論文の概要: Optimal service resource management strategy for IoT-based health
information system considering value co-creation of users
- arxiv url: http://arxiv.org/abs/2204.02521v2
- Date: Tue, 30 Jan 2024 06:18:38 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-31 20:02:51.385597
- Title: Optimal service resource management strategy for IoT-based health
information system considering value co-creation of users
- Title（参考訳）: ユーザ価値共生を考慮したiot健康情報システムのための最適サービス資源管理戦略
- Authors: Ji Fang, Vincent CS Lee, Haiyan Wang
- Abstract要約: 適応型最適サービス資源管理戦略を開発した。
深層強化学習アルゴリズムがIoT(Internet of Things)ベースのヘルス情報サービスシステムに組み込まれた。
- 参考スコア（独自算出の注目度）: 8.603742803497427
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper explores optimal service resource management strategy, a
continuous challenge for health information service to enhance service
performance, optimise service resource utilisation and deliver interactive
health information service. An adaptive optimal service resource management
strategy was developed considering a value co-creation model in health
information service with a focus on collaborative and interactive with users.
The deep reinforcement learning algorithm was embedded in the Internet of
Things (IoT)-based health information service system (I-HISS) to allocate
service resources by controlling service provision and service adaptation based
on user engagement behaviour. The simulation experiments were conducted to
evaluate the significance of the proposed algorithm under different user
reactions to the health information service.
- Abstract（参考訳）: 本稿では,サービスの性能向上,サービスリソース活用の最適化,インタラクティブなヘルス情報サービスの提供を目的とした,医療情報サービスの継続的な課題である,サービスリソース管理の最適戦略について検討する。
健康情報サービスにおける価値共創モデルを考慮した最適なサービス資源管理戦略を開発し,ユーザとの協調と対話に焦点をあてた。
深層強化学習アルゴリズムはIoT(Internet of Things)ベースのヘルス情報サービスシステム(I-HISS)に組み込まれ,ユーザのエンゲージメント行動に基づいてサービス提供とサービス適応を制御することでサービスリソースを割り当てる。
健康情報サービスに対するユーザ反応の異なるアルゴリズムの有効性を評価するため,シミュレーション実験を行った。
関連論文リスト
- CSSDM Ontology to Enable Continuity of Care Data Interoperability [0.0]
共有セマンティック標準化データモデル(CSSDM)を用いてデータを抽出、変換、ロードし、個別化された医療知識グラフ(KG)を作成する手法を提案する。
このアプローチは、ヘルス情報システムを開発する企業とクラウド対応のヘルスサービスとの間に、新たな形式のコラボレーションを促進する。
論文 参考訳（メタデータ） (2025-01-17T12:48:48Z) - Deploying Foundation Model Powered Agent Services: A Survey [33.27330704880908]
ファンデーションモデル(FM)を利用したエージェントサービスは、インテリジェントでパーソナライズされたアプリケーションを開発するための有望なソリューションと見なされている。
本稿では、FMベースのエージェントサービスを異種デバイスに展開するための総合的な調査を行うための統合フレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-18T02:15:31Z) - Joint Resource Optimization, Computation Offloading and Resource Slicing for Multi-Edge Traffic-Cognitive Networks [0.0]
本稿では,プラットフォームとESの両方が自己関心を持つエンティティであるマルチエージェントシステムについて検討する。
そこで我々は,利害関係者間の相互作用をモデル化し,最適化問題を解くための新しいゲームベースフレームワークStackelbergを提案する。
さらに、ニューラルネットワーク最適化とプライバシ保護情報交換プロトコルを活用した分散ソリューションを設計する。
論文 参考訳（メタデータ） (2024-11-26T11:51:10Z) - A Federated Learning Platform as a Service for Advancing Stroke Management in European Clinical Centers [37.285731240749904]
本稿では,FLプロセスの構成,監視,管理を支援するための新しいFLプラットフォームを提案する。
臨床環境に固有の生産感度を考慮し,提案するFLアーキテクチャの安全性を強調した。
このプラットフォームは、公開データセットを使用して、さまざまな運用環境でのテストに成功している。
論文 参考訳（メタデータ） (2024-10-02T09:24:05Z) - A Learning-based Incentive Mechanism for Mobile AIGC Service in Decentralized Internet of Vehicles [49.86094523878003]
モバイルAIGCサービスアロケーションのための分散インセンティブ機構を提案する。
我々は、AIGCサービスのRSUへの供給と、IoVコンテキスト内のサービスに対するユーザ要求のバランスを見つけるために、マルチエージェントの深層強化学習を採用している。
論文 参考訳（メタデータ） (2024-03-29T12:46:07Z) - Deep Reinforcement Learning for Efficient and Fair Allocation of Health Care Resources [47.57108369791273]
医療資源の枯渇は、レーションの避けられない結果をもたらす可能性がある。
医療資源割り当てプロトコルの普遍的な標準は存在しない。
本稿では,患者の疾患進行と患者間の相互作用効果を統合するためのトランスフォーマーベースのディープQネットワークを提案する。
論文 参考訳（メタデータ） (2023-09-15T17:28:06Z) - Blockchain-empowered Federated Learning for Healthcare Metaverses:
User-centric Incentive Mechanism with Optimal Data Freshness [66.3982155172418]
まず、医療メタバースのための分散型フェデレートラーニング(FL)に基づく、ユーザ中心のプライバシ保護フレームワークを設計する。
次に,情報時代(AoI)を有効データ更新度指標として利用し,観測理論(PT)に基づくAoIベースの契約理論モデルを提案し,センシングデータ共有の動機付けを行う。
論文 参考訳（メタデータ） (2023-07-29T12:54:03Z) - FEBR: Expert-Based Recommendation Framework for beneficial and
personalized content [77.86290991564829]
推奨コンテンツの質を評価するための見習い学習フレームワークであるFEBR(Expert-Based Recommendation Framework)を提案する。
このフレームワークは、推奨評価環境において専門家(信頼できると仮定される)の実証された軌跡を利用して、未知のユーティリティ機能を回復する。
ユーザ関心シミュレーション環境(RecSim)によるソリューションの性能評価を行う。
論文 参考訳（メタデータ） (2021-07-17T18:21:31Z) - Toward Multiple Federated Learning Services Resource Sharing in Mobile
Edge Networks [88.15736037284408]
本稿では,マルチアクセスエッジコンピューティングサーバにおいて,複数のフェデレーション付き学習サービスの新たなモデルについて検討する。
共同資源最適化とハイパーラーニング率制御の問題,すなわちMS-FEDLを提案する。
シミュレーションの結果,提案アルゴリズムの収束性能を実証した。
論文 参考訳（メタデータ） (2020-11-25T01:29:41Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Service mining for Internet of Things [1.6371451481715193]
Internet of Thingsサービスのボトムアップで興味深い関係を見つけるためのサービスマイニングフレームワークが提案されている。
発見されたサービス関係の面白さを評価するための指標のセットを提示する。
論文 参考訳（メタデータ） (2020-05-14T11:58:34Z)
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。