.png){kind=icon}
返回
A multiagent reinforcement learning algorithm for personalized recommendations in bipolar disorder
.png){kind=icon}
OA
AI
DOI：10.1093/pnasnexus/pgaf246.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
摘要
本研究介绍了一种新型多智能体强化学习（MARL）算法，旨在识别和优化双相障碍的个性化推荐。该算法利用可穿戴设备的长短期离线数据，为个体患者推荐定制化的自我护理策略。我们重点关注涉及身体活动（通过步数测量）、睡眠时长和睡眠时间一致性的自我护理策略，旨在减少情绪恶化的时期。我们MARL方法的一个关键创新是将copulas整合到模型中，以模拟智能体间的相互依赖关系，增强智能体间的协调并改进策略学习。研究发现，遵循本算法的自我护理建议可能显著减少情绪症状升高的时期，从而改善整体健康水平。最后，该算法为双相障碍患者的治疗提供了重要的临床见解，并显示出独立于具体应用的理论优势。因此，这项工作不仅推进了MARL在个性化医疗保健中的应用，还为多种慢性疾病的适应性干预提供了一种新的算法方法。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
P
IF:
3.8
论文数:
2.1K
被引数:
3.2K
机构
引用论文
.png){kind=icon}
Multi-Agent Deep Reinforcement Learning for Urban Traffic Light Control in Vehicular Networks基于多智能体深度强化学习的车辆网络城市交通灯控制
PREAI
分享收藏
查看更多内容