芯片模型预测控制的神经网络:构建优化训练数据集的方法及其对1型糖尿病的应用

科学领域:

• 控制系统工程 控制系统工程
• 机器学习 机器学习
• 生物医学工程 生物医学工程

背景情况:

• 神经网络 (NN) 可以模拟模型预测控制 (MPC) 算法,以便在嵌入式设备上高效地实现.
• 虽然NN的准确性高度依赖于训练数据的组成,但系统的优化方法尚未得到充分发展.
• 现有的NN训练数据选择方法缺乏对复制MPC行为进行系统优化.

研究的目的:

• 介绍和开发一个高效的算法来生成最佳采样数据集 (OSD).
• 系统地优化神经网络的训练数据,模仿模型预测控制.
• 提高嵌入式应用程序基于神经网络的控制系统的准确性和效率.

主要方法:

• 定义的最佳采样数据集 (OSDs) 是数据的参数化子集,可保存MPC信息,避免重复,并实现完整性.
• 开发了一个有效的算法来生成这些OSDs.
• 训练有素的NN使用OSD复制特定的MPC算法进行自动化胰岛素输送.

主要成果:

• 在接受OSD培训的NN中,最终准确度提高了四倍.
• 证明了OSD在复制复杂MPC行为的有效性.
• 两名经过OSD培训的NN获得了自动化胰岛素输送临床测试的监管许可.

结论:

• OSD提供了一种系统和有效的方法,用于优化NN培训数据,以模拟MPC.
• 这种方法显著提高了NN在资源有限的嵌入式平台上的性能.
• 该方法为在现实应用中部署先进的控制算法铺平了道路,包括医疗设备.