Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
En este trabajo se investiga el potencial de aplicación de Q-Learning para la adaptación de parámetros de sintonización de un controlador previamente probado en ensayos clínicos de corto plazo: el algoritmo de control glucémico Automatic Regulation of Glucose (ARG) (ver sección 2.1 [5]). Con este fi...
Guardado en:
| Autores principales: | , , |
|---|---|
| Formato: | Objeto de conferencia |
| Lenguaje: | Español |
| Publicado: |
2021
|
| Materias: | |
| Acceso en línea: | http://sedici.unlp.edu.ar/handle/10915/127933 |
| Aporte de: |
| Sumario: | En este trabajo se investiga el potencial de aplicación de Q-Learning para la adaptación de parámetros de sintonización de un controlador previamente probado en ensayos clínicos de corto plazo: el algoritmo de control glucémico Automatic Regulation of Glucose (ARG) (ver sección 2.1 [5]). Con este fin, se desarrolla un código propio para la adaptación por Q-Learning de controladores de lazo cerrado, cuyo funcionamiento se ilustra en primer lugar en un modelo dinámico sencillo. Luego, el desempeño de la adaptación propuesta para el controlador ARG se evalúa sobre la población adulta del simulador UVA/Padova, validado por la FDA [6]. |
|---|