Fugu-MT 論文翻訳(概要): Distributional Extrapolation for Interactions

論文の概要: Distributional Extrapolation for Interactions

arxiv url: http://arxiv.org/abs/2608.19849v1
Date: Thu, 20 Aug 2026 09:51:36 GMT
ステータス: 翻訳完了
システム内更新日: 2026-08-21 20:28:51.526292
Title: Distributional Extrapolation for Interactions
Title（参考訳）: 相互作用のための分布外挿法
Abstract要約: DExtrIは、トレーニングデータ以外の相互作用効果を外挿する手法である。提案手法により,未試験薬物の組み合わせの予測などの応用が可能となる。
参考スコア（独自算出の注目度）: 5.760888639534553
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Predicting combinatorial effects from limited-range observations is a fundamental challenge in many scientific domains, including drug discovery and hyperparameter optimization. We study combinatorial extrapolation, where training data consists of axis-aligned samples with only one active covariate, while test-time inputs involve multiple simultaneously active covariates. We introduce DExtrI, a method for extrapolating interaction effects beyond the support of the training data. We provide theoretical guarantees characterizing when such extrapolation is possible. Empirical results on synthetic and real-world datasets demonstrate that DExtrI successfully generalizes to unseen combinations of covariates. Our approach enables applications such as predicting previously untested drug combinations and improving the efficiency of hyperparameter optimization.
Abstract（参考訳）: 限られた範囲の観測から組合せ効果を予測することは、薬物発見やハイパーパラメータ最適化を含む多くの科学領域において根本的な課題である。実験時間入力は複数のアクティブな共変量を含むのに対し、実験時間は1つのアクティブな共変量しか持たない軸整列サンプルからなる組合せ外挿法について検討する。 DExtrIは、トレーニングデータ以外の相互作用効果を外挿する手法である。このような外挿が可能な場合に特徴付ける理論的保証を提供する。合成データセットと実世界のデータセットの実証的な結果は、DExtrIがコバーリネートの見当たらない組み合わせにうまく一般化できることを証明している。提案手法により,未試験薬物の組み合わせの予測やハイパーパラメータ最適化の効率化などの応用が可能となる。

関連論文リスト

Varying-Coefficient Mixture of Experts Model [0.0]
本稿では、ゲーティング関数とエキスパートモデルの両方におけるすべての係数効果をインデックス変数に沿って変化させることができるVarying-Coefficient Mixture of Experts (VCMoE)モデルを提案する。本稿では, 胚性マウスにおける単一遺伝子発現のデータセットを用いて, 遺伝子Satb2とBcl11bの関連性の時間的ダイナミクスを特徴づけるVCMoEモデルを提案する。
論文参考訳（メタデータ） (2026-01-05T00:23:30Z)
Valid Inference with Imperfect Synthetic Data [39.10587411316875]
モーメントの一般化法に基づく新しい推定器を提案する。合成データのモーメント残差と実データのモーメント間の相互作用は、対象パラメータの推定を大幅に改善できることがわかった。
論文参考訳（メタデータ） (2025-08-08T18:32:52Z)
Permutation-Free High-Order Interaction Tests [0.7373617024876725]
共独立性および$d$変数の部分分解のための置換自由高次テストのファミリーを導入する。本テストでは,V統計学と新しいクロスセントリング技術を活用することにより,置換に基づく近似の必要性を排除した。
論文参考訳（メタデータ） (2025-06-06T10:42:10Z)
On Efficient Estimation of Distributional Treatment Effects under Covariate-Adaptive Randomization [6.324765782436764]
既製の機械学習手法を利用したフレキシブルな分散回帰フレームワークを提案する。提案する推定器の分布を確立し,有効な推論手順を導入する。
論文参考訳（メタデータ） (2025-06-06T10:14:38Z)
Learning Joint Interventional Effects from Single-Variable Interventions in Additive Models [49.567092222782435]
観察データと単変量介入のみを用いて共同介入効果の学習方法を示す。本稿では,それぞれの介入変数に対する因果効果を,包括的かつ未確立な貢献に分解する実用的推定器を提案する。
論文参考訳（メタデータ） (2025-06-05T12:20:50Z)
KL-geodesics flow matching with a novel sampling scheme [4.347494885647007]
非自己回帰型言語モデルは全てのトークンを同時に生成し、従来の自己回帰型モデルよりも潜在的に高速である。テキスト生成のための条件付きフローマッチング手法について検討する。
論文参考訳（メタデータ） (2024-11-25T17:15:41Z)
Statistical Inference for Temporal Difference Learning with Linear Function Approximation [55.80276145563105]
The statistics properties of Temporal difference learning with Polyak-Ruppert averaging。 3つの理論的な貢献により、現在の最先端の成果が向上する。
論文参考訳（メタデータ） (2024-10-21T15:34:44Z)
Weighted Diversified Sampling for Efficient Data-Driven Single-Cell Gene-Gene Interaction Discovery [56.622854875204645]
本稿では,遺伝子・遺伝子相互作用の探索に先進的なトランスフォーマーモデルを活用する,データ駆動型計算ツールを活用した革新的なアプローチを提案する。新たな重み付き多様化サンプリングアルゴリズムは、データセットのたった2パスで、各データサンプルの多様性スコアを算出する。
論文参考訳（メタデータ） (2024-10-21T03:35:23Z)
Assumption-Lean Post-Integrated Inference with Surrogate Control Outcomes [6.448728765953916]
制御結果を用いて遅延不均一性を調整する頑健なポストインテグレート推論(PII)手法を提案する。我々は、予測された直接効果推定に関する半パラメトリック推論を開発し、隠された仲介者、共同設立者、モデレーターを考慮に入れた。提案された二重頑健な推定器は、最小の仮定と潜在的な不特定性の下で一貫性があり、効率的である。
論文参考訳（メタデータ） (2024-10-07T12:52:38Z)
Efficient adjustment for complex covariates: Gaining efficiency with DOPE [56.537164957672715]
共変量によって表現される情報のサブセットを調整可能なフレームワークを提案する。理論的な結果に基づいて,平均処理効果(ATE)の効率的な評価を目的とした,デバイアスドアウトカム適応確率推定器(DOPE)を提案する。その結果,DOPE は様々な観測環境において ATE 推定のための効率的かつ堅牢な手法を提供することがわかった。
論文参考訳（メタデータ） (2024-02-20T13:02:51Z)
HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
論文参考訳（メタデータ） (2022-06-15T19:10:35Z)
Scalable Regularised Joint Mixture Models [2.0686407686198263]
多くの応用において、データは異なる基底分布を持つ潜在群にまたがるという意味で不均一である。我々は,(i)明示的多変量特徴分布,(ii)高次元回帰モデル,(iii)潜在群ラベルの連成学習を可能にする異種データに対するアプローチを提案する。このアプローチは明らかに高次元において有効であり、計算効率のためのデータ削減と、特徴数が大きければ鍵信号を保持する再重み付けスキームを組み合わせる。
論文参考訳（メタデータ） (2022-05-03T13:38:58Z)
Efficient Semi-Implicit Variational Inference [65.07058307271329]
効率的でスケーラブルな半単純外挿 (SIVI) を提案する。本手法はSIVIの証拠を低勾配値の厳密な推測にマッピングする。
論文参考訳（メタデータ） (2021-01-15T11:39:09Z)

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。