mobile health | BriefGPT - AI 论文速递

关键词mobile health

搜索结果 - 8

去偏机器学习和网络凝聚性用于上下文强化学习中的双重强健奖励模型
提出了一种利用 Thompson 抽样算法和双机器学习 (DML) 框架的 DML-TS-NNR 算法，通过最近邻方法在用户和时间维度上高效地汇集差异奖励信息，从而精确建模基线奖励，并对差异奖励参数提供了较小的置信区间，同时具备对基线奖励模
PDF7 months ago
二人强化学习
本文介绍了一种基于上下文因素和目标人以及他们的照顾伙伴的过去反应的在线强化学习算法 - 双人强化学习，旨在个性化干预传递，提高社会支持。通过在玩具场景和移动健康研究中收集的实际数据的模拟研究，我们展示了双人强化学习的实证绩效。
PDFa year ago
手机音频数据的高效 COVID-19 检测的迁移学习
通过实验评估了 3 种不同的深度学习模型以及两种传输学习方法，结果表明 L**3-Net 作为特征提取器在所有实验设置中具有 12.3％的精确度 - 召回曲线下面积的优势，并且在模型微调时优势为 10％。此外，我们注意到仅微调预训练模型的全
PDFa year ago
将移动健康用户建模为强化学习智能体
本文介绍了一个框架，通过提供不同类型的干预措施，帮助使用移动健康技术的患者在日常生活中采取或保持健康的行为，同时优化了马尔可夫决策过程的参数，以解决人类决策过程中可能出现的问题。
PDF2 years ago
AAAI在线决策的强鲁棒性测试
通过修改演员 - 评论家算法并推导一种新的测试过程，提出了一种对评论家错误规范化具有鲁棒性的修改型演员评论家算法，在移动医疗等领域能够根据用户数据制定个性化健康干预措施，并能协调数据收集和影响 app 性能之间的平衡。
PDF2 years ago
KDD移动健康应用中的用户参与度
该研究提出了一个框架来研究健康工作者对移动健康的使用，重点关注数字医疗健康应用的行为日志，并提供了多种个性化的度量方法来检测有效参与度和检测完全失去参与的情况，最终为卫生工作者的能力提升、病患治疗和生命拯救做出贡献。
PDF2 years ago
NIPS基于行动中心的上下文分组赌博机算法
为延伸时间不变线性模型假设限制，我们提出了一种上下文 Bandits 的线性模型扩展，该模型具有基线奖励和处理效应两个部分，并已在移动健康研究中做了实验证明其有效性。
PDF7 years ago
基于演员 - 评论家的上下文交互式医疗干预个性化算法
通过构建即时自适应干预研究中的任务来填补现有的方法论空白，提供了一个在线演员 - 评论算法的框架来构建和完善基于数据的即时自适应干预，以此解决移动健康领域的可解释性问题。
PDF7 years ago