論文の概要: Targeted Synthetic Control Method

• arxiv url: http://arxiv.org/abs/2602.04611v1
• Date: Wed, 04 Feb 2026 14:38:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.574212
• Title: Targeted Synthetic Control Method
• Title（参考訳）: ターゲット型合成制御法
• Abstract要約: そこで本研究では, 対象合成制御 (TSC) 手法を導入し, 対実結果を直接推定する2段階推定手法を提案する。 TSCは柔軟で、任意の機械学習モデルでインスタンス化できる。
• 参考スコア（独自算出の注目度）: 46.581034704333746
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The synthetic control method (SCM) estimates causal effects in panel data with a single-treated unit by constructing a counterfactual outcome as a weighted combination of untreated control units that matches the pre-treatment trajectory. In this paper, we introduce the targeted synthetic control (TSC) method, a new two-stage estimator that directly estimates the counterfactual outcome. Specifically, our TSC method (1) yields a targeted debiasing estimator, in the sense that the targeted updating refines the initial weights to produce more stable weights; and (2) ensures that the final counterfactual estimation is a convex combination of observed control outcomes to enable direct interpretation of the synthetic control weights. TSC is flexible and can be instantiated with arbitrary machine learning models. Methodologically, TSC starts from an initial set of synthetic-control weights via a one-dimensional targeted update through the weight-tilting submodel, which calibrates the weights to reduce bias of weights estimation arising from pre-treatment fit. Furthermore, TSC avoids key shortcomings of existing methods (e.g., the augmented SCM), which can produce unbounded counterfactual estimates. Across extensive synthetic and real-world experiments, TSC consistently improves estimation accuracy over state-of-the-art SCM baselines.
• Abstract（参考訳）: 本発明の合成制御方法(SCM)は、前処理軌跡に一致する未処理制御ユニットの重み付け結合として、反ファクト結果を構成することにより、単処理単位によるパネルデータの因果効果を推定する。 本稿では,新たな2段階推定器であるTSC法を提案する。 具体的には, 本手法は, 目標更新が初期重みを改良し, より安定な重みを発生させるという意味で, 目標偏り推定器を出力し, 最終反事実推定が観測結果の凸結合であり, 合成制御重みの直接解釈を可能にすることを保証している。 TSCは柔軟で、任意の機械学習モデルでインスタンス化できる。 メソジカルに言えば、TSCは1次元の目標更新を通じて初期合成制御重量のセットから始まり、重みを調整し、前処理の適合による重み推定のバイアスを減らす。 さらに、TSCは既存の手法(例えば拡張SCM)の重要な欠点を回避し、非有界な反事実推定を生成する。 広範囲にわたる合成および実世界の実験において、TSCは最先端のSCMベースラインに対する推定精度を一貫して改善する。

