論文の概要: Multipopulation mortality modelling and forecasting: The multivariate
functional principal component with time weightings approaches
- arxiv url: http://arxiv.org/abs/2102.09612v1
- Date: Thu, 18 Feb 2021 21:01:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-22 15:41:59.566439
- Title: Multipopulation mortality modelling and forecasting: The multivariate
functional principal component with time weightings approaches
- Title(参考訳): 多集団死亡モデルと予測:時間重み付けアプローチによる多変量機能主成分
- Authors: Ka Kin Lam, Bo Wang
- Abstract要約: 共同死亡モデルと複数個体群予測のための2つの新しいモデルを提案する。
最初の提案モデルは、独立した関数型データモデルをマルチ人口モデル設定に拡張する。
2番目の提案モデルは、予測精度の観点から、最初のモデルと現在のモデルよりも優れています。
- 参考スコア(独自算出の注目度): 3.450774887322348
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human mortality patterns and trajectories in closely related populations are
likely linked together and share similarities. It is always desirable to model
them simultaneously while taking their heterogeneity into account. This paper
introduces two new models for joint mortality modelling and forecasting
multiple subpopulations in adaptations of the multivariate functional principal
component analysis techniques. The first model extends the independent
functional data model to a multi-population modelling setting. In the second
one, we propose a novel multivariate functional principal component method for
coherent modelling. Its design primarily fulfils the idea that when several
subpopulation groups have similar socio-economic conditions or common
biological characteristics, such close connections are expected to evolve in a
non-diverging fashion. We demonstrate the proposed methods by using
sex-specific mortality data. Their forecast performances are further compared
with several existing models, including the independent functional data model
and the Product-Ratio model, through comparisons with mortality data of ten
developed countries. Our experiment results show that the first proposed model
maintains a comparable forecast ability with the existing methods. In contrast,
the second proposed model outperforms the first model as well as the current
models in terms of forecast accuracy, in addition to several desirable
properties.
- Abstract(参考訳): 近縁集団におけるヒトの死亡パターンと軌跡は関連し、類似性を共有する可能性が高い。
異質性を考慮しながら同時にモデル化することが常に望ましい。
本稿では,多変量関数主成分分析手法を応用した共同死亡モデルと複数個体群予測のための2つの新しいモデルを提案する。
第1のモデルは、独立関数型データモデルをマルチ人口モデリング設定に拡張する。
第2報では,コヒーレントモデリングのための多変量関数主成分法を提案する。
その設計は、いくつかのサブ人口集団が同様の社会経済的条件または共通の生物学的特性を有する場合、そのような密接な接続が非拡散的な方法で進化することが予想されるという考えを満たす。
性別特異的死亡データを用いて提案手法を実証する。
それらの予測性能は、先進10カ国の死亡率データとの比較を通じて、独立機能モデルや製品比モデルなど、いくつかの既存モデルと比較される。
実験の結果,提案モデルが既存の手法と同等の予測能力を有することがわかった。
対照的に、第2のモデルは、いくつかの望ましい特性に加えて、予測精度の観点から、第1のモデルと現在のモデルよりも優れています。
関連論文リスト
- Dataless Knowledge Fusion by Merging Weights of Language Models [51.8162883997512]
