Fugu-MT 論文翻訳(概要): Synthetic Interventions

論文の概要: Synthetic Interventions

arxiv url: http://arxiv.org/abs/2006.07691v7
Date: Sat, 24 Aug 2024 01:05:42 GMT
ステータス: 処理完了
システム内更新日: 2024-08-28 01:41:09.164009
Title: Synthetic Interventions
Title（参考訳）: シンセティック・インターベンション
Authors: Anish Agarwal, Devavrat Shah, Dennis Shen,
Abstract要約: SC(Synthetic Control)方法論は,パネルデータアプリケーションにおけるポリシー評価のための重要なツールである。近年の[Abadie '20]では,SC手法の先駆者の一人が,SCフレームワークを複数の治療法に拡張する方法について疑問を投げかけている。本稿は、合成介入(SI)と呼ぶこのオープンな疑問に対する一つの解決法を提供する。
参考スコア（独自算出の注目度）: 18.6573968345062
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The synthetic controls (SC) methodology is a prominent tool for policy evaluation in panel data applications. Researchers commonly justify the SC framework with a low-rank matrix factor model that assumes the potential outcomes are described by low-dimensional unit and time specific latent factors. In the recent work of [Abadie '20], one of the pioneering authors of the SC method posed the question of how the SC framework can be extended to multiple treatments. This article offers one resolution to this open question that we call synthetic interventions (SI). Fundamental to the SI framework is a low-rank tensor factor model, which extends the matrix factor model by including a latent factorization over treatments. Under this model, we propose a generalization of the standard SC-based estimators. We prove the consistency for one instantiation of our approach and provide conditions under which it is asymptotically normal. Moreover, we conduct a representative simulation to study its prediction performance and revisit the canonical SC case study of [Abadie-Diamond-Hainmueller '10] on the impact of anti-tobacco legislations by exploring related questions not previously investigated.
Abstract（参考訳）: SC(Synthetic Control)方法論は,パネルデータアプリケーションにおけるポリシー評価のための重要なツールである。研究者は一般的にSCフレームワークを低次元の行列係数モデルで正当化し、潜在的な結果が低次元単位および時間固有の潜在因子によって記述されると仮定する。近年の[Abadie '20]では,SC手法の先駆者の一人が,SCフレームワークを複数の治療法に拡張する方法について疑問を投げかけている。本稿では、このオープンな疑問に対して、私たちが合成介入(SI)と呼ぶ一つの解決法を提供する。 SIフレームワークの基本は低ランクテンソル因子モデルであり、これは治療に対する潜在因子化を含めることで行列因子モデルを拡張する。本モデルでは,標準SCに基づく推定器の一般化を提案する。このアプローチの1つのインスタンス化に対する一貫性を証明し、漸近的に正常な条件を提供する。さらに,本研究では,その予測性能について検討し,これまでに検討されていない関連質問を探索し,抗タバコ法の影響について, [Abadie-Diamond-Hainmueller '10] の標準SCケーススタディを再検討する代表シミュレーションを行った。

関連論文リスト

Standing on the shoulders of giants [0.0]
アイテム応答理論(IRT)は、インスタンスの潜在特性のレベルの評価を可能にする。 IRTは従来のメトリクスを補完するものではなく、特定のインスタンスにおけるモデルの詳細な振る舞いを評価および観察する新しいレイヤを提供することによって、古典的なメトリクスを補完します。
論文参考訳（メタデータ） (2024-09-05T00:58:07Z)
GenBench: A Benchmarking Suite for Systematic Evaluation of Genomic Foundation Models [56.63218531256961]
我々はGenomic Foundation Modelsの有効性を評価するためのベンチマークスイートであるGenBenchを紹介する。 GenBenchはモジュラーで拡張可能なフレームワークを提供し、様々な最先端の方法論をカプセル化している。本稿では,タスク固有性能におけるモデルアーキテクチャとデータセット特性の相互作用のニュアンス解析を行う。
論文参考訳（メタデータ） (2024-06-01T08:01:05Z)
Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文参考訳（メタデータ） (2024-03-11T05:35:38Z)
A Bayesian Methodology for Estimation for Sparse Canonical Correlation [0.0]
標準相関解析(CCA)は、データセット間の関係を識別する統計手法である。 ScSCCAは、異なるデータモダリティ間の相互関係の堅牢なモデリングを目的とした、急速に発展する方法論分野である。ベイズ無限因子モデルを用いて,ロバストな推定を実現する新しいSCSCCA手法を提案する。
論文参考訳（メタデータ） (2023-10-30T15:14:25Z)
Hyperspectral Benchmark: Bridging the Gap between HSI Applications through Comprehensive Dataset and Pretraining [11.935879491267634]
ハイパースペクトルイメージング (HSI) は、様々な応用の非破壊空間分光技術として機能する。繰り返し発生する課題は、ターゲットデータセットの限られたサイズであり、徹底的なアーキテクチャ検索を妨げる。本研究は、3つの顕著な異なるHSIアプリケーションを含む革新的なベンチマークデータセットを紹介する。
論文参考訳（メタデータ） (2023-09-20T08:08:34Z)
Less is More: Mitigate Spurious Correlations for Open-Domain Dialogue Response Generation Models by Causal Discovery [52.95935278819512]
本研究で得られたCGDIALOGコーパスに基づくオープンドメイン応答生成モデルのスプリアス相関に関する最初の研究を行った。因果探索アルゴリズムに着想を得て,反応生成モデルの学習と推論のための新しいモデル非依存手法を提案する。
論文参考訳（メタデータ） (2023-03-02T06:33:48Z)
A Statistical Learning Take on the Concordance Index for Survival Analysis [0.29005223064604074]
C-index Fisher-Consistencyの結果と、生存分析においてよく使われるコスト関数に対する過剰なリスク境界を提供する。また、モデル仮定が作成されず、C-インデックスと整合性を示す新しいオフ・ザ・シェルフ法を提示する一般事例についても検討する。
論文参考訳（メタデータ） (2023-02-23T14:33:54Z)
SMT-Based Safety Verification of Data-Aware Processes under Ontologies (Extended Version) [71.12474112166767]
我々は、このスペクトルで最も調査されたモデルの1つ、すなわち単純なアーティファクトシステム(SAS)の変種を紹介する。このDLは適切なモデル理論特性を享受し、後方到達性を適用可能なSASを定義することができ、対応する安全問題のPSPACEにおける決定可能性をもたらす。
論文参考訳（メタデータ） (2021-08-27T15:04:11Z)
Model-Based Counterfactual Synthesizer for Interpretation [40.01787107375103]
機械学習モデルを解釈するためのモデルベース対実合成器(MCS)フレームワークを提案する。まずモデルに基づく逆ファクト過程を分析し、条件付き生成逆数ネット(CGAN)を用いてベースシンセサイザーを構築する。それらの希少なクエリに対する反ファクト宇宙をよりよく近似するために,MCSフレームワークのトレーニングを行うために,傘サンプリング手法を新たに採用した。
論文参考訳（メタデータ） (2021-06-16T17:09:57Z)
A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
論文参考訳（メタデータ） (2021-05-20T15:18:06Z)
Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文参考訳（メタデータ） (2021-02-12T12:23:13Z)

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。