研究人员开发了 KAPLAN-HR，一种基于 Kolmogorov-Arnold Networks (KANs) 的新型深度学习模型，用于生存分析。该模型可以估计协变量和时间的联合函数作为条件风险率，克服了传统方法需要手动指定复杂效应的局限性。在六个临床数据集上的评估表明，KAPLAN-HR 的性能与现有的统计和深度学习生存分析技术相当或更优。 AI
影响 为生存分析引入了一种新颖的深度学习架构，有可能改善临床和其他时间事件领域中的预测。
排序理由 发布了一篇详细介绍新型机器学习模型的新学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.23082v1 Announce Type: new Abstract: Survival analysis aims to model how covariates and time jointly shape the time-to-event distribution under right censoring. Classical methods such as the Cox model and generalised additive models (GAMs) require interactions and time…
Survival analysis aims to model how covariates and time jointly shape the time-to-event distribution under right censoring. Classical methods such as the Cox model and generalised additive models (GAMs) require interactions and time-varying effects to be manually specified, which…