論文の概要: Non-Crossing Deep Quantile Regression for Distributional Survival Prediction

• arxiv url: http://arxiv.org/abs/2608.16864v1
• Date: Mon, 17 Aug 2026 17:46:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-18 19:59:03.828981
• Title: Non-Crossing Deep Quantile Regression for Distributional Survival Prediction
• Title（参考訳）: 分布生存予測のための非閉塞型深部量子回帰
• Abstract要約: 量子ベースモデリングは代わりに、元の時間スケールの完全な条件分布を記述する。 直交データに対するCNQ(Censored Non-crossing Quantile)フレームワークを提案する。 共同でいくつかの条件付き生存量子を推定し、建設による正しい順序付けを保証する。
• 参考スコア（独自算出の注目度）: 27.498297952127533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In survival analysis the way covariates act on the risk of an event often differs between early and late failure times, yet hazard- and mean-based summaries collapse this variation into a single number. Quantile-based modeling instead describes the full conditional distribution on the original time scale, but existing censored-data methods are either inflexible or produce logically inconsistent crossing quantile curves. We propose a Censored Non-crossing Quantile (CNQ) framework for right-censored data that jointly estimates several conditional survival quantiles and guarantees valid ordering by construction, with flexibility supplied by Kolmogorov-Arnold and Transformer backbones, and we establish a finite-sample excess-risk bound holding jointly across all fitted quantile levels. Across 27 simulation settings and six cohorts the framework attains lower pinball loss than quantile-, hazard- and tree-based competitors whenever the conditional distribution is asymmetric, with interval coverage closer to nominal on all six. In two clinical case studies (METABRIC, breast cancer; FLCHAIN, population mortality) it recovers covariate effects that vary across the survival distribution and would be hidden by a single hazard ratio, and yields coherent individualized quantile milestones. Code: https://github.com/BIG-S2/deepcnq
• Abstract（参考訳）: 生存分析では、事象のリスクに対する共変量(covariates)の振る舞いは、初期の障害時間と後期の障害時間の間にしばしば異なるが、ハザードと平均に基づく要約は、この変動を1つの数に分解する。 量子ベースモデリングは代わりに、元の時間スケールの完全な条件分布を記述するが、既存の検閲されたデータ手法は、柔軟性がないか、論理的に矛盾しない交差量子曲線を生成する。 我々は,コンモゴロフ・アルノルドとトランスフォーマーのバックボーンによって供給される柔軟性により,複数の条件付き生存量子を共同で推定し,構成による有効な順序付けを保証し,全ての適合量子レベルを連続的に保持する有限サンプル超過リスクバウンダリング(CNQ)フレームワークを提案する。 27のシミュレーション設定と6つのコホートで、条件分布が非対称である場合、このフレームワークは量子、ハザード、ツリーベースの競合相手よりも低いピンボール損失を達成する。 2つの臨床ケーススタディ(METABRIC、乳がん、FLCHAIN、人口死亡)では、生存分布によって異なる共変量効果を回復し、単一のハザード比で隠蔽し、コヒーレントな個別の量子マイルストーンを産み出す。 コード:https://github.com/BIG-S2/deepcnq

