Neural Networks for on-chip Model Predictive Control: a Method to Build Optimized Training Datasets and its application to Type-1 Diabetes

要約

モデル予測制御（MPC）アルゴリズムとして動作するニューラルネットワーク（NNS）のトレーニングは、制約された埋め込みデバイスにそれらを実装する効果的な方法です。
入力がシステムの状態を表す大量の入出力データを収集し、出力がMPCで生成された制御アクションであるため、NNSは計算コストの一部でMPCの動作を複製するようにトレーニングできます。
ただし、トレーニングデータの構成は最終的なNNの精度に大きく影響しますが、体系的に最適化する方法は未定のままです。
この論文では、理想的なトレーニングセットとして最適にサンプリングされたデータセット（OSD）の概念を紹介し、それらを生成するための効率的なアルゴリズムを提示します。
OSDは、（i）既存のMPC情報を特定の数値解像度まで保存するすべての利用可能なデータのパラメーター化されたサブセットであり、（ii）重複またはほぼ重複状態を回避し、（iii）飽和または完全になります。
1型糖尿病での自動インスリン送達のためにバージニア大学のMPCアルゴリズムを再現するためにNNSをトレーニングすることにより、OSDの有効性を実証し、最終精度が4倍改善されます。
特に、2つのOSD訓練を受けたNNSは、直接的なヒトインスリン投与のための最初のNNベースのコントロールアルゴリズムとして、臨床検査のための調節クリアランスを受けました。
この方法論は、リソースに制約されている埋め込みプラットフォームに高度な最適化を実装するための新しい経路を開き、複雑なアルゴリズムがどのように展開されるかに革命をもたらす可能性があります。

要約(オリジナル)

Training Neural Networks (NNs) to behave as Model Predictive Control (MPC) algorithms is an effective way to implement them in constrained embedded devices. By collecting large amounts of input-output data, where inputs represent system states and outputs are MPC-generated control actions, NNs can be trained to replicate MPC behavior at a fraction of the computational cost. However, although the composition of the training data critically influences the final NN accuracy, methods for systematically optimizing it remain underexplored. In this paper, we introduce the concept of Optimally-Sampled Datasets (OSDs) as ideal training sets and present an efficient algorithm for generating them. An OSD is a parametrized subset of all the available data that (i) preserves existing MPC information up to a certain numerical resolution, (ii) avoids duplicate or near-duplicate states, and (iii) becomes saturated or complete. We demonstrate the effectiveness of OSDs by training NNs to replicate the University of Virginia’s MPC algorithm for automated insulin delivery in Type-1 Diabetes, achieving a four-fold improvement in final accuracy. Notably, two OSD-trained NNs received regulatory clearance for clinical testing as the first NN-based control algorithm for direct human insulin dosing. This methodology opens new pathways for implementing advanced optimizations on resource-constrained embedded platforms, potentially revolutionizing how complex algorithms are deployed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google