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...

Descripción completa

Guardado en:

Detalles Bibliográficos
Autores principales:	Serafini, María Cecilia, Rosales, Nicolás, Garelli, Fabricio
Formato:	Objeto de conferencia
Lenguaje:	Español
Publicado:	2021
Materias:	Ingeniería Electrotecnia Páncreas Artificial Aprendizaje por refuerzo Reinforcement learning Lazo cerrado Diabetes Mellitus Tipo 1
Acceso en línea:	http://sedici.unlp.edu.ar/handle/10915/127933
Aporte de:	SEDICI (UNLP) de Universidad Nacional de La Plata

id	I19-R120-10915-127933
record_format	dspace
institution	Universidad Nacional de La Plata
institution_str	I-19
repository_str	R-120
collection	SEDICI (UNLP)
language	Español
topic	Ingeniería Electrotecnia Páncreas Artificial Aprendizaje por refuerzo Reinforcement learning Lazo cerrado Diabetes Mellitus Tipo 1
spellingShingle	Ingeniería Electrotecnia Páncreas Artificial Aprendizaje por refuerzo Reinforcement learning Lazo cerrado Diabetes Mellitus Tipo 1 Serafini, María Cecilia Rosales, Nicolás Garelli, Fabricio Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
topic_facet	Ingeniería Electrotecnia Páncreas Artificial Aprendizaje por refuerzo Reinforcement learning Lazo cerrado Diabetes Mellitus Tipo 1
description	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].
format	Objeto de conferencia Objeto de conferencia
author	Serafini, María Cecilia Rosales, Nicolás Garelli, Fabricio
author_facet	Serafini, María Cecilia Rosales, Nicolás Garelli, Fabricio
author_sort	Serafini, María Cecilia
title	Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_short	Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_full	Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_fullStr	Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_full_unstemmed	Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_sort	evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
publishDate	2021
url	http://sedici.unlp.edu.ar/handle/10915/127933
work_keys_str_mv	AT serafinimariacecilia evaluaciondetecnicasdeaprendizajeporrefuerzoparalaadaptaciondecontroladoresdepancreasartificial AT rosalesnicolas evaluaciondetecnicasdeaprendizajeporrefuerzoparalaadaptaciondecontroladoresdepancreasartificial AT garellifabricio evaluaciondetecnicasdeaprendizajeporrefuerzoparalaadaptaciondecontroladoresdepancreasartificial
bdutipo_str	Repositorios
_version_	1764820451533520899

Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial

Ejemplares similares