Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial

Autores
Serafini, María Cecilia; Rosales, Nicolás; Garelli, Fabricio
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este trabajo se investiga el potencial de aplicación de Q-Learning para la adaptación de parámetros de sintonización de un controlador previamente probado en ensayos clínicos de corto plazo: el algoritmo de control glucémico Automatic Regulation of Glucose (ARG) (ver sección 2.1 [5]). Con este fin, se desarrolla un código propio para la adaptación por Q-Learning de controladores de lazo cerrado, cuyo funcionamiento se ilustra en primer lugar en un modelo dinámico sencillo. Luego, el desempeño de la adaptación propuesta para el controlador ARG se evalúa sobre la población adulta del simulador UVA/Padova, validado por la FDA [6].
Facultad de Ingeniería
Materia
Ingeniería
Electrotecnia
Páncreas Artificial
Aprendizaje por refuerzo
Reinforcement learning
Lazo cerrado
Diabetes Mellitus Tipo 1
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/127933
Acceder
id SEDICI_7596e397da5fdccd0306196146a37438
oai_identifier_str oai:sedici.unlp.edu.ar:10915/127933
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificialSerafini, María CeciliaRosales, NicolásGarelli, FabricioIngenieríaElectrotecniaPáncreas ArtificialAprendizaje por refuerzoReinforcement learningLazo cerradoDiabetes Mellitus Tipo 1En este trabajo se investiga el potencial de aplicación de Q-Learning para la adaptación de parámetros de sintonización de un controlador previamente probado en ensayos clínicos de corto plazo: el algoritmo de control glucémico Automatic Regulation of Glucose (ARG) (ver sección 2.1 [5]). Con este fin, se desarrolla un código propio para la adaptación por Q-Learning de controladores de lazo cerrado, cuyo funcionamiento se ilustra en primer lugar en un modelo dinámico sencillo. Luego, el desempeño de la adaptación propuesta para el controlador ARG se evalúa sobre la población adulta del simulador UVA/Padova, validado por la FDA [6].Facultad de Ingeniería2021-09info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf336-341http://sedici.unlp.edu.ar/handle/10915/127933spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2049-2info:eu-repo/semantics/reference/hdl/10915/127329info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-17T10:13:53Zoai:sedici.unlp.edu.ar:10915/127933Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-17 10:13:53.333SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
spellingShingle Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
Serafini, María Cecilia
Ingeniería
Electrotecnia
Páncreas Artificial
Aprendizaje por refuerzo
Reinforcement learning
Lazo cerrado
Diabetes Mellitus Tipo 1
title_short Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_full Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_fullStr Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_full_unstemmed Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
title_sort Evaluación de técnicas de aprendizaje por refuerzo para la adaptación de controladores de páncreas artificial
dc.creator.none.fl_str_mv Serafini, María Cecilia
Rosales, Nicolás
Garelli, Fabricio
author Serafini, María Cecilia
author_facet Serafini, María Cecilia
Rosales, Nicolás
Garelli, Fabricio
author_role author
author2 Rosales, Nicolás
Garelli, Fabricio
author2_role author
author
dc.subject.none.fl_str_mv Ingeniería
Electrotecnia
Páncreas Artificial
Aprendizaje por refuerzo
Reinforcement learning
Lazo cerrado
Diabetes Mellitus Tipo 1
topic Ingeniería
Electrotecnia
Páncreas Artificial
Aprendizaje por refuerzo
Reinforcement learning
Lazo cerrado
Diabetes Mellitus Tipo 1
dc.description.none.fl_txt_mv En este trabajo se investiga el potencial de aplicación de Q-Learning para la adaptación de parámetros de sintonización de un controlador previamente probado en ensayos clínicos de corto plazo: el algoritmo de control glucémico Automatic Regulation of Glucose (ARG) (ver sección 2.1 [5]). Con este fin, se desarrolla un código propio para la adaptación por Q-Learning de controladores de lazo cerrado, cuyo funcionamiento se ilustra en primer lugar en un modelo dinámico sencillo. Luego, el desempeño de la adaptación propuesta para el controlador ARG se evalúa sobre la población adulta del simulador UVA/Padova, validado por la FDA [6].
Facultad de Ingeniería
description En este trabajo se investiga el potencial de aplicación de Q-Learning para la adaptación de parámetros de sintonización de un controlador previamente probado en ensayos clínicos de corto plazo: el algoritmo de control glucémico Automatic Regulation of Glucose (ARG) (ver sección 2.1 [5]). Con este fin, se desarrolla un código propio para la adaptación por Q-Learning de controladores de lazo cerrado, cuyo funcionamiento se ilustra en primer lugar en un modelo dinámico sencillo. Luego, el desempeño de la adaptación propuesta para el controlador ARG se evalúa sobre la población adulta del simulador UVA/Padova, validado por la FDA [6].
publishDate 2021
dc.date.none.fl_str_mv 2021-09
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/127933
url http://sedici.unlp.edu.ar/handle/10915/127933
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2049-2
info:eu-repo/semantics/reference/hdl/10915/127329
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
336-341
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1843532768412172288
score 13.001348

Publicaciones similares