Fugu-MT 論文翻訳(概要): Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction

論文の概要: Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction

arxiv url: http://arxiv.org/abs/2507.14641v1
Date: Sat, 19 Jul 2025 14:35:51 GMT
ステータス: 翻訳完了
システム内更新日: 2025-07-22 20:51:31.982282
Title: Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction
Title（参考訳）: 多変量応答予測のためのコプラに基づく活性化関数を用いた深層学習に基づく生存分析
Authors: Jong-Min Kim, Il Do Ha, Sangjin Kim,
Abstract要約: この研究は、ディープラーニング、コプラ関数、生存分析を統合している。このようなデータに固有の非線形依存をモデル化するために、コプラに基づくアクティベーション関数を導入する。提案するCNN-LSTMは, 右官能データに明示的に対応し, 複雑なパターンを捉えることにより, 予測精度を向上させる。
参考スコア（独自算出の注目度）: 0.7087571536842716
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This research integrates deep learning, copula functions, and survival analysis to effectively handle highly correlated and right-censored multivariate survival data. It introduces copula-based activation functions (Clayton, Gumbel, and their combinations) to model the nonlinear dependencies inherent in such data. Through simulation studies and analysis of real breast cancer data, our proposed CNN-LSTM with copula-based activation functions for multivariate multi-types of survival responses enhances prediction accuracy by explicitly addressing right-censored data and capturing complex patterns. The model's performance is evaluated using Shewhart control charts, focusing on the average run length (ARL).
Abstract（参考訳）: 本研究は, 深層学習, コプラ関数, 生存分析を統合し, 高度に相関し, 直交した多変量生存データを効果的に処理する。コーパスに基づくアクティベーション関数(クレイトン、ガンベル、およびそれらの組み合わせ)を導入し、そのようなデータに固有の非線形依存をモデル化する。今回提案したCNN-LSTMは, 乳がんデータのシミュレーションと解析を通じて, 多変量多変量生存応答のコプラに基づく活性化機能により, 右室データに明示的に対応し, 複雑なパターンを捉えることにより, 予測精度を向上する。モデルの性能は,平均走行距離(ARL)に着目し,Shewhart制御チャートを用いて評価する。

