:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Chauhan, Vinod Kumar, Zhou, Jiandong, Ghosheh, Ghadeer, Molaei, Soheila, Clifton, David A.
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Machine Learning Methodology
Online-Zugang:	https://arxiv.org/abs/2305.15984
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

A Brief Review of Hypernetworks in Deep Learning
von: Chauhan, Vinod Kumar, et al.
Veröffentlicht: (2023)

A Perspective on Individualized Treatment Effects Estimation from Time-series Health Data
von: Ghosheh, Ghadeer O., et al.
Veröffentlicht: (2024)

Individualised Treatment Effects Estimation with Composite Treatments and Composite Outcomes
von: Chauhan, Vinod Kumar, et al.
Veröffentlicht: (2025)

Understanding Missingness in Time-series Electronic Health Records for Individualized Representation
von: Ghosheh, Ghadeer O., et al.
Veröffentlicht: (2024)

IGNITE: Individualized GeNeration of Imputations in Time-series Electronic health records
von: Ghosheh, Ghadeer O., et al.
Veröffentlicht: (2024)

Individualized Multi-Treatment Response Curves Estimation using RBF-net with Shared Neurons
von: Chang, Peter, et al.
Veröffentlicht: (2024)

Conformal Diffusion Models for Individual Treatment Effect Estimation and Inference
von: Cai, Hengrui, et al.
Veröffentlicht: (2024)

A review of Generative Adversarial Networks for Electronic Health Records: applications, evaluation measures and data sources
von: Ghosheh, Ghadeer, et al.
Veröffentlicht: (2022)

Considerations for Estimating Causal Effects of Informatively Timed Treatments
von: Oganisian, Arman
Veröffentlicht: (2025)

Maximin Learning of Individualized Treatment Effect on Multi-Domain Outcomes
von: Lu, Yuying, et al.
Veröffentlicht: (2026)

Aggregation on Learnable Manifolds for Asynchronous Federated Optimization
von: Licudi, Archie, et al.
Veröffentlicht: (2025)

Efficient Task Grouping Through Samplewise Optimisation Landscape Analysis
von: Thakur, Anshul, et al.
Veröffentlicht: (2024)

Sequential Treatment Effect Estimation with Unmeasured Confounders
von: Wang, Yingrong, et al.
Veröffentlicht: (2025)

Optimistic Algorithms for Adaptive Estimation of the Average Treatment Effect
von: Neopane, Ojash, et al.
Veröffentlicht: (2025)

Staged Event Trees for Transparent Treatment Effect Estimation
von: Varando, Gherardo, et al.
Veröffentlicht: (2025)

Ablation Studies for Novel Treatment Effect Estimation Models
von: Souto, Hugo Gobato, et al.
Veröffentlicht: (2024)

Hybrid Meta-learners for Estimating Heterogeneous Treatment Effects
von: Liang, Zhongyuan, et al.
Veröffentlicht: (2025)

DISCRET: Synthesizing Faithful Explanations For Treatment Effect Estimation
von: Wu, Yinjun, et al.
Veröffentlicht: (2024)

Multi-CATE: Multi-Accurate Conditional Average Treatment Effect Estimation Robust to Unknown Covariate Shifts
von: Kern, Christoph, et al.
Veröffentlicht: (2024)

Adaptive and Stratified Subsampling for High-Dimensional Robust Estimation
von: Mittal, Prateek, et al.
Veröffentlicht: (2024)

Estimating Dyadic Treatment Effects with Unknown Confounders
von: Hoshino, Tadao, et al.
Veröffentlicht: (2024)

SubgroupTE: Advancing Treatment Effect Estimation with Subgroup Identification
von: Lee, Seungyeon, et al.
Veröffentlicht: (2024)

Prediction Intervals for Individual Treatment Effects in a Multiple Decision Point Framework using Conformal Inference
von: Bose, Swaraj, et al.
Veröffentlicht: (2025)

Censoring-Aware Tree-Based Reinforcement Learning for Estimating Dynamic Treatment Regimes with Censored Outcomes
von: Paul, Animesh Kumar, et al.
Veröffentlicht: (2025)

Dynamic Local Average Treatment Effects
von: Sojitra, Ravi B., et al.
Veröffentlicht: (2024)

Minimax Regret Estimation for Generalizing Heterogeneous Treatment Effects with Multisite Data
von: Zhang, Yi, et al.
Veröffentlicht: (2024)

Estimating Heterogeneous Treatment Effects by Combining Weak Instruments and Observational Data
von: Oprescu, Miruna, et al.
Veröffentlicht: (2024)

What Makes Forest-Based Heterogeneous Treatment Effect Estimators Work?
von: Dandl, Susanne, et al.
Veröffentlicht: (2022)

Improving the Estimation of Lifetime Effects in A/B Testing via Treatment Locality
von: Chen, Shuze, et al.
Veröffentlicht: (2024)

DFW: A Novel Weighting Scheme for Covariate Balancing and Treatment Effect Estimation
von: Khan, Ahmad Saeed, et al.
Veröffentlicht: (2025)

Differentiable Pareto-Smoothed Weighting for High-Dimensional Heterogeneous Treatment Effect Estimation
von: Chikahara, Yoichi, et al.
Veröffentlicht: (2024)

Data-Driven Estimation of Heterogeneous Treatment Effects
von: Tran, Christopher, et al.
Veröffentlicht: (2023)

Estimation of Treatment Effects in Extreme and Unobserved Data
von: Tan, Jiyuan, et al.
Veröffentlicht: (2025)

Defining Expertise: Applications to Treatment Effect Estimation
von: Hüyük, Alihan, et al.
Veröffentlicht: (2024)

A New Causal Rule Learning Approach to Interpretable Estimation of Heterogeneous Treatment Effect
von: Wu, Ying, et al.
Veröffentlicht: (2023)

The Connection Between R-Learning and Inverse-Variance Weighting for Estimation of Heterogeneous Treatment Effects
von: Fisher, Aaron
Veröffentlicht: (2023)

Fusing Individualized Treatment Rules Using Secondary Outcomes
von: Gao, Daiqi, et al.
Veröffentlicht: (2024)

Neural Networks with Causal Graph Constraints: A New Approach for Treatment Effects Estimation
von: Pros, Roger, et al.
Veröffentlicht: (2024)

Estimating Heterogeneous Treatment Effects on Survival Outcomes Using Counterfactual Censoring Unbiased Transformations
von: Xu, Shenbo, et al.
Veröffentlicht: (2024)

Continuous Treatment Effects with Surrogate Outcomes
von: Zeng, Zhenghao, et al.
Veröffentlicht: (2024)