随着时间的推移,对反事实结果的估计有可能帮助决策者回答“如果”问题,从而解锁个性化医疗保健。现有的因果推断方法通常考虑观察和处理决定之间的规则的、离散的时间间隔,因此无法自然地对不规则采样数据建模,而这是实践中常见的设置。为了处理任意的观察模式,我们将数据解释为一个连续时间过程的样本,并提出使用控制微分方程数学对其潜在轨迹进行显式建模。这导致了一种新的方法,即治疗效果神经控制微分方程(TE-CDE),它允许在任何时间点评估潜在的结果。此外,对抗性训练用于调整时间依赖性混淆,这在纵向设置中是至关重要的,是传统时间序列中没有遇到的额外挑战。为了评估这个问题的解决方案,我们提出了一个基于tumor生长模型的可控模拟环境,用于一系列场景,不规则抽样反映各种临床场景。TE-CDE在不规则采样的所有模拟场景中都优于现有方法。 https://www.zhuanzhi.ai/paper/ea43838ec44c8c99431d950f48ed55d4

成为VIP会员查看完整内容
33

相关内容

国际机器学习大会(International Conference on Machine Learning,简称ICML ) 是由国际机器学习学会(IMLS)主办的机器学习国际顶级会议,也是CCF-A类学术会议。ICML 2022 共收到5630 投稿,接收1117 篇 short oral,118篇 long oral,录用率为21.94%。
【ICML2022】熵因果推理:图的可辨识性
专知会员服务
27+阅读 · 2022年8月6日
【ICML2022】因果Transformer:估算反事实结果的因果, 附ppt
专知会员服务
78+阅读 · 2022年7月20日
【AAAI2022】通过自训练加强反事实分类
专知会员服务
24+阅读 · 2021年12月10日
专知会员服务
18+阅读 · 2021年9月19日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
36+阅读 · 2021年6月3日
专知会员服务
21+阅读 · 2021年5月27日
【ICML2022教程】因果公平性分析,68页ppt
专知
3+阅读 · 2022年7月19日
【ICML2022】可解释的心理学理论
专知
3+阅读 · 2022年5月29日
【ICML2021】基于观察的跨域模仿学习
专知
2+阅读 · 2021年8月30日
【ICML2021】因果匹配领域泛化
专知
12+阅读 · 2021年8月12日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年8月12日
已删除
Arxiv
32+阅读 · 2020年3月23日
Arxiv
30+阅读 · 2019年3月13日
VIP会员
相关VIP内容
【ICML2022】熵因果推理:图的可辨识性
专知会员服务
27+阅读 · 2022年8月6日
【ICML2022】因果Transformer:估算反事实结果的因果, 附ppt
专知会员服务
78+阅读 · 2022年7月20日
【AAAI2022】通过自训练加强反事实分类
专知会员服务
24+阅读 · 2021年12月10日
专知会员服务
18+阅读 · 2021年9月19日
专知会员服务
18+阅读 · 2021年8月15日
专知会员服务
36+阅读 · 2021年6月3日
专知会员服务
21+阅读 · 2021年5月27日
相关基金
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员