関連論文リスト

• Conditional Diffusion for Nonparametric Instrumental Variable Quantile Regression [18.254578337569264]
  本研究では,条件拡散モデルとカーネルパラメトリック条件モーメント定式化を組み合わせた2段階推定器を提案する。 提案した推定器の余剰リスク境界を確立し,条件付き拡散モデルに対するエンドツーエンドの総変動保証を導出する。 シミュレーション研究と実データ応用により,提案手法が既存の非パラメトリックIVQR手法より優れていることを示す。
  論文  参考訳（メタデータ） (2026-08-08T16:01:24Z)
• Quantile Geometry Regularization for Distributional Reinforcement Learning [20.41658533815372]
  我々はロバスト量子ベースインプリシト量子ネットワーク(RQIQN)を提案する。 我々はまず、IQN損失のスナップショットを、サンプリングされた電流分数に対する局所的な量子量推定問題の集合として再解釈する。 次に、各局所スロットを、分布的に堅牢な量子的推定式で頑健化し、ベルマン目標に対する閉形式、分数依存的な補正を与える。
  論文  参考訳（メタデータ） (2026-05-05T09:38:34Z)
• On the Probability of First Success in Differential Evolution: Hazard Identities and Tail Bounds [0.0]
  本研究では、条件付きハザードフレームワークによる微分進化(DE)におけるファーストヒッティング時間について検討する。 現状のp$best/1変異を持つL-SHADEアルゴリズムでは、条件付きハザードが明示的な下限を許容するチェック可能なアルゴリズム目撃イベント$mathcal L_t$を構築する。
  論文  参考訳（メタデータ） (2026-01-16T18:24:24Z)
• Towards Self-Supervised Covariance Estimation in Deep Heteroscedastic Regression [102.24287051757469]
  深部異方性回帰における自己教師付き共分散推定について検討する。 正規分布の間の2-ワッサーシュタイン距離の上界を導出する。 幅広い合成データセットと実データセットに対する実験により、提案された2-ワッサーシュタインと擬似ラベルアノテーションが結合した結果、計算的に安価で正確な深部ヘテロ代用回帰が導かれることが示された。
  論文  参考訳（メタデータ） (2025-02-14T22:37:11Z)
• Semiparametric conformal prediction [79.6147286161434]
  ベクトル値の非整合性スコアの結合相関構造を考慮した共形予測セットを構築する。 スコアの累積分布関数(CDF)を柔軟に推定する。 提案手法は,現実の回帰問題に対して,所望のカバレッジと競争効率をもたらす。
  論文  参考訳（メタデータ） (2024-11-04T14:29:02Z)
• Risk and cross validation in ridge regression with correlated samples [72.59731158970894]
  我々は,データポイントが任意の相関関係を持つ場合,リッジ回帰のイン・オブ・サンプルリスクのトレーニング例を提供する。 この設定では、一般化されたクロスバリデーション推定器(GCV)がサンプル外リスクを正確に予測できないことを示す。 さらに、テストポイントがトレーニングセットと非自明な相関を持つ場合、時系列予測でしばしば発生する設定にまで分析を拡張します。
  論文  参考訳（メタデータ） (2024-08-08T17:27:29Z)
• Relaxed Quantile Regression: Prediction Intervals for Asymmetric Noise [51.87307904567702]
  量子レグレッション(Quantile regression)は、出力の分布における量子の実験的推定を通じてそのような間隔を得るための主要なアプローチである。 本稿では、この任意の制約を除去する量子回帰に基づく区間構成の直接的な代替として、Relaxed Quantile Regression (RQR)を提案する。 これにより、柔軟性が向上し、望ましい品質が向上することが実証された。
  論文  参考訳（メタデータ） (2024-06-05T13:36:38Z)
• Inference for High Dimensional Censored Quantile Regression [8.993036560782137]
  本稿では,グローバルに検閲された量子レグレッションの枠組みの中で,すべての予測子を推論する新しい手法を提案する。 提案手法は,高次元設定における推定の不確かさを適切に定量化できることを示す。 肺がん経路に居住するSNPが患者の生存に及ぼす影響を解析するために本法を適用した。
  論文  参考訳（メタデータ） (2021-07-22T23:57:06Z)
• Understanding the Under-Coverage Bias in Uncertainty Estimation [58.03725169462616]
  量子レグレッションは、現実の望ましいカバレッジレベルよりもアンファンダーカバー(enmphunder-cover)する傾向がある。 我々は、量子レグレッションが固有のアンダーカバーバイアスに悩まされていることを証明している。 我々の理論は、この過大被覆バイアスが特定の高次元パラメータ推定誤差に起因することを明らかにしている。
  論文  参考訳（メタデータ） (2021-06-10T06:11:55Z)
• Improving Conditional Coverage via Orthogonal Quantile Regression [12.826754199680472]
  特徴空間のすべての領域にまたがるユーザ指定のカバレッジレベルを持つ予測区間を生成する手法を開発した。 我々は損失関数を変更し、間隔の大きさと誤発見イベントの指標との間の独立性を促進する。 いくつかの指標から, 改良された損失関数が条件付きカバレッジの向上につながることを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-01T11:02:29Z)
• Tracking disease outbreaks from sparse data with Bayesian inference [55.82986443159948]
  新型コロナウイルス(COVID-19)のパンデミックは、感染発生時の感染率を推定する新たな動機を与える。 標準的な手法は、より細かいスケールで共通する部分的な観測可能性とスパースなデータに対応するのに苦労する。 原理的に部分観測可能なベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2020-09-12T20:37:33Z)

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。