論文の概要: C-kNN-LSH: A Nearest-Neighbor Algorithm for Sequential Counterfactual Inference

• arxiv url: http://arxiv.org/abs/2602.02371v1
• Date: Mon, 02 Feb 2026 17:35:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:34.32789
• Title: C-kNN-LSH: A Nearest-Neighbor Algorithm for Sequential Counterfactual Inference
• Title（参考訳）: C-kNN-LSH: 逐次対数推論のための最近近傍アルゴリズム
• Abstract要約: 経時的軌跡から因果効果を推定することは、複雑な状態の進行の理解の中心である。 シーケンシャル因果推論のための最寄りのフレームワークであるemphC-kNN-LSHを紹介する。
• 参考スコア（独自算出の注目度）: 18.510457926165373
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Estimating causal effects from longitudinal trajectories is central to understanding the progression of complex conditions and optimizing clinical decision-making, such as comorbidities and long COVID recovery. We introduce \emph{C-kNN--LSH}, a nearest-neighbor framework for sequential causal inference designed to handle such high-dimensional, confounded situations. By utilizing locality-sensitive hashing, we efficiently identify ``clinical twins'' with similar covariate histories, enabling local estimation of conditional treatment effects across evolving disease states. To mitigate bias from irregular sampling and shifting patient recovery profiles, we integrate neighborhood estimator with a doubly-robust correction. Theoretical analysis guarantees our estimator is consistent and second-order robust to nuisance error. Evaluated on a real-world Long COVID cohort with 13,511 participants, \emph{C-kNN-LSH} demonstrates superior performance in capturing recovery heterogeneity and estimating policy values compared to existing baselines.
• Abstract（参考訳）: 経年的軌跡から因果関係を推定することは、複雑な状態の進行を理解し、合併症や長期のCOVID-19回復などの臨床的意思決定を最適化するために重要である。 我々は,このような高次元的,整合した状況を扱うために設計されたシーケンシャルな因果推論のための最寄りのフレームワークである 'emph{C-kNN--LSH} を紹介する。 局所性に敏感なハッシュを用いて, 類似した共変量履歴を持つ'clinical twins''を効率よく同定し, 進行する疾患状態における条件付き治療効果の局所的評価を可能にした。 不規則なサンプリングから患者回復プロファイルのシフトへのバイアスを軽減するため、近隣推定器を2倍のロスト補正と統合する。 理論的解析により、推定器は一貫性があり、二階目はニュアンス誤差に対して頑健である。 13,511人の参加者を擁する現実世界のLong COVIDコホートで評価したところ、emph{C-kNN-LSH} は、回復不均一性を捕捉し、既存のベースラインと比較してポリシー値を推定する上で優れた性能を示した。

関連論文リスト

• A Unified Causal Inference Framework for the Desirability of Outcome Ranking Paradigm in Benefit-Risk Evaluation [4.180783670528547]
  このフレームワークは,2つの治療戦略の下での限界順序分布の双線形関数としてDOOR確率を表現している。 点推定シミュレーションは、G計算、正規化逆確率重み付け(IPW)、拡張IPW(AIPW)、ターゲット最大推定(TMLE)を比較した。 CVTMLE-SLは, DOORスケールバイアス, 基礎となる順序分布の回復, 標準エラー精度, 信頼区間カバレッジにおいて, 最強の総合的性能を示した。
  論文  参考訳（メタデータ） (2026-08-05T14:57:06Z)