関連論文リスト

• IADD-TR: Intervention-Aware Dynamics Decoupling with Targeted Regularization for Model-Based Reinforcement Learning [57.16513298507272]
  IADD-TRは、IADD(Intervention-Aware Dynamics Decoupling)とTR(Targeted Regularization)を組み合わせた統合フレームワークである。 IADDは、ゼロアクションアンカーを用いて、アクション干渉段階とアクションフリー自然進化段階への遷移を分解し、堅牢な一般化のためにこの2段階の分解の非特異性を解決する。 政策学習においては,リプレイ状態の政策段階関数の効率的な影響関数からTRを導出する。
  論文  参考訳（メタデータ） (2026-08-11T08:20:02Z)
• PLS-Calib: A Partial Least Squares Framework for Event Camera and Odometry Calibration under Ground Motion Constraints [27.568640844773338]
  既存のキャリブレーション技術のほとんどは、あらゆる自由度をエキサイティングするために6-DoFのフル動作に依存している。 PLS-Calib という新しい回転校正フレームワークを提案する。 我々は,最先端手法に比べてキャリブレーションの堅牢性と精度が著しく向上したことを示す。
  論文  参考訳（メタデータ） (2026-08-04T08:07:07Z)
• Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
  本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。 画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
  論文  参考訳（メタデータ） (2026-07-29T05:16:59Z)
• MEC-Cox: Machine-Learning-Assisted Generalized Entropy Calibration for ATT Marginal Hazard-Ratio Estimation [1.2425910171551517]
  平均治療効果(ATT)型辺縁ハザード比推定を対象とする。 逆確率重み付き(IPW)コックス回帰を用いて推定する。 IPW Coxレグレッションは、イベントコントリビューションとリスクセット平均の両方を通じて重みに依存するため、検証は困難である。
  論文  参考訳（メタデータ） (2026-06-06T19:24:12Z)
• A Generalized Synthetic Control Method for Baseline Estimation in Demand Response Services [1.2891210250935148]
  本稿では,古典的合成制御法(SCM)に基づく一般化合成制御法を提案する。 我々は,ベースライン推定を動的対実予測問題に変換する一般化されたSCMフレームワークを開発した。 Ausgridスマートメーターデータセットの実験では、古典的なSCMや強力なベンチマーク手法よりも一貫した改善が見られた。
  論文  参考訳（メタデータ） (2026-04-20T16:21:33Z)
• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Dynamic Symmetric Point Tracking: Tackling Non-ideal Reference in Analog In-memory Training [46.75046795995564]
  本稿では,SPキャリブレーションのパルス複雑度と推定誤差の最初の理論的特徴について述べる。 本研究では,モデルトレーニング中にSPを追跡する動的SP推定法を提案し,その収束保証を確立する。
  論文  参考訳（メタデータ） (2026-02-24T19:41:34Z)
• From Evaluation to Design: Using Potential Energy Surface Smoothness Metrics to Guide Machine Learning Interatomic Potential Architectures [12.68400434984463]
  MLIPは量子ポテンシャルエネルギー表面の物理的滑らかさを再現することができない。 マイクロカノニカル分子動力学のような既存の評価は計算に高価であり、主に近平衡状態を研究する。 MLIPの評価基準を改善するためにBSCT(Band Smoothness Characterization Test)を導入する。
  論文  参考訳（メタデータ） (2026-02-04T18:50:10Z)
• Efficiently Learning Synthetic Control Models for High-dimensional Disaggregated Data [6.075160426378313]
  合成制御法は因果効果を推定するための貴重なツールとなっている。 最近、複数の処理単位を持つ高次元非凝集状態における応用を見出した。 本稿では,多変数平方根ラッソ法を合成制御フレームワークに統合する新しい手法を提案する。
  論文  参考訳（メタデータ） (2025-10-26T20:43:52Z)
• MaP: A Unified Framework for Reliable Evaluation of Pre-training Dynamics [72.00014675808228]
  大規模言語モデルの不安定性評価プロセスは、真の学習力学を曖昧にする。 textbfMaPは、アンダーラインMergingアンダーラインとアンダーラインPass@kメトリックを統合するフレームワークです。 実験により、MaPはよりスムーズな性能曲線を示し、ラン間分散を低減し、より一貫性のあるランキングを保証する。
  論文  参考訳（メタデータ） (2025-10-10T11:40:27Z)
• Outlier-aware Tensor Robust Principal Component Analysis with Self-guided Data Augmentation [21.981038455329013]
  適応重み付けを用いた自己誘導型データ拡張手法を提案する。 本研究では,最先端手法と比較して精度と計算効率の両面での改善を示す。
  論文  参考訳（メタデータ） (2025-04-25T13:03:35Z)
• RoSTE: An Efficient Quantization-Aware Supervised Fine-Tuning Approach for Large Language Models [53.571195477043496]
  本稿では,RoSTE (Rotated Straight-Through-Estimator) というアルゴリズムを提案する。 RoSTEは、量子化を意識した微調整(QA-SFT)と適応的な回転戦略を組み合わせることで、アクティベーションアウトリーを減少させる。 その結果, 予測誤差は収束重みの量子化誤差と直接比例し, 最適化された回転構成により効果的に管理できることが判明した。
  論文  参考訳（メタデータ） (2025-02-13T06:44:33Z)
• Prior Constraints-based Reward Model Training for Aligning Large Language Models [58.33118716810208]
  本稿では,この問題を解決するために,事前制約に基づくリワードモデル(PCRM)のトレーニング手法を提案する。 PCRMは、前回の制約、特に各比較ペアの出力間の長さ比とコサイン類似性を、最適化の規模を調節しスコアマージンを制御するための報酬モデルトレーニングに組み入れている。 実験結果から,PCRMは報酬スコアのスケーリングを効果的に抑制することによりアライメント性能を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-04-01T07:49:11Z)
• Asymptotically Unbiased Synthetic Control Methods by Moment Matching [5.457279006229211]
  シンセティック・コントロール・メソッド(SCM)は、比較ケーススタディの基本的なツールとなっている。 本研究では,既存のSCMにおける重要な内在性問題,すなわち未処理単位の結果と合成制御の誤差項との相関を明らかにする。 本稿では,未処理単位の分布の重み付け混合により処理単位の結果分布を近似できると仮定して,モーメントマッチングに基づく新しいSCMを提案する。
  論文  参考訳（メタデータ） (2023-07-20T15:52:22Z)
• Improving Covariance Conditioning of the SVD Meta-layer by Orthogonality [65.67315418971688]
  最寄り直交勾配(NOG)と最適学習率(OLR)を提案する。 視覚認識実験は,共分散条件と一般化を同時に改善できることを実証した。
  論文  参考訳（メタデータ） (2022-07-05T15:39:29Z)
• Gaussian Process-based Min-norm Stabilizing Controller for Control-Affine Systems with Uncertain Input Effects and Dynamics [90.81186513537777]
  本稿では,この問題の制御・アフィン特性を捉えた新しい化合物カーネルを提案する。 この結果の最適化問題は凸であることを示し、ガウス過程に基づく制御リャプノフ関数第二次コーンプログラム(GP-CLF-SOCP)と呼ぶ。
  論文  参考訳（メタデータ） (2020-11-14T01:27:32Z)

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。