序貫診療是慢性疾病臨床診斷與治療主要方法,包括多階段的臨床診療決策過(guò)程,是一種復(fù)雜的決策優(yōu)化問(wèn)題。鑒于中醫(yī)處方的復(fù)雜性和個(gè)體性,針對(duì)慢性疾病的中醫(yī)診療過(guò)程包含迭代式的四診信息采集、疾病狀態(tài)或診斷判別和處方?jīng)Q策等主要環(huán)節(jié),更是一種典型的復(fù)雜序貫診療過(guò)程。因此,進(jìn)行有效中醫(yī)序貫診療方案的發(fā)現(xiàn)和智能應(yīng)用是中醫(yī)臨床人工智能的核心問(wèn)題,但由于該問(wèn)題的計(jì)算復(fù)雜性和對(duì)完整閉環(huán)數(shù)據(jù)的要求,以往中醫(yī)臨床數(shù)據(jù)挖掘研究很少涉及該方面的研究。隨著高質(zhì)量中醫(yī)臨床數(shù)據(jù)的積累和近年來(lái)強(qiáng)化學(xué)習(xí)方法（特別是深度強(qiáng)化學(xué)習(xí)）的快速發(fā)展,開(kāi)展基于強(qiáng)化學(xué)習(xí)的中醫(yī)序貫診療方案優(yōu)化成為可能。本文提出了一種基于深度強(qiáng)化學(xué)習(xí)方法的中醫(yī)序貫診療方案優(yōu)化模型（AlphaPrescriber）,該模型能夠?qū)崿F(xiàn)根據(jù)觀察得到的患者癥狀體征信息,進(jìn)行處方推薦,動(dòng)態(tài)形成優(yōu)化的中醫(yī)序貫診療方案,為中醫(yī)個(gè)體化處方推薦的人工智能應(yīng)用提供基礎(chǔ)。主要研究工作包括以下幾個(gè)方面:首先,結(jié)合中醫(yī)診療過(guò)程中缺乏自然存在的強(qiáng)化學(xué)習(xí)“環(huán)境”問(wèn)題,提出HH深度中醫(yī)治療人工環(huán)境模型（HU HE Deep TCM Treatment Artificial Environmen... 

【文章來(lái)源】：北京交通大學(xué)北京市 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖２－３機(jī)器學(xué)習(xí)的分類(lèi)??

１以是一組有限的狀態(tài)；??２＞４是一組有限的行為（或者＾＾是該狀態(tài)下可使用的有限的一組行動(dòng)）；??３）Ｐｓ〇，ｓ＇）?＝?Ｐｒ（ｓｔ＋ｉ?＝?ｓ｜ｓｔ?＝?ｓ，?ａｔ?＝?ａ）是由行動(dòng)ａ導(dǎo)致的一個(gè)狀態(tài)轉(zhuǎn)移概智能體在時(shí)間／的狀態(tài)是＾在行動(dòng)ａ之后，會(huì)在時(shí)間／＋１到達(dá)狀態(tài)ｓ＇的概４）／？ａ（ｓ，ｓ＇）是在狀態(tài)轉(zhuǎn)移后得到的直接獎(jiǎng)勵(lì)（或期望的直接獎(jiǎng)勵(lì)）；??５）ｙ?ｅ?［０，１］是折現(xiàn)系數(shù)，體現(xiàn)未來(lái)獎(jiǎng)勵(lì)與直接獎(jiǎng)勵(lì)在現(xiàn)值上的差異。??強(qiáng)化學(xué)習(xí)以如圖２－５所示的方式轉(zhuǎn)換為馬爾科夫決策過(guò)程。假設(shè)模型中的，身處某個(gè)環(huán)境中（例如《打磚塊》游戲）。這個(gè)環(huán)境處于某個(gè)特定的狀態(tài)（例拍的位置、球的位置與方向，每個(gè)磚塊存在與否）。智能體可以在這個(gè)環(huán)境某些特定的動(dòng)作（例如，向左或向右移動(dòng)拍子）。這些動(dòng)作有時(shí)候會(huì)帶來(lái)獎(jiǎng)勵(lì)（上升）。行為改變環(huán)境，并帶來(lái)新的狀態(tài)，智能體可以再執(zhí)行另一個(gè)動(dòng)作。作的規(guī)則（或者順序）被稱(chēng)為策略。通常來(lái)說(shuō)，環(huán)境在一定程度上是隨機(jī)的，著下一狀態(tài)也是隨機(jī)的（例如，當(dāng)球拍漏接了球，球拍再次發(fā)射一個(gè)球，它隨機(jī)的方向）�？傊�，狀態(tài)與動(dòng)作的集合，以及改變狀態(tài)的規(guī)則，共同組成馬爾可夫決策過(guò)程。??

