深度分析
Boosted Distributional Reinforcement Learning 在高血壓管理中的突破與分析
隨著強化學習在醫療領域的應用日增，傳統的期望式學習在高度不確定情況下可能無法保證決策一致性。研究提出 Boosted Distributional Reinforcement Learning（BDRL），在優化個別結果分布的同時，加入相似代理的可比性約束，並以受限凸優化的投影步驟穩定學習。實驗以美國成人高血壓患者為例，將患者分組後模仿高表現參考模型，顯著提升品質調整壽命年的一致性與數量。