Dyadic Reinforcement Learning

要約

モバイルヘルスは、日常生活を送りながら個人に介入を提供することで健康成果を向上させることを目的としています。
ケアパートナーや社会的支援ネットワークの関与は、個人が厄介な病状を管理するのを助ける上で非常に重要であることが判明することがよくあります。
これは、社会的支援を強化することを目的として、二者関係、つまり対象者とそのケアパートナーとの関係を対象とした介入を設計する機会をモバイルヘルスに提供するものである。
この論文では、状況要因と対象者とそのケアパートナーの過去の反応に基づいて介入の提供をパーソナライズするように設計されたオンライン強化学習アルゴリズムである二項RLを開発します。
ここでは、複数の介入セットが複数の時間間隔にわたってダイアドに影響を与えます。
開発された二項 RL はベイジアンであり、階層的です。
問題設定を正式に導入し、二項 RL を開発し、リグレスバウンドを確立します。
私たちは、おもちゃのシナリオと、モバイル健康調査で収集されたデータから構築された現実的なテストベッドの両方に関するシミュレーション研究を通じて、二項 RL の経験的なパフォーマンスを実証します。

要約(オリジナル)

Mobile health aims to enhance health outcomes by delivering interventions to individuals as they go about their daily life. The involvement of care partners and social support networks often proves crucial in helping individuals managing burdensome medical conditions. This presents opportunities in mobile health to design interventions that target the dyadic relationship — the relationship between a target person and their care partner — with the aim of enhancing social support. In this paper, we develop dyadic RL, an online reinforcement learning algorithm designed to personalize intervention delivery based on contextual factors and past responses of a target person and their care partner. Here, multiple sets of interventions impact the dyad across multiple time intervals. The developed dyadic RL is Bayesian and hierarchical. We formally introduce the problem setup, develop dyadic RL and establish a regret bound. We demonstrate dyadic RL’s empirical performance through simulation studies on both toy scenarios and on a realistic test bed constructed from data collected in a mobile health study.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google