本文提出了一种新颖的自引导模型预测控制算法（BMPC），有效解决了无模型学习策略和价值估计不准确的问题。BMPC通过模仿专家和结合时序差分学习，显著提升了控制效率和数据效率，尤其在高维运动任务中表现突出。

本研究提出了一种基于时序差分学习的框架，用于实时预测重症监护室患者的死亡率。该方法利用半马尔可夫奖励过程，在高方差不规则时间序列数据中表现出比传统监督学习更强的稳健性，为患者结果预测提供了更可靠的解决方案。