論文の概要: GeoDose-CP: Graph-Local Conformal Inference for Continuous-Treatment Earth Observation
- arxiv url: http://arxiv.org/abs/2609.28895v1
- Date: Thu, 24 Sep 2026 01:16:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-25 21:10:09.633469
- Title: GeoDose-CP: Graph-Local Conformal Inference for Continuous-Treatment Earth Observation
- Title（参考訳）: GeoDose-CP:連続的Treatment地球観測のためのグラフ局所等角推論
- Abstract要約: 本研究は, 連続的または混合的連続解剖学的処理下での局所的電位結果に対する支持型コンフォメーション・フレームワークであるGeoDose-CPを提案する。
その中心的な方法論的貢献はグラフ局所的標的軌道法則であり、介入によって引き起こされる治療シフト、逆結果スケールのジャコビアン、空間的残留依存を共同で表す。
- 参考スコア（独自算出の注目度）: 4.911484785465386
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reliable intervention-oriented uncertainty quantification from Earth observation (EO) remains challenging when continuous treatment shifts, spatial dependence, limited support, and satellite-outcome uncertainty must be addressed simultaneously. Existing causal, conformal, and spatial approaches address parts of this problem, but their direct combination does not generally recover the appropriate interventional reference law because candidate reassignment jointly alters treatment likelihood, standardized residuals, and graph-dependent residual likelihood. This study presents GeoDose-CP, a support-aware conformal framework for localized stochastic potential outcomes under continuous or mixed continuous-atomic treatment. Its central methodological contribution is a graph-local target-orbit law that jointly represents intervention-induced treatment shift, the inverse outcome-scale Jacobian, and spatial residual dependence. The framework further provides exact weighted candidate inversion, a scalable sparse approximation with explicit discrepancy accounting, and refusal under inadequate support. Evaluation used controlled known-truth experiments, MineDoseBench, treatment-density sensitivity analysis, external conformal comparators, and a multi-mine New South Wales (NSW) study. In MineDoseBench, GeoDose-CP achieved mean selective coverage of 0.9692 across 27 configurations and a minimum local q0.05 of 0.8951; exact-sparse auditing produced nine inclusion disagreements over 2,700 targets. In the NSW study, the absence of an auditable longitudinal rehabilitation treatment rendered treatment-dependent inference nonoperational rather than forcing inference through a proxy exposure.
- Abstract（参考訳）: 地球観測(EO)からの信頼性の高い干渉指向の不確実性定量化は、連続的な処理シフト、空間依存、限られた支援、衛星出力の不確実性に同時に対処する必要がある場合、依然として困難である。
既存の因果的、共形的、空間的アプローチはこの問題の一部に対処するが、それらの直接的な組み合わせは一般的に適切な介入参照法を回復しない。
本研究は,連続的あるいは混合的連続解剖学的治療下での局所的確率的ポテンシャル結果に対する支持型コンフォメーション・フレームワークであるGeoDose-CPを提案する。
その中心的な方法論的貢献はグラフ局所的標的軌道法則であり、介入によって引き起こされる治療シフト、逆結果スケールのジャコビアン、空間的残留依存を共同で表す。
このフレームワークはさらに、厳密な重み付き候補逆転、明示的な離散性会計を伴うスケーラブルなスパース近似、そして不十分なサポート下での拒絶を提供する。
制御された既知のトラス実験、MineDoseBench、処理密度感度分析、外部コンパレータ、およびマルチマインニューサウスウェールズ(NSW)の研究を用いた。
MineDoseBenchでは、GeoDose-CPは27のコンフィグレーションで0.9692、最小のローカルq0.05の0.8951、正確なスパース監査は2,700のターゲットで9つの包摂的不一致を生んだ。
NSW研究において、聴覚性長期リハビリテーション治療が欠如していることは、プロキシ露光による推論を強制するのではなく、治療依存性の推論を非手術的にした。
