hidden confounders | BriefGPT

关键词hidden confounders

搜索结果 - 7

DCDILP：一种用于大规模因果结构学习的分布式学习方法
本文通过分割和征服框架提出了一种新的因果关系发现方法。通过将问题分解成定义在 Markov 毯子上的较小子问题，所提出的 DCDILP 方法首先并行地探索这些子问题的局部因果图。然而，由于存在隐藏的混淆变量（每个 Markov 毯子中的变量
PDF20 days ago
对社交网络进行因果效应估计的治疗感知双曲表示学习
通过在社交网络中使用超伸缩表示学习，以及利用针对个体和其邻居是否接受相同治疗方法的处理感知式关系识别模块来增强隐藏混淆因素的表示，我们提出了一种名为 TAHyper 的新颖方法，以应对从观察数据中估计个体治疗效果时面临的关键挑战。
PDF6 months ago
ICML在存在潜在混淆变量情况下，估计连续时间中的治疗效果
本文通过应用神经微分方程建立潜在因子模型，使用随机控制微分方程和 Lipschitz 限制卷积操作，不断纳入关于进行中干预和不规则的样本观测的信息，以在动态时间设置中存在隐藏因素的情况下连续估计处理效应。
PDFa year ago
ICML利用独立仪器：鉴别和分布泛化
介绍了一种基于 HSIC-X 工具的因果推断方法，该方法能够在考虑隐藏共变量的情况下，利用独立性进行精确推断，并在分布变化时具有不变性和最优性。
PDF2 years ago
KDD网络观察数据的治疗效果估计的图信息最大化对抗学习
本篇论文提出了一种基于网络结构的 Graph Infomax Adversarial Learning (GIAL) 模型用于处理不平衡网络结构下的治疗效果估计，并在两个基准数据集上展示了其优越性。
PDF3 years ago
估算具有时间变动混淆因素的个体处理效果
本研究提出 Deep Sequential Weighting (DSW) 模型通过使用深度递归加权神经网络，将当前的治疗方案和历史信息结合起来推断隐藏的混淆因素并计算个体治疗效果，从而为个性化医疗铺平道路，实验结果表明，该模型可准确预测并
PDF4 years ago
基于网络观测数据的治疗分配函数的反事实评估
在大数据时代，随机对照试验通常耗时费力且不道德，针对这一问题，研究人员提出了一种新的治疗分配函数反事实评估方法 - 带网络信息的反事实评估，提高了治疗效果评估结果的可信度。
PDF5 years ago