Fugu-MT 論文翻訳(概要): TorchSurv: A Lightweight Package for Deep Survival Analysis

論文の概要: TorchSurv: A Lightweight Package for Deep Survival Analysis

arxiv url: http://arxiv.org/abs/2404.10761v2
Date: Wed, 17 Apr 2024 14:38:04 GMT
ステータス: 処理完了
システム内更新日: 2024-04-18 12:36:56.358764
Title: TorchSurv: A Lightweight Package for Deep Survival Analysis
Title（参考訳）: TorchSurv: ディープサバイバル分析のための軽量パッケージ
Authors: Mélodie Monod, Peter Krusche, Qian Cao, Berkman Sahiner, Nicholas Petrick, David Ohlssen, Thibaud Coroller,
Abstract要約: TorchSurvはPythonパッケージで、PyTorch環境内でディープサバイバルモデリングを実行するための補助ツールとして機能する。特定のパラメトリックフォームを強制する既存のライブラリとは異なり、TorchSurvはカスタムPyTorchベースのディープサバイバルモデルを使用することができる。
参考スコア（独自算出の注目度）: 1.8856985820725216
License: http://creativecommons.org/licenses/by/4.0/
Abstract: TorchSurv is a Python package that serves as a companion tool to perform deep survival modeling within the PyTorch environment. Unlike existing libraries that impose specific parametric forms, TorchSurv enables the use of custom PyTorch-based deep survival models. With its lightweight design, minimal input requirements, full PyTorch backend, and freedom from restrictive survival model parameterizations, TorchSurv facilitates efficient deep survival model implementation and is particularly beneficial for high-dimensional and complex input data scenarios.
Abstract（参考訳）: TorchSurvはPythonパッケージで、PyTorch環境内でディープサバイバルモデリングを実行するための補助ツールとして機能する。特定のパラメトリックフォームを強制する既存のライブラリとは異なり、TorchSurvはカスタムPyTorchベースのディープサバイバルモデルを使用することができる。軽量な設計、最小限の入力要件、完全なPyTorchバックエンド、制限された生存モデルパラメータ化からの解放により、TorchSurvは効率的な深層モデルの実装を促進し、高次元および複雑な入力データシナリオに特に有用である。

関連論文リスト

RobPy: a Python Package for Robust Statistical Methods [1.2233362977312945]
RobPyはPythonで幅広い堅牢なメソッドを提供し、NumPy、SciPy、Scikit-learnといった既存のライブラリ上に構築されている。本稿では、RobPyパッケージの構造を示し、実例を通してその機能を実証し、その機能を他の統計ソフトウェアにおける既存の実装と比較する。
論文参考訳（メタデータ） (2024-11-04T10:27:30Z)
$\texttt{skwdro}$: a library for Wasserstein distributionally robust machine learning [6.940992962425166]
skwdroは、堅牢な機械学習モデルをトレーニングするためのPythonライブラリである。一般的な目的のために、Scikit-learn互換の推定器と、PyTorchモジュール用のラッパーの両方を備えている。
論文参考訳（メタデータ） (2024-10-28T17:16:00Z)
PyTorch Frame: A Modular Framework for Multi-Modal Tabular Learning [54.912520425218496]
PyTorch Frame は PyTorch をベースとした多モード表データの深層学習フレームワークである。モジュラー方式で多種多様なモデルを実装することにより,PyTorch Frameの有用性を示す。我々は、グラフニューラルネットワーク(GNN)のためのPyTorchライブラリであるPyTorch GeometricとPyTorch Frameを統合し、関係データベース上でエンドツーエンドの学習を行う。
論文参考訳（メタデータ） (2024-03-31T19:15:09Z)
pyvene: A Library for Understanding and Improving PyTorch Models via Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文参考訳（メタデータ） (2024-03-12T16:46:54Z)
PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文参考訳（メタデータ） (2023-05-30T07:57:05Z)
torchgfn: A PyTorch GFlowNet library [56.071033896777784]
torchgfnはPyTorchライブラリで、このニーズに対処することを目指している。環境のためのシンプルなAPIと、サンプルと損失のための有用な抽象化を提供する。
論文参考訳（メタデータ） (2023-05-24T00:20:59Z)
TorchBench: Benchmarking PyTorch with High API Surface Coverage [9.68698340637426]
我々は、PyTorchソフトウェアスタックの性能を研究するための新しいベンチマークスイートであるTorchBenchを提案する。 TorchBenchは、PyTorchソフトウェアスタックのパフォーマンスを包括的に特徴付けることができる。本稿では,TorchBenchの実用例を2つ紹介する。
論文参考訳（メタデータ） (2023-04-27T14:37:05Z)
Latte: Cross-framework Python Package for Evaluation of Latent-Based Generative Models [65.51757376525798]
Latteは、潜伏型生成モデルを評価するためのPythonライブラリである。 LatteはPyTorchと/Kerasの両方と互換性があり、関数型APIとモジュール型APIの両方を提供する。
論文参考訳（メタデータ） (2021-12-20T16:00:28Z)
PyTorchVideo: A Deep Learning Library for Video Understanding [71.89124881732015]
PyTorchVideoは、ビデオ理解タスクのためのオープンソースのディープラーニングライブラリである。マルチモーダルデータローディング、変換、モデルを含む、ビデオ理解ツールのフルスタックをカバーする。ライブラリはPyTorchをベースにしており、任意のトレーニングフレームワークで使用することができる。
論文参考訳（メタデータ） (2021-11-18T18:59:58Z)
PyLightcurve-torch: a transit modelling package for deep learning applications in PyTorch [0.0]
我々はPyLightcurveとPyTorchをベースにした新しいオープンソースpythonパッケージを提案する。効率的な計算と外惑星トランジットの自動分化のために調整されている。
論文参考訳（メタデータ） (2020-11-03T22:05:41Z)
PyChain: A Fully Parallelized PyTorch Implementation of LF-MMI for End-to-End ASR [65.20342293605472]
PyChainは、カルディ自動音声認識(ASR)ツールキットにおいて、いわゆるエンフィチェーンモデルのための、エンドツーエンドの格子フリー最大相互情報(LF-MMI)トレーニングの実装である。他のPyTorchやKaldiベースのASRツールキットとは異なり、PyChainは可能な限り柔軟で軽量に設計されている。
論文参考訳（メタデータ） (2020-05-20T02:10:21Z)

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。