関連論文リスト

Contrastive and Variational Approaches in Self-Supervised Learning for Complex Data Mining [36.772769830368475]
本研究では,複雑なデータマイニングにおける自己教師あり学習手法の役割を,系統的な実験を通して分析した。その結果, モデルが異なるデータセットに対して高い適応性を示し, ラベルのないデータから高品質な特徴を効果的に抽出し, 分類精度を向上させることができた。
論文参考訳（メタデータ） (2025-04-05T02:55:44Z)
Self-Consistent Equation-guided Neural Networks for Censored Time-to-Event Data [11.550402345767141]
本稿では,自己整合方程式を利用した生成逆数ネットワークを用いた条件付き生存関数の非パラメトリック推定手法を提案する。提案手法はモデルフリーであり,条件付き生存関数の構造に関するパラメトリックな仮定は不要である。
論文参考訳（メタデータ） (2025-03-12T06:24:35Z)
Exploring the Efficacy of Meta-Learning: Unveiling Superior Data Diversity Utilization of MAML Over Pre-training [1.3980986259786223]
データセットの多様性が視覚モデルの性能に影響を及ぼすことを示す。本研究は,テストセットの精度とデータの多様性との間に正の相関関係を示す。これらの結果は我々の仮説を支持し、形式的なデータの多様性がモデルの性能にどのように影響するかをより深く探究するための有望な方法を示す。
論文参考訳（メタデータ） (2025-01-15T00:56:59Z)
Learning Massive-scale Partial Correlation Networks in Clinical Multi-omics Studies with HP-ACCORD [10.459304300065186]
マルチオミクスデータ解析のための新しい擬似類似性に基づくグラフィカル・モデル・フレームワークを提案する。提案した推定器は,高次元仮定下での様々な指標における推定と選択の整合性を維持する。最大100万変数のシミュレーションデータを用いて,本フレームワークの高性能コンピューティング実装を検証した。
論文参考訳（メタデータ） (2024-12-16T08:38:02Z)
Structured Radial Basis Function Network: Modelling Diversity for Multiple Hypotheses Prediction [51.82628081279621]
多重モード回帰は非定常過程の予測や分布の複雑な混合において重要である。構造的放射基底関数ネットワークは回帰問題に対する複数の仮説予測器のアンサンブルとして提示される。この構造モデルにより, このテッセルレーションを効率よく補間し, 複数の仮説対象分布を近似することが可能であることが証明された。
論文参考訳（メタデータ） (2023-09-02T01:27:53Z)
Robust Learning with Progressive Data Expansion Against Spurious Correlation [65.83104529677234]
本研究では,2層非線形畳み込みニューラルネットワークの学習過程について検討した。分析の結果,不均衡なデータ群と学習容易なスプリアス特徴が学習過程におけるスプリアス特徴の優位性に繋がる可能性が示唆された。本稿では,PDEと呼ばれる新たなトレーニングアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-06-08T05:44:06Z)
Understanding Augmentation-based Self-Supervised Representation Learning via RKHS Approximation and Regression [53.15502562048627]
最近の研究は、自己教師付き学習とグラフラプラシアン作用素のトップ固有空間の近似との関係を構築している。この研究は、増強に基づく事前訓練の統計的分析に発展する。
論文参考訳（メタデータ） (2023-06-01T15:18:55Z)
Offline Reinforcement Learning with Differentiable Function Approximation is Provably Efficient [65.08966446962845]
歴史的データを用いて意思決定戦略を最適化することを目的としたオフライン強化学習は、現実の応用に広く適用されている。微分関数クラス近似(DFA)を用いたオフライン強化学習の検討から一歩踏み出した。最も重要なことは、悲観的な適合Q-ラーニングアルゴリズムを解析することにより、オフライン微分関数近似が有効であることを示すことである。
論文参考訳（メタデータ） (2022-10-03T07:59:42Z)
Deep Representational Similarity Learning for analyzing neural signatures in task-based fMRI dataset [81.02949933048332]
本稿では、表現類似度分析(RSA)の深部拡張であるDRSL(Deep Representational similarity Learning)を開発する。 DRSLは、多数の被験者を持つfMRIデータセットにおける様々な認知タスク間の類似性を分析するのに適している。
論文参考訳（メタデータ） (2020-09-28T18:30:14Z)
Out-of-distribution Generalization via Partial Feature Decorrelation [72.96261704851683]
本稿では,特徴分解ネットワークと対象画像分類モデルとを協調的に最適化する,PFDL(Partial Feature Deorrelation Learning)アルゴリズムを提案する。実世界のデータセットを用いた実験により,OOD画像分類データセットにおけるバックボーンモデルの精度が向上することを示した。
論文参考訳（メタデータ） (2020-07-30T05:48:48Z)
Deep Learning with Functional Inputs [0.0]
本稿では,機能データをフィードフォワードニューラルネットワークに統合する手法を提案する。この手法の副産物は、最適化プロセス中に可視化できる動的な機能的重みの集合である。このモデルは、新しいデータの予測や真の機能的重みの回復など、多くの文脈でうまく機能することが示されている。
論文参考訳（メタデータ） (2020-06-17T01:23:00Z)
Modeling Shared Responses in Neuroimaging Studies through MultiView ICA [94.31804763196116]
被験者の大規模なコホートを含むグループ研究は、脳機能組織に関する一般的な結論を引き出す上で重要である。グループ研究のための新しい多視点独立成分分析モデルを提案し、各被験者のデータを共有独立音源と雑音の線形結合としてモデル化する。まず、fMRIデータを用いて、被験者間の共通音源の同定における感度の向上を示す。
論文参考訳（メタデータ） (2020-06-11T17:29:53Z)

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。