論文の概要: Censor Dependent Variational Inference

• arxiv url: http://arxiv.org/abs/2502.09591v1
• Date: Thu, 13 Feb 2025 18:48:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-14 13:50:14.704597
• Title: Censor Dependent Variational Inference
• Title（参考訳）: センサ依存型変分推定
• Authors: Chuanhui Liu, Xiao Wang,
• Abstract要約: 設計が不十分な変分分布が生存分析タスクの目的を妨げていることを示す。 生存分析において潜在変数モデルに適した検閲依存変分推論(CDVI)を提案する。 さらなる議論は、既存の理論や訓練技法を生存分析に拡張している。
• 参考スコア（独自算出の注目度）: 5.629705943815797
• License:
• Abstract: This paper provides a comprehensive analysis of variational inference in latent variable models for survival analysis, emphasizing the distinctive challenges associated with applying variational methods to survival data. We identify a critical weakness in the existing methodology, demonstrating how a poorly designed variational distribution may hinder the objective of survival analysis tasks--modeling time-to-event distributions. We prove that the optimal variational distribution, which perfectly bounds the log-likelihood, may depend on the censoring mechanism. To address this issue, we propose censor-dependent variational inference (CDVI), tailored for latent variable models in survival analysis. More practically, we introduce CD-CVAE, a V-structure Variational Autoencoder (VAE) designed for the scalable implementation of CDVI. Further discussion extends some existing theories and training techniques to survival analysis. Extensive experiments validate our analysis and demonstrate significant improvements in the estimation of individual survival distributions.
• Abstract（参考訳）: 本稿では、生存分析のための潜在変数モデルにおける変分推論を包括的に分析し、生存データに変分法を適用することに関連する特徴的課題を強調した。 既存の手法の重大な弱点を同定し、設計が不十分な変動分布が生存分析タスクの目的、すなわち時間-物間分布のモデル化をいかに妨げているかを示す。 最適変分分布は、ログライクな状態を完全に束縛するものであり、検閲機構に依存する可能性があることを証明している。 そこで本研究では,生存分析における潜在変数モデルに適した検閲依存変分推論(CDVI)を提案する。 より現実的には、CDVIのスケーラブルな実装のために設計されたV-structure Variational Autoencoder (VAE) であるCD-CVAEを導入する。 さらなる議論は、既存の理論や訓練技法を生存分析に拡張している。 広範囲な実験により分析結果が検証され,個々の生存率分布の推定精度が大幅に向上した。

関連論文リスト

• Adaptive Transformer Modelling of Density Function for Nonparametric Survival Analysis [11.35395323124404]
  生存分析は、経済学、工学、医療など様々な分野において重要な役割を担っている。 本稿では,従来の分布仮定を使わずに,高品質な単文PDFを作成できる新しい生存回帰手法を提案する。
  論文  参考訳（メタデータ） (2024-09-10T04:29:59Z)
• Penalized Generative Variable Selection [5.827768844489063]
  条件付きワッサーシュタイン生成共振器ネットワークを用いたモデリング・推定について検討する。 グループラッソのペナリゼーションは、モデル推定/予測、解釈可能性、安定性などを改善する変数選択に適用される。
  論文  参考訳（メタデータ） (2024-02-26T15:35:10Z)
• SAVAE: Leveraging the variational Bayes autoencoder for survival analysis [10.0060346233449]
  SAVAE(Survival Analysis Variational Autoencoder)は,変分オートエンコーダに基づく新しい手法である。 サボエは、生存分析のための調整されたELBOの定式化を導入することにより、この分野に大きく貢献する。 様々な測定値に対して一貫して優れた性能を発揮し、異なる実験を通して頑健さと安定性を実証する一般的な方法を提供する。
  論文  参考訳（メタデータ） (2023-12-22T12:36:50Z)
• Selective Nonparametric Regression via Testing [54.20569354303575]
  本研究では,所定の点における条件分散の値に関する仮説を検証し,留置手順を開発する。 既存の手法とは異なり、提案手法は分散自体の値だけでなく、対応する分散予測器の不確実性についても考慮することができる。
  論文  参考訳（メタデータ） (2023-09-28T13:04:11Z)
• Variational Voxel Pseudo Image Tracking [127.46919555100543]
  不確実性推定は、ロボット工学や自律運転といった重要な問題にとって重要なタスクである。 本稿では,3次元物体追跡のためのVoxel Pseudo Image Tracking (VPIT) の変分ニューラルネットワークによるバージョンを提案する。
  論文  参考訳（メタデータ） (2023-02-12T13:34:50Z)
• Regularizing Variational Autoencoder with Diversity and Uncertainty Awareness [61.827054365139645]
  変分オートエンコーダ(VAE)は、償却変分推論に基づいて潜伏変数の後部を近似する。 よりディバースで不確実な潜在空間を学習するための代替モデルDU-VAEを提案する。
  論文  参考訳（メタデータ） (2021-10-24T07:58:13Z)
• Variance Minimization in the Wasserstein Space for Invariant Causal Prediction [72.13445677280792]
  そこで本研究では,ICPで行ったアプローチを,予測器数で線形にスケールする一連の非パラメトリックテストとして再検討する。 これらのテストはそれぞれ、最適輸送理論の道具から導かれる新しい損失関数の最小化に依存している。 我々は,本手法が同定可能な直接原因の集合を回復できるという軽微な仮定の下で証明し,他のベンチマーク因果探索アルゴリズムと競合することを示す。
  論文  参考訳（メタデータ） (2021-10-13T22:30:47Z)
• Latent Causal Invariant Model [128.7508609492542]
  現在の教師付き学習は、データ適合プロセス中に急激な相関を学習することができる。 因果予測を求める潜在因果不変モデル(LaCIM)を提案する。
  論文  参考訳（メタデータ） (2020-11-04T10:00:27Z)
• Probabilistic Time Series Forecasting with Structured Shape and Temporal Diversity [35.56938057804765]
  形状と時間的特徴に基づく構造的多様性を表現するためのSTRIPEモデルを提案する。 STRIPEは、最高のサンプル予測において最先端の確率予測手法より優れている。
  論文  参考訳（メタデータ） (2020-10-14T18:31:43Z)
• Variational Learning of Individual Survival Distributions [21.40142425105635]
  本稿では,分散学習技術とディープニューラルネットワークの最近の進歩を基盤として,変分生存推定(VSI)と呼ばれる変動時間対イベント予測モデルを提案する。 提案手法の有効性を検証するため, 合成および実世界の両方のデータセットに対する広範な実験を行い, 競合するソリューションと比較して性能が向上したことを示す。
  論文  参考訳（メタデータ） (2020-03-09T22:09:51Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。