两篇新研究论文探讨了生存分析的先进技术,这是一种用于预测事件发生时间的预测方法。第一篇论文侧重于结果依赖的截断和审查,证明了使用一阶优化可以有效地学习Cox回归,其性能优于标准的期望最大化算法。第二篇论文引入了一种受强化学习启发的、新颖的深度学习方法,利用延迟目标网络实现稳定的端到端训练,并提高了长序列数据集上的性能。 AI
影响 这些论文推进了生存分析技术,有可能改善医疗保健和金融等领域的预测模型。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了生存分析的新方法。
- alphaXiv
- arXiv
- CatalyzeX Code Finder for Papers
- Cox proportional hazards model
- DagsHub
- Deep Q-Network
- expectation–maximization algorithm
- Gotit.pub
- Hugging Face
- IArxiv
- Mariana Vargas Vieyra
- Neural Networks
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →