論文の概要: Causal Shift-Response Functions with Neural Networks: The Health Benefits of Lowering Air Quality Standards in the US

• arxiv url: http://arxiv.org/abs/2302.02560v1
• Date: Mon, 6 Feb 2023 04:35:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-07 17:41:42.403219
• Title: Causal Shift-Response Functions with Neural Networks: The Health Benefits of Lowering Air Quality Standards in the US
• Title（参考訳）: ニューラルネットワークによる因果シフト応答関数:米国における大気質基準の引き下げの健康効果
• Authors: Mauricio Tec, Oladimeji Mudele, Kevin Josey, Francesca Dominici
• Abstract要約: 政策立案者は、国民の環境基準を引き下げることによる健康上の利益を評価する必要がある。 我々は因果推論の手法を用いて問題を解析する手法を開発した。
• 参考スコア（独自算出の注目度）: 2.427831679672374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Policymakers are required to evaluate the health benefits of reducing the National Ambient Air Quality Standards (NAAQS; i.e., the safety standards) for fine particulate matter PM 2.5 before implementing new policies. We formulate this objective as a shift-response function (SRF) and develop methods to analyze the problem using methods for causal inference, specifically under the stochastic interventions framework. SRFs model the average change in an outcome of interest resulting from a hypothetical shift in the observed exposure distribution. We propose a new broadly applicable doubly-robust method to learn SRFs using targeted regularization with neural networks. We evaluate our proposed method under various benchmarks specific for marginal estimates as a function of continuous exposure. Finally, we implement our estimator in the motivating application that considers the potential reduction in deaths from lowering the NAAQS from the current level of 12 $\mu g/m^3$ to levels that are recently proposed by the Environmental Protection Agency in the US (10, 9, and 8 $\mu g/m^3$).
• Abstract（参考訳）: 政策立案者は、新しい政策を実施する前に、微細粒子状物質PM2.5に対する国家環境基準(NAAQS)の引き下げによる健康上の利益を評価する必要がある。 この目的をシフト応答関数(srf)として定式化し,因果推論の手法,特に確率的介入の枠組みを用いて問題を解析する手法を開発した。 SRFは、観測された露光分布の仮説シフトに起因する利害の結果としての平均的な変化をモデル化する。 本稿では,ニューラルネットワークを用いたターゲット正規化を用いてsrfを学習するための,広範に適用可能な2重ロバスト法を提案する。 提案手法は,連続露光関数として限界推定に特有な様々なベンチマークで評価する。 最後に,NAAQSを現在の12ドルから最近アメリカ合衆国環境保護庁が提案したレベル(10ドル,9ドル,8ドル)まで下げることによる死亡率の低下を考慮に入れたモチベーションアプリケーションに,我々の推定装置を実装した。

