論文の概要: Relaxed Efficient Acquisition of Context and Temporal Features
- arxiv url: http://arxiv.org/abs/2603.11370v1
- Date: Wed, 11 Mar 2026 23:17:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-13 14:46:25.711469
- Title: Relaxed Efficient Acquisition of Context and Temporal Features
- Title（参考訳）: 文脈的特徴と時間的特徴の緩和的効率的な獲得
- Authors: Yunni Qu, Dzung Dinh, Grant King, Whitney Ringwald, Bing Cai Kok, Kathleen Gates, Aiden Wright, Junier Oliva,
- Abstract要約: 本稿では,コンテキスト記述子の選択と適応的特徴時間獲得計画の同時最適化を目的とした,エンドツーエンドの差別化可能なフレームワークを提案する。
ReACTは、既存の縦方向の取得ベースラインと比較して、取得コストの低減による予測性能の向上を実現する。
- 参考スコア（独自算出の注目度）: 5.219116196300703
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: In many biomedical applications, measurements are not freely available at inference time: each laboratory test, imaging modality, or assessment incurs financial cost, time burden, or patient risk. Longitudinal active feature acquisition (LAFA) seeks to optimize predictive performance under such constraints by adaptively selecting measurements over time, yet the problem remains inherently challenging due to temporally coupled decisions (missed early measurements cannot be revisited, and acquisition choices influence all downstream predictions). Moreover, real-world clinical workflows typically begin with an initial onboarding phase, during which relatively stable contextual descriptors (e.g., demographics or baseline characteristics) are collected once and subsequently condition longitudinal decision-making. Despite its practical importance, the efficient selection of onboarding context has not been studied jointly with temporally adaptive acquisition. We therefore propose REACT (Relaxed Efficient Acquisition of Context and Temporal features), an end-to-end differentiable framework that simultaneously optimizes (i) selection of onboarding contextual descriptors and (ii) adaptive feature--time acquisition plans for longitudinal measurements under cost constraints. REACT employs a Gumbel--Sigmoid relaxation with straight-through estimation to enable gradient-based optimization over discrete acquisition masks, allowing direct backpropagation from prediction loss and acquisition cost. Across real-world longitudinal health and behavioral datasets, REACT achieves improved predictive performance at lower acquisition costs compared to existing longitudinal acquisition baselines, demonstrating the benefit of modeling onboarding and temporally coupled acquisition within a unified optimization framework.
- Abstract（参考訳）: 多くのバイオメディカル・アプリケーションでは、各実験室の検査、画像のモダリティ、評価は金銭的コスト、時間的負担、患者のリスクを発生させる。
経時的能動特徴獲得(LAFA)は、時間とともに測定を適応的に選択することで、そのような制約下での予測性能を最適化しようとするが、時間的に結合した決定のため、問題は本質的には困難である(早期測定は再検討できず、獲得の選択は下流の予測に影響を及ぼす)。
さらに、現実の臨床ワークフローは、一般的に、比較的安定した文脈記述子(例えば、人口統計学や基準特性)が一度に収集され、その後に条件付き縦断的な意思決定が行われる初期オンボーディングフェーズから始まる。
その実用的重要性にもかかわらず、搭載状況の効率的な選択は時間適応的獲得と共同で研究されていない。
したがって、同時に最適化するエンドツーエンドの差別化可能なフレームワークであるREACT(Relaxed Efficient Acquisition of Context and Temporal Feature)を提案する。
一 オンボードの文脈記述子及び選択
