台北大学硕士论文用离线强化学习研究化疗调度
热点事件持续更新
台北大学硕士论文用离线强化学习研究化疗调度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
台北大学硕士生Chamani Shiranthika Jayakody Kankanamalage提交的硕士论文研究了用强化学习生成癌症化疗序贯治疗的最优策略：先以传统Q-learning做化疗仿真，再扩展到离线强化学习，提出基于真实人类结肠癌临床数据的Chemo RL模型，采用保守Q学习与model-based offline policy optimization算法。 论文称，该模型能较好应对癌症化疗治疗调度问题，可作为资历较浅的肿瘤科医生做治疗决策时的辅助模型。
AI 根据报道生成 · 1 小时前更新
最新进展11月11日 13:00
基于强化学习的癌症化疗治疗方案控制研究报道时间线
沿着报道，了解事件的不同侧面。
11月11日
- arXiv cs.AI基于强化学习的癌症化疗治疗方案控制研究
台北大学的一篇硕士论文研究了用强化学习生成癌症化疗的序贯治疗最优策略，先用传统 Q-learning 进行化疗仿真，再扩展到离线强化学习。作者提出的 Chemo RL 模型基于真实人类结肠癌临床数据，采用保守 Q-learning 与 model-based offline policy optimization 算法的 model-based 架构。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。