論文の概要: Doubly Robust Functional Representation Learning for Longitudinal Causal Inference with Irregular Histories

• arxiv url: http://arxiv.org/abs/2607.28567v1
• Date: Thu, 30 Jul 2026 17:33:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.692328
• Title: Doubly Robust Functional Representation Learning for Longitudinal Causal Inference with Irregular Histories
• Title（参考訳）: 不規則な歴史を持つ縦型因果推論のための二重ロバスト関数表現学習
• Authors: Mengfei Ran, Yifeng Shen, Ruijie Guan,
• Abstract要約: 本研究では,不規則な歴史を観測・歴史体制のための推定対象状態に変換するために,Douubly Robust Functional Representation Learning (DR-FRL)を提案する。 DR-FRLは、不規則な歴史を観測された歴史体制のための推定可能な状態に変える、クロスフィットなワークフローである。 VitalDBの監査によると、DR-FRLは不規則な実験室の点雲を使用でき、有用な負の発見を提供する。
• 参考スコア（独自算出の注目度）: 0.8870188183999853
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Longitudinal causal studies often record histories as irregular functional fragments: laboratory values, physiologic signals, sensor streams, and image-derived summaries measured at unequal and informative times. Standard doubly robust estimators usually require scalar summaries, whereas sequence learners optimize prediction losses that need not stabilize the efficient influence function. We propose Doubly Robust Functional Representation Learning (DR-FRL), a cross-fitted workflow that turns irregular histories into estimand-targeted states for observed-history regimes. Functional and temporal encoders map point clouds and prior histories into states; nuisance heads estimate outcome, treatment, and censoring functions; and EIF-targeted validation, calibration, overlap, tail, and ablation diagnostics assess whether the state supports the estimating equation. If the selected state preserves the nuisance information needed by the EIF, representation error enters the same second-order product remainder as ordinary nuisance error, and the mean estimator is asymptotically linear under explicit rate, overlap, calibration, and stability conditions. Catoni aggregation is treated separately as a bounded-influence point estimator, not a replacement for Wald inference. Simulations show gains when functional confounding is high-dimensional, measurement is informative, support is weak, or pseudo-outcomes are heavy-tailed. A VitalDB audit shows that DR-FRL can use irregular laboratory point clouds and deliver a useful negative finding: for this ICU-disposition endpoint, scalar laboratory summaries already carry much endpoint-relevant information.
• Abstract（参考訳）: 縦断的な因果関係の研究は、しばしばヒストリーを不規則な機能的断片として記録する:実験値、生理的信号、センサーストリーム、および不平等かつ情報的時間で測定された画像由来の要約である。 標準的な2倍頑健な推定器は通常スカラーサマリーを必要とするが、シーケンシャル学習器は効率的な影響関数を安定化する必要のない予測損失を最適化する。 本稿では,不規則な履歴を推定対象状態に変換するクロスフィットワークフローであるDouubly Robust Functional Representation Learning (DR-FRL)を提案する。 機能的および時間的エンコーダは、点雲と前史を状態にマッピングし、ニュアンスヘッドは結果、治療、検閲機能を推定し、EIFが目標とする検証、校正、重複、尾、アブレーション診断は、状態が推定方程式をサポートするかどうかを評価する。 選択された状態がEIFが必要とするニュアンス情報を保存する場合、表現誤差は通常のニュアンスエラーと同じ2階積残差に入り、平均推定器は明示的な速度、重複、校正、安定性条件の下で漸近的に線形となる。 カタニアグリゲーションは、ウォルド推論の代替ではなく、有界影響点推定器として別々に扱われる。 シミュレーションでは,機能的コンバウンディングが高次元であり,測定が情報であり,支援が弱く,擬似アウトカムが重くなっている場合の利得を示す。 VitalDBの監査によると、DR-FRLは不規則な実験室の点群を使用し、有用な負の発見を提供することができる。

関連論文リスト

• Graph Diffusion Residuals for Control-Function Instrumental Variables [82.39671985893028]
  高容量の第1段階は治療を補間し、結果方程式の残余情報はほとんど残らない。 フレキシブル制御機能のための決定論的グラフ拡散残差抽出器であるAdaptive Anisotropic Instrumental Heat Flow (A-IHF) について検討した。 A-IHFは、処理を第一段階の特徴のグラフ上の信号として扱い、パイロット拡散を用いて大きな処理ジャンプを検出し、それらのジャンプのコンダクタンスを減衰させ、スパースグラフ分解剤で生成された制御を計算する。
  論文  参考訳（メタデータ） (2026-06-12T17:02:53Z)
• Distinguishing Cause from Effect with Causal Velocity Models [3.0523869645673076]
  本研究では,加法や位置スケールノイズなどの既知のモデルクラスを超えて,因果発見を行う手法を開発した。 スコアが適切に推定された場合、その目的はまた、モデルの非識別性や不特定性を検出するのにも有用である。
  論文  参考訳（メタデータ） (2025-02-07T17:50:14Z)
• Semiparametric Double Reinforcement Learning with Applications to Long-Term Causal Inference [33.14076284663493]
  短期的なデータから長期的な因果効果を推定しなければならない。 MDPはこのような長期的ダイナミクスを捉えるための自然なフレームワークを提供する。 非パラメトリックな実装は時間間重なりの強い仮定を必要とする。 アイソトニックベルマンキャリブレーションに基づく新しいプラグイン推定器を提案する。
  論文  参考訳（メタデータ） (2025-01-12T20:35:28Z)
• 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)
• Inference on Strongly Identified Functionals of Weakly Identified Functions [71.42652863687117]
  本研究では,ニュアンス関数が存在しない場合でも,関数を強く識別するための新しい条件について検討する。 本稿では,プライマリおよびデバイアスのニュアンス関数に対するペナル化ミニマックス推定器を提案する。
  論文  参考訳（メタデータ） (2022-08-17T13:38:31Z)
• Provably Efficient Causal Reinforcement Learning with Confounded Observational Data [135.64775986546505]
  オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。 提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-22T14:49:33Z)

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。