微調整された事前学習言語モデルは、下流のNLPモデルを構築するための主要なパラダイムとなっている。
これは、より優れた単一モデルを生み出すために、個々のモデル間で知識を融合させる障壁を生み出します。
パラメータ空間のモデルをマージするデータレス知識融合法を提案する。
論文 参考訳(メタデータ) (2022-12-19T20:46:43Z) - Investigating Ensemble Methods for Model Robustness Improvement of Text
Classifiers [66.36045164286854]
既存のバイアス機能を分析し、すべてのケースに最適なモデルが存在しないことを実証します。
適切なバイアスモデルを選択することで、より洗練されたモデル設計でベースラインよりもロバスト性が得られる。
論文 参考訳(メタデータ) (2022-10-28T17:52:10Z) - On the Generalization and Adaption Performance of Causal Models [99.64022680811281]
異なる因果発見は、データ生成プロセスを一連のモジュールに分解するために提案されている。
このようなモジュラニューラル因果モデルの一般化と適応性能について検討する。
我々の分析では、モジュラーニューラル因果モデルが、低データレギュレーションにおけるゼロおよび少数ショットの適応において、他のモデルよりも優れていることを示している。
論文 参考訳(メタデータ) (2022-06-09T17:12:32Z) - Diversity vs. Recognizability: Human-like generalization in one-shot
generative models [5.964436882344729]
サンプル認識可能性と多様性の2つの軸に沿った1ショット生成モデルを評価するための新しい枠組みを提案する。
まず、GANのようなモデルとVAEのようなモデルが多様性認識性空間の反対側にあることを示す。
対照的に、非絡み合いは、認識可能性の最大化に使用できるパラボラ曲線に沿ってモデルを輸送する。
論文 参考訳(メタデータ) (2022-05-20T13:17:08Z) - A Twin Neural Model for Uplift [59.38563723706796]
Upliftは条件付き治療効果モデリングの特定のケースです。
相対リスクのベイズ解釈との関連性を利用して定義した新たな損失関数を提案する。
本提案手法は,シミュレーション設定の最先端と大規模ランダム化実験による実データとの競合性を示す。
論文 参考訳(メタデータ) (2021-05-11T16:02:39Z) - Split Modeling for High-Dimensional Logistic Regression [0.2676349883103404]
短時間コンパイルしたアンサンブルロジスティック分類モデルに対して,新しい手法を提案する。
本手法は,予測精度に優れたバイアスオフの活用法を学習する。
提案手法を実装したオープンソースソフトウェアライブラリを議論する。
論文 参考訳(メタデータ) (2021-02-17T05:57:26Z) - Model Compression for Domain Adaptation through Causal Effect Estimation [20.842938440720303]
ATE誘導モデル圧縮スキーム(AMoC)は、除去されたモデルコンポーネントによって異なる多くのモデル候補を生成する。
次に、ATEを利用した段階的回帰モデルを用いて、最適候補を選択し、対象領域における期待性能を予測する。
AMoCは2つのテキスト分類タスクで60のドメインペアのうち46の強いベースラインより優れており、F1の平均的な改善は最強のベースラインより3%以上多い。
論文 参考訳(メタデータ) (2021-01-18T14:18:02Z) - Generative Temporal Difference Learning for Infinite-Horizon Prediction [101.59882753763888]
我々は、無限確率的地平線を持つ環境力学の予測モデルである$gamma$-modelを導入する。
トレーニングタイムとテストタイムの複合的なエラーの間には、そのトレーニングが避けられないトレードオフを反映しているかについて議論する。
論文 参考訳(メタデータ) (2020-10-27T17:54:12Z) - Probability Link Models with Symmetric Information Divergence [1.5749416770494706]
リンクモデルの2つの一般的なクラスが提案されている。
最初のモデルは2つの生存関数を結び、比例奇数や変化点のようなモデルに適用できる。
2つ目のモデルは2つの累積確率分布関数をリンクする。
論文 参考訳(メタデータ) (2020-08-10T19:49:51Z) - Semi-nonparametric Latent Class Choice Model with a Flexible Class
Membership Component: A Mixture Model Approach [6.509758931804479]
提案したモデルは、従来のランダムユーティリティ仕様に代わるアプローチとして混合モデルを用いて潜在クラスを定式化する。
その結果,混合モデルにより潜在クラス選択モデル全体の性能が向上した。
論文 参考訳(メタデータ) (2020-07-06T13:19:26Z) - A General Framework for Survival Analysis and Multi-State Modelling [70.31153478610229]
ニューラル常微分方程式を多状態生存モデル推定のためのフレキシブルで一般的な方法として用いる。
また,本モデルでは,サバイバルデータセット上での最先端性能を示すとともに,マルチステート環境での有効性を示す。
論文 参考訳(メタデータ) (2020-06-08T19:24:54Z)
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。