論文の概要: Power Constrained Bandits
- arxiv url: http://arxiv.org/abs/2004.06230v4
- Date: Tue, 27 Jul 2021 07:55:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 23:25:46.185205
- Title: Power Constrained Bandits
- Title（参考訳）: パワー制約付きバンディット
- Authors: Jiayu Yao, Emma Brunskill, Weiwei Pan, Susan Murphy, Finale
Doshi-Velez
- Abstract要約: 既存のアルゴリズムを改良する汎用メタアルゴリズムを開発した。
我々のメタアルゴリズムは、統計的研究に現れる可能性のある様々なモデルの誤特定に対して堅牢である。
- 参考スコア（独自算出の注目度）: 46.44025793243983
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contextual bandits often provide simple and effective personalization in
decision making problems, making them popular tools to deliver personalized
interventions in mobile health as well as other health applications. However,
when bandits are deployed in the context of a scientific study -- e.g. a
clinical trial to test if a mobile health intervention is effective -- the aim
is not only to personalize for an individual, but also to determine, with
sufficient statistical power, whether or not the system's intervention is
effective. It is essential to assess the effectiveness of the intervention
before broader deployment for better resource allocation. The two objectives
are often deployed under different model assumptions, making it hard to
determine how achieving the personalization and statistical power affect each
other. In this work, we develop general meta-algorithms to modify existing
algorithms such that sufficient power is guaranteed while still improving each
user's well-being. We also demonstrate that our meta-algorithms are robust to
various model mis-specifications possibly appearing in statistical studies,
thus providing a valuable tool to study designers.
- Abstract（参考訳）: 文脈的包帯はしばしば意思決定問題において単純で効果的なパーソナライズを提供し、モバイル健康や他の健康アプリケーションにパーソナライズされた介入を提供するための一般的なツールである。
しかし、科学的研究(例えば、モバイルの健康介入が有効であるかどうかをテストする臨床試験)の文脈にバンディットが配備される場合、それは個人の個人化だけでなく、システムの介入が効果的かどうかを十分な統計力で判断することを目的としている。
リソース割り当てを改善するために、より広範なデプロイメントの前に介入の有効性を評価することが不可欠である。
2つの目的はしばしば異なるモデル仮定の下で展開され、パーソナライズと統計力の達成が相互にどのように影響するかを決定することは困難である。
本研究では,既存のアルゴリズムを改良して,ユーザの満足度を高めつつ,十分なパワーを保証できる汎用メタアルゴリズムを開発した。
また,我々のメタアルゴリズムは,統計的研究に現れる様々なモデルの誤特定に対して頑健であることを示し,設計者の研究に有用なツールを提供する。
関連論文リスト
- Allocation Requires Prediction Only if Inequality Is Low [24.57131078538418]
本研究では,個人がより大きなユニットに属している環境での予測に基づくアロケーションの有効性を評価する。
予測に基づくアロケーションは,ユニット間の不平等が低く,介入予算が高い場合にのみ,ベースライン手法よりも優れることがわかった。
論文 参考訳（メタデータ） (2024-06-19T23:23:32Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - Adaptive Interventions with User-Defined Goals for Health Behavior Change [17.688448640253494]
モバイルヘルスアプリケーションは、低コストでスケーラブルなヘルス行動変化促進のための有望な道を示す。
個人固有の目標、好み、生活状況に対するアドバイスを調整することは、健康コーチングの重要な要素である。
パーソナライズされた報酬関数に対応する新しいトンプソンサンプリングアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-16T01:00:04Z) - Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。
患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。
患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
論文 参考訳（メタデータ） (2023-03-21T21:42:03Z) - Safe AI for health and beyond -- Monitoring to transform a health
service [51.8524501805308]
機械学習アルゴリズムの出力を監視するために必要なインフラストラクチャを評価する。
モデルのモニタリングと更新の例を示す2つのシナリオを提示します。
論文 参考訳（メタデータ） (2023-03-02T17:27:45Z) - Zero-shot causal learning [64.9368337542558]
CaMLは因果メタラーニングフレームワークであり、各介入の効果をタスクとしてパーソナライズした予測を定式化する。
トレーニング時に存在しない新規介入のパーソナライズされた効果を予測することができることを示す。
論文 参考訳（メタデータ） (2023-01-28T20:14:11Z) - Adaptive Identification of Populations with Treatment Benefit in
Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。
サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:27:49Z) - In-Bed Human Pose Estimation from Unseen and Privacy-Preserving Image
Domains [22.92165116962952]
ベッド内の人間の姿勢推定は、医療状況の評価において潜在的な価値を持つ重要な健康関連指標を提供する。
本稿では,マルチモーダル条件変分オートエンコーダ(MC-VAE)を提案する。
本研究は, 身体位置が利用可能なモダリティから効果的に認識できることを示し, ベースラインモデルと同等の結果が得られることを示した。
論文 参考訳（メタデータ） (2021-11-30T04:56:16Z) - Adversarial Sample Enhanced Domain Adaptation: A Case Study on
Predictive Modeling with Electronic Health Records [57.75125067744978]
ドメイン適応を容易にするデータ拡張手法を提案する。
逆生成したサンプルはドメイン適応時に使用される。
その結果,本手法の有効性とタスクの一般性が確認された。
論文 参考訳（メタデータ） (2021-01-13T03:20:20Z) - Streamlined Empirical Bayes Fitting of Linear Mixed Models in Mobile
Health [3.8974425658660596]
身体活動を増加させるために設計されたモバイルヘルス(mHealth)アプリケーションは、ユーザのモチベーションを高めるためにコンテキスト的に関連性のある提案をする必要がある。
そこで本稿では,ユーザに対して,コンテキスト化された,パーソナライズされた身体活動提案を提供するアルゴリズムを提案する。
技術アプローチの精度は, それぞれ99%, 56%に向上した。
論文 参考訳（メタデータ） (2020-03-28T19:57:55Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。