関連論文リスト
- Complex Problem Solving in Large Language Models: A Statistical Control Survey and Diagnostic Framework [52.886947585847594]
大規模言語モデル(LLM)による複雑な問題解決は、しばしばより強い推論やより長い生成の問題としてフレーム化される。
しかし、早期のエラー増幅、迅速な脆さ、誤ったコミットメントを修正する失敗を説明するのは難しい。
本調査はCPSを潜在解状態上の逐次推定・決定問題と解釈する。
論文 参考訳（メタデータ） (2026-09-17T18:28:45Z) - Semi-Supervised Learning under Spatially Biased Sampling [0.0]
標準半教師付き学習(SSL)は、通常はラベル付きおよび非ラベル付きデータ共有に依存している。
本稿では,SSLのミスマッチ,クラスタと多様体の仮定が生き残るか,失敗を診断する方法について検討する。
論文 参考訳（メタデータ） (2026-09-07T21:01:15Z) - Test-time Adaptation of Pelvic Bone Segmentation Models via Dynamic Reliability-Guided [62.10276009853225]
ロボットによる骨盤外傷手術には,CTによる骨切片の信頼性が不可欠である。
既存の方法はPBSに対して限られた有効性を示した。
PBSのための新しいクローズドループ動的信頼性ガイドフレームワーク(ReGA)を提案する。
論文 参考訳（メタデータ） (2026-08-01T08:13:20Z) - Uncertainty-Guided LLM Semantic Augmentation for Heterogeneous Treatment Effect Estimation [9.269164572474216]
不均一な治療効果を推定することは、パーソナライズされたプロモーションや精密な医療など、標的となる介入の中心である。
本研究では, 条件付き平均治療効果 (CATE) に着目した。
提案するCURL(Causal Uncertainty-Guided Representation Learning)は,推定器の不確実性を利用して,事前学習した意味能力を局所不安定単位に割り当てるプラグインアダプタである。
論文 参考訳（メタデータ） (2026-07-29T08:20:17Z) - Causal Gaussian Processes for Robust Treatment Effect Evaluation with Unobserved Confounding [65.76392290956525]
本稿では, 連続領域に対する因果効果の評価を, 共起観測から検討する。
我々は,任意の因果モデルの観測的および介入的分布を効果的に近似する,因果的ガウス過程(CGP)モデルの新しいファミリーを開発する。
論文 参考訳（メタデータ） (2026-06-20T00:05:25Z) - On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
このような情報条件の相互作用パターンを振る舞い依存として定式化する。
これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。
その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
論文 参考訳（メタデータ） (2026-02-24T22:55:21Z) - C-kNN-LSH: A Nearest-Neighbor Algorithm for Sequential Counterfactual Inference [18.510457926165373]
経時的軌跡から因果効果を推定することは、複雑な状態の進行の理解の中心である。
シーケンシャル因果推論のための最寄りのフレームワークであるemphC-kNN-LSHを紹介する。
論文 参考訳（メタデータ） (2026-02-02T17:35:57Z) - Causal Imitation Learning Under Measurement Error and Distribution Shift [6.038778620145853]
ノイズ測定によってのみ、決定関連状態の一部が観察される場合、オフライン模倣学習(IL)について検討する。
本稿では,変数間の因果関係を明示的にモデル化することによって,測定誤差下でのILの一般的なフレームワークを提案する。
論文 参考訳（メタデータ） (2026-01-29T18:06:53Z) - Proximity Matters: Local Proximity Preserved Balancing for Treatment Effect Estimation [25.941696352770272]
観察データからの不均一な処理効果 (HTE) を推定することは, 治療選択バイアスによる重要な課題である。
既存の手法では、グローバルアライメントに焦点をあて、潜在空間における治療群間の分布の差異を最小化することで、このバイアスに対処している。
本稿では,HTE推定コンテキスト内での表現バランスに近接性を利用するために,PCR(Proximity-aware Counterfactual Regression)を提案する。
論文 参考訳（メタデータ） (2024-07-01T09:20:26Z) - Treatment Effect Risk: Bounds and Inference [58.442274475425144]
平均的な治療効果は社会福祉の変化を測定するため、たとえ肯定的であっても、人口の約10%に悪影響を及ぼすリスクがある。
本稿では,ICT分布のリスク条件値(CVaR)として定式化されたこの重要なリスク尺度をどう評価するかを検討する。
いくつかの境界は、複素CATE関数を単一の計量に要約したものと解釈することもでき、有界であることとは無関係に興味を持つ。
論文 参考訳（メタデータ） (2022-01-15T17:21:26Z) - GenDICE: Generalized Offline Estimation of Stationary Values [108.17309783125398]
重要なアプリケーションでは,効果的な推定が依然として可能であることを示す。
我々のアプローチは、定常分布と経験分布の差を補正する比率を推定することに基づいている。
結果として得られるアルゴリズム、GenDICEは単純で効果的である。
論文 参考訳（メタデータ） (2020-02-21T00:27:52Z)
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。