化学习中以专家策略和学习策略(轮胎滑移率)为输入,操稳奖励函数为输出的深度学习网络;探索了深度强化学习中,在操稳奖励下,三自由度车辆模型的学习策略训练方法。架构以专家策略和学习策略近似特征匹配的方式,在满足专家策略约束前提下,从最大熵理论出发,以不带任何偏好和经验假设的方式对操稳奖励函数进行学习。在深度逆强化学习的训练过程中,每次对奖励函数的更新都需要依赖于学习策略的更新迭代,而学习策略的迭代又需要大量的交互数据和计算资源。这一过程不仅耗时,而且进一步影响了深度逆强化学习的训练效率。针对深度逆强化学习训练效率低,学习时间长的问题。本文改进了深度逆强化学习中,关于获得学习策略的训练方法,采用多进程异步并行训练,极大地提高了学习策略的更新效率,因为算法提高了环境的探索能力,所以缩短了深度逆强化学习超过80%的训练时间。高速公路环境下,除了需要综合车辆因滑移率过大而失去稳定性的情况,还需要考虑车道保持、换道超车等涉及主被动安全的行驶规则。本文对行驶规则中的状态空间、动作空间和奖励函数进行了讨论,并采用深度强化学习近端策略优化算法,实现了自动驾驶车辆端到端的集成决策与控制,将控制策略直接从环境状态信息映射到四轮力矩和方向盘转角控制中,简化了四轮驱动电动汽车底盘控制系统决策过程和人工规则的依赖。该方法综合考虑了车辆的操纵稳定性要求和高速公路特定驾驶场景,实现了车辆在高速公路场景下的自动驾驶。不仅有效维持了车辆操纵稳定性,还保证了行车安全,综合展现了良好的驾驶性能。

关键词：自动驾驶深度强化学习深度逆强化学习集成决策与控制高速公路

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：