• Uncertainty-Guided LLM Semantic Augmentation for Heterogeneous Treatment Effect Estimation [9.269164572474216]
  不均一な治療効果を推定することは、パーソナライズされたプロモーションや精密な医療など、標的となる介入の中心である。 本研究では, 条件付き平均治療効果 (CATE) に着目した。 提案するCURL(Causal Uncertainty-Guided Representation Learning)は,推定器の不確実性を利用して,事前学習した意味能力を局所不安定単位に割り当てるプラグインアダプタである。
  論文  参考訳（メタデータ） (2026-07-29T08:20:17Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• Robust Regression with Adaptive Contamination in Response: Optimal Rates and Computational Barriers [65.58071581164043]
  本研究では, 共変剤を清潔にし, 応答を適応的に劣化させる汚染モデルの下で, 頑健な回帰について検討する。 本研究では,ハマー汚染下で達成可能なものよりも優れた推定率を持つ推定器を構築するために,追加情報を慎重に活用できることを示す。 情報理論の観点からは、ハマーモデルよりも改善されているにもかかわらず、この問題が強い情報計算ギャップを示すという公式な証拠を提供する。
  論文  参考訳（メタデータ） (2026-04-05T19:07:24Z)
• Conditional Counterfactual Mean Embeddings: Doubly Robust Estimation and Learning Rates [0.0]
  実測結果の条件分布をヒルベルト空間(RKHS)に埋め込む枠組みを提案する。 本フレームワークでは,RKHS値の回帰を考慮したCCME用2段階メタ推定器を開発した。 本実験は,条件付き対実分布のマルチモーダル構造を含む分布特性を精度良く再現できることを実証する。
  論文  参考訳（メタデータ） (2026-02-04T16:40:29Z)
• Direct Doubly Robust Estimation of Conditional Quantile Contrasts [8.035129168712334]
  条件量子コンパレータ(CQC)は条件量子処理効果(CQTE)に類似した条件量子レベルの要約を提供する 電流推定は、まず条件付き累積分布関数の差を推定し、逆推定する必要性によって制限される。 我々はCQCの最初の直接推定器を提案し、明示的なモデリングとパラメータ化を可能にした。
  論文  参考訳（メタデータ） (2026-01-27T14:46:25Z)
• Learning Causality for Longitudinal Data [1.2691047660244335]
  この論文は、高次元の時間変化データにおける因果推論と因果表現学習の手法を開発する。 最初のコントリビューションは、個別処理効果(ITE)を推定するモデルであるCDVAE(Causal Dynamic Variational Autoencoder)の導入である。 第2のコントリビューションでは,Contrastive Predictive Coding (CPC) とInfoMaxによって強化された RNN に基づく長期的反事実回帰のための効率的なフレームワークを提案する。 第3のコントリビューションは、潜伏が観察された変数にどのように現れるかに対処することでCRLを前進させる。
  論文  参考訳（メタデータ） (2025-12-04T16:51:49Z)
• Learning bounds for doubly-robust covariate shift adaptation [8.24901041136559]
  トレーニングドメインとテストドメイン間の分散シフトは、マシンラーニングにとって重要な課題である。 Doubly-robust (DR) 推定器は、密度比推定とパイロット回帰モデルを組み合わせる。 本稿では,DR推定器の非漸近学習境界を初めて確立する。
  論文  参考訳（メタデータ） (2025-11-14T06:46:23Z)
• Revisiting Zeroth-Order Optimization: Minimum-Variance Two-Point Estimators and Directionally Aligned Perturbations [57.179679246370114]
  乱摂動の分布は, 摂動段差がゼロになる傾向にあるため, 推定子の分散を最小限に抑える。 以上の結果から, 一定の長さを維持するのではなく, 真の勾配に方向を合わせることが可能であることが示唆された。
  論文  参考訳（メタデータ） (2025-10-22T19:06:39Z)
• A Hybrid Enumeration Framework for Optimal Counterfactual Generation in Post-Acute COVID-19 Heart Failure [1.9794615806637272]
  本稿では,個別化リスク推定と介入分析のための非現実的推論フレームワークを提案する。 このフレームワークは、厳密な列挙と最適化に基づく手法(NICE(Nearest Instance Counterfactual Explanations)やMOC(Multi-Objective Counterfactuals)アルゴリズムなど)を組み合わせる。
