論文の概要: Weather2vec: Representation Learning for Causal Inference with Non-Local Confounding in Air Pollution and Climate Studies

• arxiv url: http://arxiv.org/abs/2209.12316v1
• Date: Sun, 25 Sep 2022 20:40:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 15:20:37.402445
• Title: Weather2vec: Representation Learning for Causal Inference with Non-Local Confounding in Air Pollution and Climate Studies
• Title（参考訳）: weather2vec: 大気汚染と気候研究における非局所的な共起を伴う因果推論のための表現学習
• Authors: Mauricio Tec, James Scott, Corwin Zigler
• Abstract要約: 空間的変化による介入の因果効果の推定は非局所的結束(NLC)の影響を受ける可能性がある 本稿では、まず、潜在的な結果の枠組みを用いてNLCを定式化し、因果干渉の関連する現象と比較する。 次に,非局所的な情報の表現を学習するために,スコアのバランスの理論を用いる「ウェザー2ベック」と呼ばれる,広く適用可能なフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 3.0616624345970975
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Estimating the causal effects of a spatially-varying intervention on a spatially-varying outcome may be subject to non-local confounding (NLC), a phenomenon that can bias estimates when the treatments and outcomes of a given unit are dictated in part by the covariates of other nearby units. In particular, NLC is a challenge for evaluating the effects of environmental policies and climate events on health-related outcomes such as air pollution exposure. This paper first formalizes NLC using the potential outcomes framework, providing a comparison with the related phenomenon of causal interference. Then, it proposes a broadly applicable framework, termed "weather2vec", that uses the theory of balancing scores to learn representations of non-local information into a scalar or vector defined for each observational unit, which is subsequently used to adjust for confounding in conjunction with causal inference methods. The framework is evaluated in a simulation study and two case studies on air pollution where the weather is an (inherently regional) known confounder.
• Abstract（参考訳）: 空間的に異なる介入が空間的に異なる結果に与える影響を推定することは、非局所共起(NLC)の影響を受ける可能性がある。 特に、NLCは、大気汚染などの健康関連結果に対する環境政策や気候イベントの影響を評価する上での課題である。 本稿では,nlcを潜在的結果枠組みを用いて定式化し,因果干渉の関連現象との比較を行った。 次に,非局所情報の表現を,各観測単位に対して定義されたスカラーやベクトルに学習するために,スコアのバランスの理論を用いた「weather2vec」と呼ばれる広く適用可能な枠組みを提案する。 この枠組みはシミュレーション研究と大気汚染に関する2つのケーススタディで評価されている。