在簡(jiǎn)化版的誤差曲線中，能迅速找到唯一的誤差最小時(shí)的Ｖ。然而實(shí)際情況??中，有很多誤差曲線都呈水平狀態(tài)。不同的取初始化的位置，將會(huì)帶來(lái)不同的下??降區(qū)域，從而帶來(lái)不同的Ｆ解。如圖２－７所示，ＰＦ的全局最優(yōu)解（Ｇｌｏｂａｌ?ｍｉｎｉｍａ）??在最低位置，而其它的解是局部最優(yōu)（Ｌｏｃａｌｍｉｎｉｍａ）。全局最優(yōu)解是理想的求解目??標(biāo)，然而很多時(shí)候，得到的是局部最優(yōu)解，這也無(wú)可避免。盡管如此，雖然不是全??局最優(yōu)，但是神經(jīng)網(wǎng)絡(luò)也能使局部最優(yōu)解足夠優(yōu)秀，以至于也能出色的完成的指定??的任務(wù)％。??ｃｏｓｔ??Ｗ??圖２－７?ｃｏｓｔ函數(shù)曲線２??Ｆｉｇｕｒｅ?２－７?Ｃｏｓｔ?ｆｕｎｃｔｉｏｎ?ｃｕｒｖｅ?２??１７??

【參考文獻(xiàn)】：
期刊論文
[1]關(guān)于在“最優(yōu)化方法”中引入智能優(yōu)化算法的思考[J]. 孫靖,查明明.  科教文匯(上旬刊). 2018(10)
[2]近5年腰椎間盤(pán)突出癥的中醫(yī)治療綜述[J]. 王鳳德,呂計(jì)寶,韋英才.  中醫(yī)外治雜志. 2018(02)
[3]主流深度學(xué)習(xí)框架對(duì)比[J]. 加日拉·買(mǎi)買(mǎi)提熱衣木,常富蓉,劉晨,要秀宏.  電子技術(shù)與軟件工程. 2018(07)
[4]基于云推理模型的深度強(qiáng)化學(xué)習(xí)探索策略研究[J]. 李晨溪,曹雷,陳希亮,張永亮,徐志雄,彭輝,段理文.  電子與信息學(xué)報(bào). 2018(01)
[5]雙人博弈問(wèn)題中的蒙特卡洛樹(shù)搜索算法的改進(jìn)[J]. 季輝,丁澤軍.  計(jì)算機(jī)科學(xué). 2018(01)
[6]一種基于深度強(qiáng)化學(xué)習(xí)的調(diào)度優(yōu)化方法[J]. 鄧志龍,張琦瑋,曹皓,谷志陽(yáng).  西北工業(yè)大學(xué)學(xué)報(bào). 2017(06)
[7]卷積神經(jīng)網(wǎng)絡(luò)概述[J]. 侯宇昆.  中國(guó)新通信. 2017(09)
[8]深度強(qiáng)化學(xué)習(xí)綜述[J]. 劉全,翟建偉,章宗長(zhǎng),鐘珊,周倩,章鵬,徐進(jìn).  計(jì)算機(jī)學(xué)報(bào). 2018(01)
[9]深度強(qiáng)化學(xué)習(xí)綜述:兼論計(jì)算機(jī)圍棋的發(fā)展[J]. 趙冬斌,邵坤,朱圓恒,李棟,陳亞冉,王海濤,劉德榮,周彤,王成紅.  控制理論與應(yīng)用. 2016(06)
[10]基于強(qiáng)化學(xué)習(xí)的匯流瓶頸區(qū)可變限速策略研究[J]. 段薈,劉攀,李志斌,湯斗南.  交通運(yùn)輸系統(tǒng)工程與信息. 2015(01)

博士論文
[1]POMDP近似解法研究及在中醫(yī)診療方案優(yōu)化中的應(yīng)用[D]. 馮奇.北京交通大學(xué) 2011

碩士論文
[1]基于深度強(qiáng)化學(xué)習(xí)的股市投資模型構(gòu)建及實(shí)證研究[D]. 滿(mǎn)奇.廣東財(cái)經(jīng)大學(xué) 2017
[2]一種生產(chǎn)銷(xiāo)售系統(tǒng)的生產(chǎn)及庫(kù)存控制優(yōu)化研究[D]. 宋聰穎.合肥工業(yè)大學(xué) 2017
[3]基于動(dòng)機(jī)的強(qiáng)化學(xué)習(xí)及其應(yīng)用研究[D]. 魯成祥.曲阜師范大學(xué) 2016
[4]基于強(qiáng)化學(xué)習(xí)的電子銷(xiāo)售市場(chǎng)動(dòng)態(tài)定價(jià)研究[D]. 王金田.合肥工業(yè)大學(xué) 2009



本文編號(hào)：3319217