論文の概要: Inference on Causal Effects of Interventions in Time using Gaussian
Processes
- arxiv url: http://arxiv.org/abs/2210.02850v1
- Date: Thu, 6 Oct 2022 12:10:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 17:38:47.721114
- Title: Inference on Causal Effects of Interventions in Time using Gaussian
Processes
- Title(参考訳): ガウス過程を用いた時間内干渉の因果効果の推論
- Authors: Gianluca Giudice, Sara Geneletti and Konstantinos Kalogeropoulos
- Abstract要約: 本稿では,特定の時点における介入の因果的影響を推測することに焦点を当てた。
我々は、中断した時系列のフレームワークを運用し、合成制御のようなアプローチを拡張します。
開発されたモデルには高い柔軟性があり、機能形式にはほとんど制限がない。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper focuses on drawing inference on the causal impact of an
intervention at a specific time point, as manifested in an outcome variable
over time. We operate on the interrupted time series framework and expand on
approaches such as the synthetic control (Abadie 2003) and Bayesian structural
time series (Brodersen et al 2015), by replacing the underlying dynamic linear
regression model with a non-parametric formulation based on Gaussian Processes.
The developed models possess a high degree of flexibility posing very little
limitations on the functional form and allow to incorporate uncertainty,
stemming from its estimation, under the Bayesian framework. We introduce two
families of non-parametric structural time series models either operating on
the trajectory of the outcome variable alone, or in a multivariate setting
using multiple output Gaussian processes. The paper engages closely with a case
study focusing on the impact of the accelerated UK vaccination schedule, as
contrasted with the rest of Europe, to illustrate the methodology and present
the implementation procedure.
- Abstract(参考訳): 本稿では、時間とともに結果変数に現れるように、特定の時点における介入の因果的影響を推論することに焦点を当てる。
我々は、割り込み時系列の枠組みを運用し、ガウス過程に基づく非パラメトリックな定式化を基礎とした動的線形回帰モデルを置き換えることにより、合成制御(2003年秋)やベイズ構造時系列(Brodersen et al 2015)のようなアプローチを拡張した。
開発されたモデルは、機能形式にほとんど制限を課さない高い柔軟性を持ち、ベイズフレームワークの下で、その推定から生じる不確実性を組み込むことができる。
結果変数の軌道のみに作用する非パラメトリック構造時系列モデルの2つのファミリを導入するか、複数のガウス過程を用いて多変量設定を行う。
本論文は、欧州の他の地域と対照的に、英国における予防接種計画の加速の影響に焦点を当てたケーススタディと密接に関わり、その方法論を解説し、実施手順を提示する。
関連論文リスト
- Revisiting the Temporal Modeling in Spatio-Temporal Predictive Learning
under A Unified View [73.73667848619343]
UTEP(Unified S-Temporal Predictive Learning)は,マイクロテンポラリスケールとマクロテンポラリスケールを統合した再帰的および再帰的フリーな手法を再構築する,革新的なフレームワークである。
論文 参考訳(メタデータ) (2023-10-09T16:17:42Z) - Continuous-Time Modeling of Counterfactual Outcomes Using Neural
Controlled Differential Equations [84.42837346400151]
反現実的な結果を予測することは、パーソナライズされたヘルスケアをアンロックする可能性がある。
既存の因果推論アプローチでは、観察と治療決定の間の通常の離散時間間隔が考慮されている。
そこで本研究では,腫瘍増殖モデルに基づく制御可能なシミュレーション環境を提案する。
論文 参考訳(メタデータ) (2022-06-16T17:15:15Z) - Dual reparametrized Variational Generative Model for Time-Series
Forecasting [0.0]
本稿では,変分オートエンコーダ(VAE)の2つの再パラメータ化変分機構を導入し,解析的性能を実証する。
DualVDTは、新しい二重再パラメータ構造を持ち、分析的にも実験的にも高度な性能を持つ。
論文 参考訳(メタデータ) (2022-03-11T06:02:16Z) - Continuous Latent Process Flows [47.267251969492484]
任意の時間スタンプにおける連続時系列ダイナミクスの部分的な観察は多くの分野に存在する。このタイプのデータに連続力学を用いた統計モデルを適用することは、直感的なレベルで有望であるだけでなく、実用的な利点もある。
微分方程式によって駆動される時間依存正規化フローを用いて、連続潜時プロセスを連続可観測プロセスに復号する原則的アーキテクチャである連続潜時プロセスフロー(CLPF)を用いて、これらの課題に取り組む。
我々のアブレーション研究は、不規則な時間グリッド上での様々な推論タスクへの貢献の有効性を実証している。
論文 参考訳(メタデータ) (2021-06-29T17:16:04Z) - Nonlinear Hawkes Process with Gaussian Process Self Effects [3.441953136999684]
ホークスプロセスは、歴史に依存した時間-連続的な点プロセスのモデル化に使用される。
本稿では、自己影響が興奮型と抑制型の両方である拡張モデルを提案する。
我々は、ホークス過程に対するベイズ的推論の行程を継続し、我々のアプローチは、後方の分岐構造を推定する必要性を解消する。
論文 参考訳(メタデータ) (2021-05-20T09:20:35Z) - The temporal overfitting problem with applications in wind power curve
modeling [8.057262184815636]
本稿では,時間的過適合問題に対処する新しい手法を提案する。
本稿では,風力エネルギーのパワー曲線モデリングを対象とする。
論文 参考訳(メタデータ) (2020-12-02T17:39:57Z) - Supporting Optimal Phase Space Reconstructions Using Neural Network
Architecture for Time Series Modeling [68.8204255655161]
位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。
私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
論文 参考訳(メタデータ) (2020-06-19T21:04:47Z) - Causal Modeling with Stochastic Confounders [11.881081802491183]
この作業は、共同設立者との因果推論を拡張します。
本稿では,ランダムな入力空間を持つ表現子定理に基づく因果推論のための変分推定手法を提案する。
論文 参考訳(メタデータ) (2020-04-24T00:34:44Z) - Estimating the Effects of Continuous-valued Interventions using
Generative Adversarial Networks [103.14809802212535]
我々は,連続的評価介入の効果を推定する問題に対処するため,GAN(Generative Adversarial Network)フレームワークを構築した。
我々のモデルであるSCIGANは柔軟であり、いくつかの異なる継続的な介入に対する対実的な結果の同時推定が可能である。
継続的な介入に移行することによって生じる課題に対処するために、差別者のための新しいアーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-02-27T18:46:21Z) - Semiparametric Bayesian Forecasting of Spatial Earthquake Occurrences [77.68028443709338]
本稿では, Epidemic Type Aftershock Sequence (ETAS) モデルのベイズ的完全定式化を提案する。
地理的領域における主震の発生は不均一な空間的点過程に従うと仮定される。
論文 参考訳(メタデータ) (2020-02-05T10:11:26Z)
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。