Краткое содержание

arXiv:2511.14619v1 Тип объявления: кросс Аннотация: Обучение параметров частично наблюдаемых марковских процессов принятия решений (POMDP) на ограниченных данных представляет собой значительную проблему. Мы представляем алгоритм Fuzzy MAP EM — новый подход, который интегрирует экспертные знания в процесс оценки параметров путем обогащения алгоритма ожидания-максимизации (EM) нечеткими псевдосчётами, полученными из модели, определенной экспертом. Эта интеграция естественным образом переформулирует задачу как оценку максимального апостериорного распределения (Maximum A Posteriori, MAP), эффективно направляя обучение в условиях с ограниченными данными. В синтетических медицинских симуляциях наш метод стабильно превосходит стандартный алгоритм EM при низком объеме данных и высоком уровне шума. Кроме того, исследование случая миастении гравис иллюстрирует способность алгоритма Fuzzy MAP EM восстанавливать клинически согласованный POMDP, демонстрируя его потенциал в качестве практического инструмента для эффективного моделирования данных в здравоохранении.