PulseAugur
中
实时 07:27:42

新的一致性损失函数改进深度生存预测模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为深度生存预测模型开发了一种新的损失函数，称为 SCL（Sigmoid Concordance Loss）。传统模型常使用似然目标函数，但其与评估生存预测的关键指标——一致性指数（C-index）——的相关性并不稳定。SCL 确保损失值下降直接对应 C-index 上升，提供了一个更稳定可靠的优化目标。在十八个数据集上的实验表明，SCL 在实现与标准似然损失相当的区分度同时，在训练过程中保持了损失与 C-index 之间的强相关性。 AI

影响 为深度生存模型提供了更可靠的优化目标，有望提高其性能和训练效率。

排序理由 学术论文，详细介绍了一种用于深度生存预测模型的新损失函数。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的一致性损失函数改进深度生存预测模型

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
学术论文，详细介绍了一种用于深度生存预测模型的新损失函数。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, model release
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
48 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Meixu Chen, Kai Wang, Jing Wang ·

    Value-Monotonicity Matters: A Concordance Loss for Deep Survival Prediction

    arXiv:2607.16802v1 Announce Type: cross Abstract: Deep survival models are evaluated almost exclusively by the concordance index (C-index), yet they are commonly trained using likelihood objectives such as the Cox partial likelihood, discrete-time negative log-likelihood, and Dee…

相关实体

相关话题