関連論文リスト

• Doubly Robust Causal Effect Estimation under Networked Interference via Targeted Learning [24.63284452991301]
  ネットワーク干渉下での2つの頑健な因果効果推定器を提案する。 具体的には,対象とする学習手法をネットワーク干渉設定に一般化する。 我々は、同定された理論条件を目標損失に変換することによって、エンドツーエンドの因果効果推定器を考案する。
  論文  参考訳（メタデータ） (2024-05-06T10:49:51Z)
• TNDDR: Efficient and doubly robust estimation of COVID-19 vaccine effectiveness under the test-negative design [0.46426477564038643]
  テスト陰性設計(TND)は、結果依存サンプリングによる選択バイアスの影響を受けやすい。 我々はTNDDR(TND-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D-D- D-D-D-D-D-D-D-D-D-D-D-D-D-D-D カナダ・クエベック州の地域在住高齢者(高齢者60ドル以上)の管理データセットに、COVID-19 VEを推定するために適用した。
  論文  参考訳（メタデータ） (2023-10-06T20:40:59Z)
• Understanding, Predicting and Better Resolving Q-Value Divergence in Offline-RL [86.0987896274354]
  まず、オフラインRLにおけるQ値推定のばらつきの主な原因として、基本パターン、自己励起を同定する。 そこで本研究では,Q-network の学習における進化特性を測定するために,SEEM(Self-Excite Eigen Value Measure)尺度を提案する。 われわれの理論では、訓練が早期に発散するかどうかを確実に決定できる。
  論文  参考訳（メタデータ） (2023-10-06T17:57:44Z)
• Neural Importance Sampling for Rapid and Reliable Gravitational-Wave Inference [59.040209568168436]
  まず、ニューラルネットワークを用いてベイズ後部への高速な提案を行い、その基礎となる可能性と事前に基づいて重み付けを行う。 本発明は,(1)ネットワーク不正確性のない修正後部,(2)提案案の評価と故障事例の同定のための性能診断(サンプル効率),(3)ベイズ証拠の偏りのない推定を提供する。 LIGOとVirgoで観測された42個のブラックホールをSEOBNRv4PHMとIMRPhenomHMXP波形モデルで解析した。
  論文  参考訳（メタデータ） (2022-10-11T18:00:02Z)
• How Tempering Fixes Data Augmentation in Bayesian Neural Networks [22.188535244056016]
  テンパリングは、拡張のモデリングから生じる誤特定を暗黙的に減らし、すなわちデータとして示す。 温度は有効サンプルサイズの役割を模倣し、増強によって提供される情報の利得を反映している。
  論文  参考訳（メタデータ） (2022-05-27T11:06:56Z)
• Estimating the Uncertainty of Neural Network Forecasts for Influenza Prevalence Using Web Search Activity [3.632189127068905]
  インフルエンザは伝染病であり、パンデミックになる可能性がある。 有病率を予測することは、効果的な対応を計画するための重要な取り組みである。
  論文  参考訳（メタデータ） (2021-05-26T09:45:23Z)
• Learning Calibrated Uncertainties for Domain Shift: A Distributionally Robust Learning Approach [150.8920602230832]
  ドメインシフトの下で校正された不確実性を学習するためのフレームワークを提案する。 特に、密度比推定は、ターゲット(テスト)サンプルの近さをソース(トレーニング)分布に反映する。 提案手法は下流タスクに有利な校正不確実性を生成する。
  論文  参考訳（メタデータ） (2020-10-08T02:10:54Z)
• Unlabelled Data Improves Bayesian Uncertainty Calibration under Covariate Shift [100.52588638477862]
  後続正則化に基づく近似ベイズ推定法を開発した。 前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
  論文  参考訳（メタデータ） (2020-06-26T13:50:19Z)
• Scaling Equilibrium Propagation to Deep ConvNets by Drastically Reducing its Gradient Estimator Bias [65.13042449121411]
  実際には、EPによって提供される勾配推定によるネットワークのトレーニングは、MNISTよりも難しい視覚タスクにスケールしない。 有限ヌード法に固有のEPの勾配推定のバイアスがこの現象の原因であることを示す。 これらの手法を適用し、非対称な前方および後方接続を持つアーキテクチャをトレーニングし、13.2%のテストエラーを発生させる。
  論文  参考訳（メタデータ） (2020-06-06T09:36:07Z)
• Neural Networks and Value at Risk [59.85784504799224]
  リスクしきい値推定における資産価値のモンテカルロシミュレーションを行う。 株式市場と長期債を試験資産として利用し、ニューラルネットワークについて検討する。 はるかに少ないデータでフィードされたネットワークは、大幅にパフォーマンスが悪くなっています。
  論文  参考訳（メタデータ） (2020-05-04T17:41:59Z)
• The Counterfactual $\chi$-GAN [20.42556178617068]
  因果推論は、しばしば、治療の割り当てが結果から独立していることを要求する反ファクト的枠組みに依存する。 本研究は,CGAN(Counterfactual $chi$-GAN)と呼ばれるGAN(Generative Adversarial Network)に基づくモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-09T17:23:13Z)

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。