Improving-Sepsis-Treatment-Strategies:这是论文“使用深度强化学习和专家混合改善脓毒症治疗策略”的资料库

上传者: 42097668 | 上传时间: 2022-08-16 14:27:18 | 文件大小: 478KB | 文件类型: ZIP
改善败血症治疗策略 这是论文“使用深度强化学习和专家混合改善脓毒症治疗策略”的代码库 评论者评论 表1中的数据清楚地显示了数据集幸存者/非幸存者的失衡率。 学习不平衡会导致分类器的预测模型出现偏差。 但是,作者没有详细说明他们如何通过使用特定的重新平衡方法或对成本敏感的学习方法来解决此问题,但未提供任何评论。 数据集分为固定的75%训练和验证集和25%的测试集。“->作者应使用10倍交叉验证。 如表2所示,尽管他们的专家混合(MoE)方法的性能在数值上优于医师,内核和DQN的性能,但分析这种数值增加的显着性还是不错的。 随机策略会产生什么效果? 有没有一种方法可以衡量这些方法之间的性能差异的重要性? 本文未介绍其方法的任何时间性能。 训练这种方法需要多长时间? 这个培训时间对于为ICU患者制定个性化治疗策略是否可行? RL和Deep网络都因训练时间长而臭名昭著。 动机 败血症是IC

文件下载

资源详情

[{"title":"( 27 个子文件 478KB ) Improving-Sepsis-Treatment-Strategies:这是论文“使用深度强化学习和专家混合改善脓毒症治疗策略”的资料库","children":[{"title":"Improving-Sepsis-Treatment-Strategies-master","children":[{"title":"README.md <span style='color:#111;'> 8.65KB </span>","children":null,"spread":false},{"title":"sepsis_moe_appendix.pdf <span style='color:#111;'> 121.91KB </span>","children":null,"spread":false},{"title":"encoder","children":[{"title":".ipynb_checkpoints","children":[{"title":"recurrent_state_encoder-checkpoint.ipynb <span style='color:#111;'> 9.12KB </span>","children":null,"spread":false},{"title":"sparse_autoencoder-checkpoint.ipynb <span style='color:#111;'> 9.02KB </span>","children":null,"spread":false}],"spread":true},{"title":"recurrent_state_encoder.ipynb <span style='color:#111;'> 9.12KB </span>","children":null,"spread":false},{"title":"sparse_autoencoder.ipynb <span style='color:#111;'> 9.02KB </span>","children":null,"spread":false}],"spread":true},{"title":"expert","children":[{"title":"qnetwork_solve_phy_VQ.py <span style='color:#111;'> 15.33KB </span>","children":null,"spread":false},{"title":"MoE.ipynb <span style='color:#111;'> 246.01KB </span>","children":null,"spread":false},{"title":"generate_dqn_dataset.ipynb <span style='color:#111;'> 2.58KB </span>","children":null,"spread":false},{"title":"kernel.ipynb <span style='color:#111;'> 7.12KB </span>","children":null,"spread":false},{"title":"qnetwork.py <span style='color:#111;'> 16.48KB </span>","children":null,"spread":false}],"spread":true},{"title":"figures","children":[{"title":"moe.png <span style='color:#111;'> 17.98KB </span>","children":null,"spread":false},{"title":"wdr.png <span style='color:#111;'> 2.87KB </span>","children":null,"spread":false},{"title":"pipeline.png <span style='color:#111;'> 48.67KB </span>","children":null,"spread":false},{"title":"kernel.png <span style='color:#111;'> 55.14KB </span>","children":null,"spread":false}],"spread":true},{"title":"reward formulation","children":[{"title":"sepsis_example.py <span style='color:#111;'> 1.74KB </span>","children":null,"spread":false},{"title":"neural_network.py <span style='color:#111;'> 14.87KB </span>","children":null,"spread":false},{"title":"sepsis_hospital_mortality.py <span style='color:#111;'> 5.32KB </span>","children":null,"spread":false},{"title":"intermediate_rewards.ipynb <span style='color:#111;'> 136.79KB </span>","children":null,"spread":false},{"title":"dataset.py <span style='color:#111;'> 3.21KB </span>","children":null,"spread":false},{"title":"log-odds.png <span style='color:#111;'> 13.81KB </span>","children":null,"spread":false},{"title":"gradients.png <span style='color:#111;'> 50.49KB </span>","children":null,"spread":false},{"title":"utils.py <span style='color:#111;'> 694B </span>","children":null,"spread":false},{"title":"visualize_sepsis_explanations.py <span style='color:#111;'> 2.21KB </span>","children":null,"spread":false}],"spread":true},{"title":"preprocessing","children":[{"title":"discretize_sepsis_actions.py <span style='color:#111;'> 2.65KB </span>","children":null,"spread":false},{"title":"data_pre_process.ipynb <span style='color:#111;'> 20.24KB </span>","children":null,"spread":false},{"title":".ipynb_checkpoints","children":[{"title":"data_pre_process-checkpoint.ipynb <span style='color:#111;'> 20.24KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明