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
- 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) - CausalBench: A Large-scale Benchmark for Network Inference from
Single-cell Perturbation Data [61.088705993848606]
本稿では,実世界の介入データに対する因果推論手法を評価するベンチマークスイートCausalBenchを紹介する。
CaulBenchには、新しい分散ベースの介入メトリクスを含む、生物学的に動機付けられたパフォーマンスメトリクスが含まれている。
論文 参考訳(メタデータ) (2022-10-31T13:04:07Z) - Causal Estimation with Functional Confounders [24.54466899641308]
因果推論は、無知と肯定性の2つの基本的な仮定に依存します。
真共起値が観測データの関数として表現できる場合の因果推論について検討する。
この設定では、不可知性は満たされるが、肯定性は侵害され、因果推論は一般に不可能である。
論文 参考訳(メタデータ) (2021-02-17T02:16:21Z) - HECT: High-Dimensional Ensemble Consistency Testing for Climate Models [1.7587442088965226]
気候モデルは、気候変動が気候変動に与える影響を理解する上で重要な役割を担い、気候変動のリスクを軽減し、決定を通知する。
コミュニティアース・システム・モデル (CESM) のような大域的な気候モデルは、大気、陸、海、氷の相互作用を記述する数百万行のコードで非常に複雑である。
私たちの研究は、木に基づくアルゴリズムやディープニューラルネットワークのような確率論的手法を使って、高次元および人為的なデータの統計的に厳密な適合性テストを行います。
論文 参考訳(メタデータ) (2020-10-08T15:16:16Z) - On Disentangled Representations Learned From Correlated Data [59.41587388303554]
相関データに対する最も顕著な絡み合うアプローチの挙動を解析することにより、現実のシナリオにギャップを埋める。
本研究では,データセットの体系的相関が学習され,潜在表現に反映されていることを示す。
また、トレーニング中の弱い監督や、少数のラベルで事前訓練されたモデルを修正することで、これらの潜伏相関を解消する方法を実証する。
論文 参考訳(メタデータ) (2020-06-14T12:47:34Z) - 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) - Causal Inference under Networked Interference and Intervention Policy
Enhancement [35.149125599812706]
ランダム化実験のデータから個々の治療効果を推定することは因果推論において重要な課題である。
通常、ランダム化実験や相互接続された単位による観測実験では、干渉下でのみ治療反応を観察することができる。
本稿では,グラフの依存性を捕捉する強力なツールであるGNNを用いて,一般的なネットワーク干渉下での因果効果の推定について検討する。
論文 参考訳(メタデータ) (2020-02-20T00:35:50Z) - 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。