Multi-Agent Norm Perception and Induction in Distributed Healthcare

要約

この論文では、動的対話プロセスを通じて自律エージェント システムの分散医療環境への統合を促進することを目的とした、マルチエージェント規範認識および誘導学習モデルを紹介します。
医療基準システムとその共有チャネルの性質により、マルチエージェント システムが 2 種類の基準を学習するには、異なるアプローチが必要です。
この基盤に基づいてモデルを構築すると、エージェントは集団の傾向を捉える記述的規範と、理想的な行動を決定する規範的規範を同時に学習できるようになります。
パラメータ化された混合確率密度モデルと実践によって強化されたマルコフ ゲームを通じて、マルチエージェント システムは動的な相互作用における記述的な規範を認識し、新たな規範的な規範を捕捉します。
私たちは、2016 年から 2020 年までの神経医療センターのデータセットを使用して実験を実施しました。

要約(オリジナル)

This paper presents a Multi-Agent Norm Perception and Induction Learning Model aimed at facilitating the integration of autonomous agent systems into distributed healthcare environments through dynamic interaction processes. The nature of the medical norm system and its sharing channels necessitates distinct approaches for Multi-Agent Systems to learn two types of norms. Building on this foundation, the model enables agents to simultaneously learn descriptive norms, which capture collective tendencies, and prescriptive norms, which dictate ideal behaviors. Through parameterized mixed probability density models and practice-enhanced Markov games, the multi-agent system perceives descriptive norms in dynamic interactions and captures emergent prescriptive norms. We conducted experiments using a dataset from a neurological medical center spanning from 2016 to 2020.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google