論文の概要: MultiMBNN: Matched and Balanced Causal Inference with Neural Networks
- arxiv url: http://arxiv.org/abs/2004.13446v4
- Date: Sat, 14 Aug 2021 08:12:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 23:52:18.491696
- Title: MultiMBNN: Matched and Balanced Causal Inference with Neural Networks
- Title(参考訳): multimbnn:ニューラルネットワークによる因果推論のマッチングとバランス
- Authors: Ankit Sharma, Garima Gupta, Ranjitha Prasad, Arnab Chatterjee,
Lovekesh Vig, Gautam Shroff
- Abstract要約: ニューラルネットワークに基づくMultiMBNNを提案し、一般化された確率スコアに基づくマッチングと、バランスの取れた表現を学習することにより、コンバウンディングを克服する。
PEHEを用いて、合成および実世界のデータセットのパフォーマンスをベンチマークし、測定値としてATEよりも絶対的なパーセンテージエラーを平均する。
- 参考スコア(独自算出の注目度): 23.588253984635987
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Causal inference (CI) in observational studies has received a lot of
attention in healthcare, education, ad attribution, policy evaluation, etc.
Confounding is a typical hazard, where the context affects both, the treatment
assignment and response. In a multiple treatment scenario, we propose the
neural network based MultiMBNN, where we overcome confounding by employing
generalized propensity score based matching, and learning balanced
representations. We benchmark the performance on synthetic and real-world
datasets using PEHE, and mean absolute percentage error over ATE as metrics.
MultiMBNN outperforms the state-of-the-art algorithms for CI such as TARNet and
Perfect Match (PM).
- Abstract(参考訳): 観察研究における因果推論(CI)は、医療、教育、アドトリビューション、政策評価などにおいて多くの注目を集めている。
コンバウンディングは、コンテキストが治療の割り当てと応答の両方に影響を与える典型的な危険である。
複数の処理シナリオにおいて,ニューラルネットワークを用いたmultimbnnを提案し,一般化されたプロペンサリティスコアに基づくマッチングと学習バランスの取れた表現を用いることで,コンファウンディングを克服する。
PEHEを用いて、合成および実世界のデータセットのパフォーマンスをベンチマークし、ATEを指標として絶対誤差を平均する。
MultiMBNNは、TARNetやPerfect Match (PM)のようなCIの最先端アルゴリズムよりも優れている。
関連論文リスト
- Estimation of individual causal effects in network setup for multiple
treatments [4.53340898566495]
個別治療効果 (ITE) の推定問題について, 複数の治療と観察データを用いて検討した。
我々は、共同創設者の共有表現を学ぶために、Graph Convolutional Networks(GCN)を採用しています。
アプローチでは、個別のニューラルネットワークを使用して、各治療の潜在的な結果を推測する。
論文 参考訳(メタデータ) (2023-12-18T06:07:45Z) - Neural Network with Local Converging Input (NNLCI) for Supersonic Flow
Problems with Unstructured Grids [0.9152133607343995]
非構造データを用いた高忠実度予測のための局所収束入力(NNLCI)を用いたニューラルネットワークを開発した。
また, NNLCI法を用いて, バンプを有するチャネル内の超音速流の可視化を行った。
論文 参考訳(メタデータ) (2023-10-23T19:03:37Z) - A Geometrical Approach to Evaluate the Adversarial Robustness of Deep
Neural Networks [52.09243852066406]
対向収束時間スコア(ACTS)は、対向ロバストネス指標として収束時間を測定する。
我々は,大規模画像Netデータセットに対する異なる敵攻撃に対して,提案したACTSメトリックの有効性と一般化を検証する。
論文 参考訳(メタデータ) (2023-10-10T09:39:38Z) - Deep Neural Networks Tend To Extrapolate Predictably [51.303814412294514]
ニューラルネットワークの予測は、アウト・オブ・ディストリビューション(OOD)入力に直面した場合、予測不可能で過信される傾向がある。
我々は、入力データがOODになるにつれて、ニューラルネットワークの予測が一定値に向かう傾向があることを観察する。
我々は、OOD入力の存在下でリスクに敏感な意思決定を可能にするために、私たちの洞察を実際に活用する方法を示します。
論文 参考訳(メタデータ) (2023-10-02T03:25:32Z) - Adversarial Machine Learning in Latent Representations of Neural
Networks [9.372908891132772]
分散ディープニューラルネットワーク(DNN)は、モバイルデバイスの計算負担を低減し、エッジコンピューティングシナリオにおけるエンドツーエンドの推論レイテンシを低減することが示されている。
本稿では,分散DNNの敵行動に対する堅牢性について,厳密に分析する。
論文 参考訳(メタデータ) (2023-09-29T17:01:29Z) - On the Relationship Between Adversarial Robustness and Decision Region
in Deep Neural Network [26.656444835709905]
敵攻撃時のモデルロバスト性に影響を与えるディープニューラルネットワーク(DNN)の内部特性について検討する。
本稿では,より頻度の高いトレーニングサンプルを配置するPRS(Populated Region Set)の概念を提案する。
論文 参考訳(メタデータ) (2022-07-07T16:06:34Z) - Batch-Ensemble Stochastic Neural Networks for Out-of-Distribution
Detection [55.028065567756066]
Out-of-Distribution(OOD)検出は、機械学習モデルを現実世界のアプリケーションにデプロイすることの重要性から、マシンラーニングコミュニティから注目を集めている。
本稿では,特徴量の分布をモデル化した不確実な定量化手法を提案する。
バッチアンサンブルニューラルネットワーク(BE-SNN)の構築と機能崩壊問題の克服を目的として,効率的なアンサンブル機構,すなわちバッチアンサンブルを組み込んだ。
We show that BE-SNNs yield superior performance on the Two-Moons dataset, the FashionMNIST vs MNIST dataset, FashionM。
論文 参考訳(メタデータ) (2022-06-26T16:00:22Z) - coVariance Neural Networks [119.45320143101381]
グラフニューラルネットワーク(GNN)は、グラフ構造化データ内の相互関係を利用して学習する効果的なフレームワークである。
我々は、サンプル共分散行列をグラフとして扱う、共分散ニューラルネットワーク(VNN)と呼ばれるGNNアーキテクチャを提案する。
VNN の性能は PCA ベースの統計手法よりも安定していることを示す。
論文 参考訳(メタデータ) (2022-05-31T15:04:43Z) - Deep Architecture Connectivity Matters for Its Convergence: A
Fine-Grained Analysis [94.64007376939735]
我々は、勾配降下訓練におけるディープニューラルネットワーク(DNN)の収束に対する接続パターンの影響を理論的に特徴づける。
接続パターンの単純なフィルタリングによって、評価対象のモデルの数を削減できることが示される。
論文 参考訳(メタデータ) (2022-05-11T17:43:54Z) - Statistical model-based evaluation of neural networks [74.10854783437351]
ニューラルネットワーク(NN)の評価のための実験装置を開発する。
このセットアップは、NNs vis-a-vis minimum-mean-square-error (MMSE)パフォーマンス境界のベンチマークに役立つ。
これにより、トレーニングデータサイズ、データ次元、データ幾何学、ノイズ、トレーニング条件とテスト条件のミスマッチの影響をテストできます。
論文 参考訳(メタデータ) (2020-11-18T00:33:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。