모델 및 측정 불확실성 하의 동적 치료 체계를 위한 강건 강화학습
요약
본 연구는 측정 오류와 질병 변화에도 신뢰성을 유지하는 적응형 치료 정책을 학습하기 위한 강건 강화학습(RL) 프레임워크를 개발했습니다. 환자를 숨겨진 컨텍스트로 모델링하여 일반화와 강건성을 통합적으로 다루었으며, 전이성 전립선암 시뮬레이터에 적용하여 기존 방법보다 우수한 정책을 입증했습니다.
핵심 포인트
- 강건 강화학습(RL) 프레임워크를 개발하여 적응형 치료 정책 학습에 활용함.
- 환자를 숨겨진 컨텍스트로 모델링하여 일반화와 강건성을 통합적으로 다룸.
- 전이성 전립선암 시뮬레이터에서 기존 방법 대비 우수한 성능을 입증함.
- 강건 RL은 신뢰할 수 있는 적응형 치료 정책 학습의 원칙적 방법론임을 제시함.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.LG (Machine Learning)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기0