論文の概要: Dynamic Prediction of Alternating Recurrent Events via Neural Network

• arxiv url: http://arxiv.org/abs/2606.30889v1
• Date: Mon, 29 Jun 2026 20:24:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-01 18:27:18.997333
• Title: Dynamic Prediction of Alternating Recurrent Events via Neural Network
• Title（参考訳）: ニューラルネットワークによるリカレント事象の動的予測
• Authors: Abigail Loe, Susan Murry, Zhenke Wu,
• Abstract要約: 本稿では,連続するイベントの予測に適したオンライン予測フレームワークを開発する。 本研究は, シミュレーションにおける優れた性能を示すとともに, 初年の医療従事者に対する低気分の予測に際し優れた能力を示す。
• 参考スコア（独自算出の注目度）: 2.5574009994099196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alternating recurrent events -- event-times of a specific nature that trigger a secondary refractory period -- occur in a wide-range of fields, including behavioral science, criminal justice, and biostatistics. Analysis of these events requires careful attention to the statistical nuance, including correlated observations and repeated outcomes subject to potential censoring. We develop an online dynamic prediction framework appropriate for predicting subsequent alternating recurrent events, by developing neural network theory for a statistical audiences and applying inverse probability weighted pseudo-observations. The proposed model is applied to dynamically predict alternating recurrent event-free time, showing good performance in simulation, and outstanding capability in application to predicting periods of low mood for first-year medical residents. We close with a discussion.
• Abstract（参考訳）: 二次屈折期を誘発する特定の性質の事象が、行動科学、刑事司法、生統計学など幅広い分野で発生する。 これらの事象の分析には統計的ニュアンスに注意が必要である。 統計的観衆のためのニューラルネットワーク理論を開発し、逆確率重み付き擬似観測を適用して、その後の繰り返し事象を予測するのに適したオンライン動的予測フレームワークを開発する。 提案手法は, 連続するイベントフリー時間を動的に予測し, シミュレーションにおける優れた性能を示し, 初年度医療従事者の低ムード期間の予測に有効であることを示す。 私たちは議論を締めくくった。

関連論文リスト

• Probabilistic Prediction of Neural Dynamics via Autoregressive Flow Matching [1.8305771342813424]
  自己回帰フローマッチング(AFM)に基づくニューラルダイナミクスのモデリングのための生成予測フレームワークを提案する。 我々は、過去のニューラルダイナミクスと同時感覚入力が与える未来のニューラルアクティビティの条件分布を学習し、時間的に進化するプロセスとして、明示的にニューラルアクティビティをモデル化する。 AFMは、非自己回帰型フローマッチングベースラインと、短期的パーセル単位の血中酸素濃度依存性(BOLD)活性を予測するための公式な一般線形モデルベースラインの両方において、著しく優れている。
  論文  参考訳（メタデータ） (2026-04-13T08:40:15Z)
• SurvSurf: a partially monotonic neural network for first-hitting time prediction of intermittently observed discrete and continuous sequential events [7.861592120016206]
  本稿では,ニューラルネットワークに基づくサバイバルモデル(SurvSurf)を提案する。 理論上、SurvSurfは逐次事象の累積入射関数の間の単調な関係に決して違反しないことを保証し、予測子からの非線形な影響を許容する。
  論文  参考訳（メタデータ） (2025-04-07T12:24:59Z)
• Deep State-Space Generative Model For Correlated Time-to-Event Predictions [54.3637600983898]
  そこで本研究では,様々な種類の臨床イベント間の相互作用を捉えるために,潜伏状態空間生成モデルを提案する。 また,死亡率と臓器不全の関連性について有意な知見が得られた。
  論文  参考訳（メタデータ） (2024-07-28T02:42:36Z)
• RNN-BOF: A Multivariate Global Recurrent Neural Network for Binary Outcome Forecasting of Inpatient Aggression [3.789219860006095]
  患者の将来リスクを時系列データから学習する時系列手法を用いてモデル化することを提案する。 我々は、83人の実世界の患者を対象とした移動窓トレーニングスキームを用いて、攻撃的な事象の存在を表すメインバイナリ時系列を表現している。
  論文  参考訳（メタデータ） (2023-12-02T04:42:22Z)
• Performative Time-Series Forecasting [64.03865043422597]
  我々は,機械学習の観点から,パフォーマンス時系列予測(PeTS)を定式化する。 本稿では,予測分布シフトに対する遅延応答の概念を活用する新しい手法であるFeature Performative-Shifting(FPS)を提案する。 新型コロナウイルスの複数の時系列モデルと交通予報タスクを用いた総合的な実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T18:34:29Z)
• Towards Out-of-Distribution Sequential Event Prediction: A Causal Treatment [72.50906475214457]
  シーケンシャルなイベント予測の目標は、一連の歴史的なイベントに基づいて次のイベントを見積もることである。 実際には、次のイベント予測モデルは、一度に収集されたシーケンシャルなデータで訓練される。 文脈固有の表現を学習するための階層的な分岐構造を持つフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-24T07:54:13Z)
• Bayesian Neural Hawkes Process for Event Uncertainty Prediction [0.2148535041822524]
  発生時刻を予測するモデルは、ソーシャルネットワーク、金融取引、ヘルスケア、人間の移動といった様々なアプリケーションにおいて重要な役割を果たす。 最近の研究は、イベントタイムをモデル化するためのニューラルネットワークベースのポイントプロセスを導入し、イベントタイムの予測に最先端のパフォーマンスを提供することを示した。 本稿では,ベイジアンモデルの不確実性モデリング能力とニューラルネットワークの一般化能力を利用する,新しい点過程モデルベイジアン・ニューラルホークス法を提案する。
  論文  参考訳（メタデータ） (2021-12-29T09:47:22Z)
• A Predictive Coding Account for Chaotic Itinerancy [68.8204255655161]
  予測符号化を実装したリカレントニューラルネットワークが,入力雑音の存在下でカオス的反復性に類似したニューラルトラジェクトリを生成する方法を示す。 本モデルを用いて,無作為かつ非依存なトラジェクタスイッチングトラジェクトリを生成する2つのシナリオを提案する。
  論文  参考訳（メタデータ） (2021-06-16T16:48:14Z)
• When in Doubt: Neural Non-Parametric Uncertainty Quantification for Epidemic Forecasting [70.54920804222031]
  既存の予測モデルは不確実な定量化を無視し、誤校正予測をもたらす。 不確実性を考慮した時系列予測のためのディープニューラルネットワークの最近の研究にもいくつかの制限がある。 本稿では,予測タスクを確率的生成過程としてモデル化し,EPIFNPと呼ばれる機能的ニューラルプロセスモデルを提案する。
  論文  参考訳（メタデータ） (2021-06-07T18:31:47Z)

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。