(II) コスト制約下での縦断測定の適応的特徴時間取得計画。REACTは、Gumbel-Sigmoid緩和とストレートスルー推定を用いて、離散的な取得マスクの勾配に基づく最適化を実現し、予測損失と取得コストからの直接の逆伝播を可能にする。
実世界の縦断的健康と行動のデータセット全体にわたって、REACTは、既存の縦断的獲得ベースラインと比較して、取得コストの低減による予測性能の向上を実現し、統一最適化フレームワーク内のモデリングと時間的結合による獲得のメリットを実証している。
関連論文リスト
- Toward Global Intent Inference for Human Motion by Inverse Reinforcement Learning [6.111947905893469]
本稿では,1つの統合コスト関数が人間の到達動作を説明・予測できるかどうかを考察する。
最小観測逆強化学習(MO-IRL)アルゴリズムと7次元の候補コスト項を用いて,時間変動コスト重みを効率的に推定する。
総合的に,1つの主観的および姿勢に依存しない時間変動コスト関数を用いて,人間の到達軌道を高精度に予測する。
論文 参考訳（メタデータ） (2026-03-08T20:37:19Z) - Bi-Level Contextual Bandits for Individualized Resource Allocation under Delayed Feedback [3.0294344089697596]
本稿では,遅延フィードバック下での資源割り当てを個別化するための,新しい双方向コンテキスト帯域化フレームワークを提案する。
本研究は, 制度政策と社会福祉を改善するための遅延認識型意思決定システムの可能性を明らかにするものである。
論文 参考訳（メタデータ） (2025-11-13T18:09:08Z) - Beyond the ATE: Interpretable Modelling of Treatment Effects over Dose and Time [46.2482873419289]
本研究では, 治療効果トラジェクトリを線量および時間とともに滑らかな表面としてモデル化する枠組みを提案する。
本研究は, 臨床的に有意な特性の特定から, 軌道形状の推定を分離する。
本手法は, 処理力学の精度, 解釈可能, 編集可能なモデルを生成する。
論文 参考訳（メタデータ） (2025-07-09T20:33:33Z) - Active Test-time Vision-Language Navigation [60.69722522420299]
ATENAは、不確実なナビゲーション結果に対するエピソードフィードバックを通じて、実用的な人間とロボットのインタラクションを可能にする、テスト時のアクティブな学習フレームワークである。
特にATENAは、成功エピソードにおける確実性を高め、失敗エピソードにおいてそれを減らすことを学び、不確実性の校正を改善している。
さらに,自信ある予測に基づいて,エージェントがナビゲーション結果を評価することができる自己学習戦略を提案する。
論文 参考訳（メタデータ） (2025-06-07T02:24:44Z) - What Makes LLMs Effective Sequential Recommenders? A Study on Preference Intensity and Temporal Context [56.590259941275434]
RecPOは、シーケンシャルなレコメンデーションのための優先順位最適化フレームワークである。
これは、推定された嗜好階層と時間信号に基づいて適応的な報酬マージンを利用する。
タイムリーな満足感、コヒーレントな嗜好の維持、変化する状況下での識別の行使など、人間の意思決定の重要な特徴を反映している。
論文 参考訳（メタデータ） (2025-06-02T21:09:29Z) - Time-Series-Informed Closed-loop Learning for Sequential Decision Making and Control [0.0]
伝統的なベイズ最適化アプローチは、学習問題をブラックボックスとして扱い、基礎となる問題の構造に関する貴重な情報や知識を無視している。
本稿では,各実験エピソードの初期イテレーションから中間性能評価を学習手順に組み込んだ時系列インフォームド最適化フレームワークを提案する。
提案手法は, ほぼ半分の資源でベースライン性能を達成し, 最終的なクローズドループ性能においてベースライン性能より優れていることを示す。
論文 参考訳（メタデータ） (2024-12-03T12:38:53Z) - Structured Dynamic Pricing: Optimal Regret in a Global Shrinkage Model [50.06663781566795]
消費者の嗜好と価格感が時間とともに変化する動的モデルを考える。
我々は,モデルパラメータの順序を事前に把握している透視者と比較して,収益損失が予想される,後悔による動的価格政策の性能を計測する。
提案した政策の最適性を示すだけでなく,政策立案のためには,利用可能な構造情報を組み込むことが不可欠であることを示す。
論文 参考訳（メタデータ） (2023-03-28T00:23:23Z) - Policy Optimization for Personalized Interventions in Behavioral Health [8.10897203067601]
デジタルプラットフォームを通じて提供される行動的健康介入は、健康結果を大幅に改善する可能性がある。
患者に対するパーソナライズされた介入を最適化して長期的効果を最大化する問題について検討した。
患者システムの状態空間を個別のレベルに分解するDecompPIをダブする新しい手法を提案する。
論文 参考訳（メタデータ） (2023-03-21T21:42:03Z) - Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。
合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文 参考訳（メタデータ） (2023-02-23T18:57:14Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - Achieving Long-Term Fairness in Sequential Decision Making [9.046461405943502]
本稿では,長期的公正な意思決定を実現するための枠組みを提案する。
我々は,長期的公正度を測定するための定量的ツールとして,時間ラベル付き因果グラフに対する経路特異的な効果を考察した。
論文 参考訳（メタデータ） (2022-04-04T20:05:44Z)
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。