  論文  参考訳（メタデータ） (2025-10-21T17:35:12Z)
• CausalKANs: interpretable treatment effect estimation with Kolmogorov-Arnold networks [42.852654951995426]
  causalKANsは、条件付き平均治療効果(CATE)の神経推定器をコルモゴロフ-アルノルドネットワーク(KAN)に変換するフレームワークである。 プルーニングと記号の単純化を取り入れることで、コーサルカンは予測精度を保ちながら解釈可能な閉形式式を得る。
  論文  参考訳（メタデータ） (2025-09-26T15:16:06Z)
• Classifying Clinical Outcome of Epilepsy Patients with Ictal Chirp Embeddings [0.23020018305241333]
  本研究では,t-Distributed Neighbor Embedding (t-SNE) を利用して,様々な結果シナリオにおけるチャープ特徴の解釈可能な可視化を行うパイプラインを提案する。 データセットは、チャープベースの時間、スペクトル、周波数メトリクスから構成される。 t-SNEを用いて,群集問題に対処しながら地域住民関係を保存した。
  論文  参考訳（メタデータ） (2025-08-19T03:14:41Z)
• In-Context Parametric Inference: Point or Distribution Estimators? [66.22308335324239]
  償却点推定器は一般に後部推論より優れているが、後者は低次元問題では競争力がある。 実験の結果, 償却点推定器は一般に後部推定より優れているが, 後者は低次元問題では競争力があることがわかった。
  論文  参考訳（メタデータ） (2025-02-17T10:00:24Z)
• A Partial Initialization Strategy to Mitigate the Overfitting Problem in CATE Estimation with Hidden Confounding [44.874826691991565]
  観察データから条件平均治療効果(CATE)を推定することは、電子商取引、医療、経済などの分野において重要な役割を果たす。 既存の研究は主に、隠れた共同設立者がいないという強い無知の仮定に依存している。 ランダム化制御試験 (RCT) から収集されたデータは、共起に苦しむことはないが、通常は小さなサンプルサイズによって制限される。
  論文  参考訳（メタデータ） (2025-01-15T15:58:16Z)
• Doubly Robust Proximal Causal Learning for Continuous Treatments [56.05592840537398]
  本稿では,カーネルベースの2倍頑健な因果学習推定器を提案する。 オラクル形式は影響関数の一貫した近似であることを示す。 次に、平均二乗誤差の観点から総合収束解析を行う。
  論文  参考訳（メタデータ） (2023-09-22T12:18:53Z)
• L-C2ST: Local Diagnostics for Posterior Approximations in Simulation-Based Inference [63.22081662149488]
  L-C2STは、任意の観測で後部推定器の局所的な評価を可能にする。 理論上は根拠があり容易に解釈できる。 標準的なSBIベンチマークでは、L-C2STはC2STに匹敵する結果を提供し、代替のローカルアプローチより優れている。
  論文  参考訳（メタデータ） (2023-06-06T10:53:26Z)
• Cross-Site Severity Assessment of COVID-19 from CT Images via Domain Adaptation [64.59521853145368]
  CT画像によるコロナウイルス病2019(COVID-19)の早期かつ正確な重症度評価は,集中治療単位のイベント推定に有効である。 ラベル付きデータを拡張し、分類モデルの一般化能力を向上させるためには、複数のサイトからデータを集約する必要がある。 この課題は、軽度の感染症と重度の感染症の集団不均衡、部位間のドメイン分布の相違、不均一な特徴の存在など、いくつかの課題に直面する。
  論文  参考訳（メタデータ） (2021-09-08T07:56:51Z)
• Doubly Robust Off-Policy Actor-Critic: Convergence and Optimality [131.45028999325797]
  ディスカウント型MDPのための2倍堅牢なオフポリチックAC(DR-Off-PAC)を開発した。 DR-Off-PACは、俳優と批評家の両方が一定のステップで同時に更新される単一のタイムスケール構造を採用しています。 有限時間収束速度を研究し, dr-off-pac のサンプル複雑性を特徴とし, $epsilon$-accurate optimal policy を得る。
  論文  参考訳（メタデータ） (2021-02-23T18:56:13Z)

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。