関連論文リスト

• Are Deep Learning Methods Suitable for Downscaling Global Climate Projections? Review and Intercomparison of Existing Models [0.0]
  完全予後(PP)と地域気候モデル(RCM)エミュレーションは、世界的な気候変動予測を下方修正することを約束している。 エミュレータとは異なり、PPダウンスケーリングモデルは観測データに基づいて訓練されているため、未確認の条件や将来の排出シナリオの変化を確実に外挿できるかどうかには疑問が残る。 PPダウンスケーリングのための最新のDLモデルを特定し、共通の実験フレームワークを用いてその外挿能力を評価する。
  論文  参考訳（メタデータ） (2024-11-06T18:05:45Z)
• Causal Representation Learning in Temporal Data via Single-Parent Decoding [66.34294989334728]
  科学的研究はしばしば、システム内の高レベル変数の根底にある因果構造を理解しようとする。 科学者は通常、地理的に分布した温度測定などの低レベルの測定を収集する。 そこで本研究では,単一親の復号化による因果発見法を提案し,その上で下位の潜伏者と因果グラフを同時に学習する。
  論文  参考訳（メタデータ） (2024-10-09T15:57:50Z)
• Variable importance measure for spatial machine learning models with application to air pollution exposure prediction [2.633085745593072]
  本研究の目的は, 大気汚染の健康影響を学習する能力を最大限に活用するために, データのない場所での被験者の大気汚染の予測を行うことである。 これらの課題を、米国国家PM2.5亜種規制データの硫黄(S)と、シアトルの交通関連大気汚染データセットの超微粒子(UFP)の2つのデータセットで解決する。 私たちの重要な貢献は、幅広いモデルの解釈可能かつ同等の尺度に導かれる、変数の重要度に対する一対一のアプローチである。
  論文  参考訳（メタデータ） (2024-06-04T05:51:36Z)
• Smoke and Mirrors in Causal Downstream Tasks [59.90654397037007]
  本稿では, 治療効果推定の因果推論タスクについて検討し, 高次元観察において利害関係が記録されている。 最先端の視覚バックボーンから微調整した6つの480モデルを比較し、サンプリングとモデリングの選択が因果推定の精度に大きく影響することを発見した。 以上の結果から,今後のベンチマークでは,下流の科学的問題,特に因果的な問題について慎重に検討すべきであることが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T13:26:34Z)
• Estimating Direct and Indirect Causal Effects of Spatiotemporal Interventions in Presence of Spatial Interference [0.46052594866569146]
  まず, 空間干渉の概念を, 未測定条件を仮定して拡張することで, 時間変化による治療結果に対する空間干渉の概念を拡張した。 次に、時間的因果推論のための深層学習に基づく潜在的結果モデルを提案する。 U-Netアーキテクチャのパワーを利用して、時間とともに空間的干渉を捉えながら、時間変化による干渉を低減するために潜時因子モデリングを利用する。
  論文  参考訳（メタデータ） (2024-05-13T20:39:27Z)
• Robust detection and attribution of climate change under interventions [4.344839102717429]
  フィンガープリントは気候変動の検出と属性(D&A)の鍵となるツールである 本稿では,教師付き学習に基づく直接D&A手法を提案し,頑健な予測につながる指紋を抽出する。 本研究は, 関連する介入に対するロバスト性制約を組み込むことは, 気候変動の検出と帰属に有益であることが示唆された。
  論文  参考訳（メタデータ） (2022-12-09T15:13:40Z)
• Neighborhood Adaptive Estimators for Causal Inference under Network Interference [152.4519491244279]
  我々は,古典的非干渉仮説の違反を考える。つまり,ある個人に対する治療が他者の結果に影響を及ぼす可能性がある。 干渉をトラクタブルにするために、干渉がどのように進行するかを記述する既知のネットワークを考える。 このような環境下での処理に対する平均的直接的処理効果の予測について検討した。
  論文  参考訳（メタデータ） (2022-12-07T14:53:47Z)
• Multi-scale Digital Twin: Developing a fast and physics-informed surrogate model for groundwater contamination with uncertain climate models [53.44486283038738]
  気候変動は地下水汚染の長期的な土壌管理問題を悪化させる。 U-Net強化フーリエニューラル汚染(PDENO)を用いた物理インフォームド機械学習サロゲートモデルを開発した。 並行して、気候データと組み合わされた畳み込みオートエンコーダを開発し、アメリカ合衆国全体の気候領域の類似性の次元を減少させる。
  論文  参考訳（メタデータ） (2022-11-20T06:46:35Z)
• Spatiotemporal modeling of European paleoclimate using doubly sparse Gaussian processes [61.31361524229248]
  計算負担を軽減するため,近年の大規模分散時間GPを構築した。 我々は,古気候の確率モデルを構築するために,この2倍のスパースGPをうまく利用した。
  論文  参考訳（メタデータ） (2022-11-15T14:15:04Z)
• Using an expert deviation carrying the knowledge of climate data in usual clustering algorithms [0.0]
  風速と累積降雨データセットのクラスタリング解析を用いて,時間的アルゴリズムを同定する。 従来のクラスタリング手法でL2ノルムを用いることで、望ましくない効果がもたらされることを示す。 我々は、Euclidean distanceL (2) をExpert Cluster Deviation (ED) という異種度尺度で置き換えることを提案する。
  論文  参考訳（メタデータ） (2020-06-10T01:42:40Z)
• A Survey on Causal Inference [64.45536158710014]
  因果推論は統計学、コンピュータ科学、教育、公共政策、経済学など、多くの分野において重要な研究トピックである。 観測データに対する様々な因果効果推定法が誕生した。
  論文  参考訳（メタデータ） (2020-02-05T21:35:29Z)

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。