PulseAugur
中
实时 20:27:05
English(EN) MediEncoder: Nonlinear Representation Learning for High-Dimensional Causal Mediation Analysis

新框架MediEncoder推动非线性因果中介分析

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了MediEncoder，一个用于高维生物医学数据中非线性因果中介分析的新框架。该方法使用耦合的编码器-解码器架构联合学习协变量和中介物的表征，从而更准确地估计直接和间接治疗效果。MediEncoder通过不依赖于严格的稀疏性或线性假设，改进了现有方法，并在模拟和阿尔茨海默病数据的实际应用中显示出更高的准确性。 AI

影响 推动因果推断方法学的发展，可能提高复杂生物和医学数据的可解释性。

排序理由 该集群包含两篇详细介绍因果中介分析新方法的学术论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新框架MediEncoder推动非线性因果中介分析

报道来源 [2]

  1. arXiv cs.LG TIER_1 English(EN) · Shi Bo, Debarghya Mukherjee, AmirEmad Ghassami ·

    MediEncoder：高维因果中介分析的非线性表征学习

    arXiv:2606.30648v1 Announce Type: cross Abstract: Causal mediation analysis decomposes a treatment effect into indirect pathways through mediators and direct pathways not operating through them. Modern biomedical studies often involve high-dimensional covariates and mediators tha…

  2. arXiv stat.ML TIER_1 English(EN) · Yizhen Xu, AmirEmad Ghassami, Numair Sani, Ilya Shpitser ·

    连续处理的多重稳健因果中介分析

    arXiv:2105.09254v4 Announce Type: replace-cross Abstract: In many applications, researchers are interested in the direct and indirect causal effects of a treatment or exposure on an outcome of interest. Mediation analysis offers a rigorous framework for identifying and estimating…

相关实体

相关话题