Buchumschlag

G-Transformer: Counterfactual Outcome Prediction under Dynamic and Time-varying Treatment Regimes

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiong, Hong, Wu, Feng, Deng, Leon, Su, Megan, Lehman, Li-wei H
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Counterfactual Generative Models for Time-Varying Treatments
von: Wu, Shenghao, et al.
Veröffentlicht: (2023)

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

Evaluating and Learning Optimal Dynamic Treatment Regimes under Truncation by Death
von: Park, Sihyung, et al.
Veröffentlicht: (2025)

SAFER: A Calibrated Risk-Aware Multimodal Recommendation Model for Dynamic Treatment Regimes
von: Shen, Yishan, et al.
Veröffentlicht: (2025)

Transformer-Based Spatial-Temporal Counterfactual Outcomes Estimation
von: Li, He, et al.
Veröffentlicht: (2025)

Learning Counterfactual Outcomes Under Rank Preservation
von: Wu, Peng, et al.
Veröffentlicht: (2025)

MSCT: Addressing Time-Varying Confounding with Marginal Structural Causal Transformer for Counterfactual Post-Crash Traffic Prediction
von: Li, Shuang, et al.
Veröffentlicht: (2024)

Learning Personalized Treatment Decisions in Precision Medicine: Disentangling Treatment Assignment Bias in Counterfactual Outcome Prediction and Biomarker Identification
von: Vollenweider, Michael, et al.
Veröffentlicht: (2024)

Flow-based Generative Modeling of Potential Outcomes and Counterfactuals
von: Wu, Dongze, 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)

CAETC: Causal Autoencoding and Treatment Conditioning for Counterfactual Estimation over Time
von: Nguyen, Nghia D., et al.
Veröffentlicht: (2026)

Test-Time Adaptation for Non-stationary Time Series: From Synthetic Regime Shifts to Financial Markets
von: Wu, Yurui, et al.
Veröffentlicht: (2026)

Debiased Machine Learning for Conformal Prediction of Counterfactual Outcomes Under Runtime Confounding
von: Barnatchez, Keith, et al.
Veröffentlicht: (2026)

Near-Equivalent Q-learning Policies for Dynamic Treatment Regimes
von: Yazzourh, Sophia, et al.
Veröffentlicht: (2026)

Adversary-Free Counterfactual Prediction via Information-Regularized Representations
von: Tang, Shiqin, et al.
Veröffentlicht: (2025)

Counterfactually Fair Conformal Prediction
von: Guldogan, Ozgur, et al.
Veröffentlicht: (2025)

Counterfactual Fairness by Combining Factual and Counterfactual Predictions
von: Zhou, Zeyu, et al.
Veröffentlicht: (2024)

On Multiple Robustness of Proximal Dynamic Treatment Regimes
von: Gao, Yuanshan, et al.
Veröffentlicht: (2025)

DoFlow: Flow-based Generative Models for Interventional and Counterfactual Forecasting on Time Series
von: Wu, Dongze, et al.
Veröffentlicht: (2025)

Synergizing Deconfounding and Temporal Generalization For Time-series Counterfactual Outcome Estimation
von: Liu, Yiling, et al.
Veröffentlicht: (2025)

Learning with Posterior Sampling for Revenue Management under Time-varying Demand
von: Shimizu, Kazuma, et al.
Veröffentlicht: (2024)

Bayesian Counterfactual Prediction Models for HIV Care Retention with Incomplete Outcome and Covariate Information
von: Oganisian, Arman, et al.
Veröffentlicht: (2024)

Reinforcement Learning in Dynamic Treatment Regimes Needs Critical Reexamination
von: Luo, Zhiyao, et al.
Veröffentlicht: (2024)

Medical Knowledge Integration into Reinforcement Learning Algorithms for Dynamic Treatment Regimes
von: Yazzourh, Sophia, et al.
Veröffentlicht: (2024)

Transformer-Based Classification Outcome Prediction for Multimodal Stroke Treatment
von: Ma, Danqing, et al.
Veröffentlicht: (2024)

Treatment Effects in Extreme Regimes
von: Aloui, Ahmed, et al.
Veröffentlicht: (2023)

An Introduction to Deep Survival Analysis Models for Predicting Time-to-Event Outcomes
von: Chen, George H.
Veröffentlicht: (2024)

Efficient and Interpretable Transformer for Counterfactual Fairness
von: Dong, Panyi, et al.
Veröffentlicht: (2026)

Motif-guided Time Series Counterfactual Explanations
von: Li, Peiyu, et al.
Veröffentlicht: (2022)

POLAR: A Pessimistic Model-based Policy Learning Algorithm for Dynamic Treatment Regimes
von: Zhang, Ruijia, et al.
Veröffentlicht: (2025)

Difference-in-Differences with Time-varying Continuous Treatments using Double/Debiased Machine Learning
von: Haddad, Michel F. C., et al.
Veröffentlicht: (2024)

Counterfactually Safe Reinforcement Learning
von: Li, Jingyi, et al.
Veröffentlicht: (2026)

DR-VIDAL -- Doubly Robust Variational Information-theoretic Deep Adversarial Learning for Counterfactual Prediction and Treatment Effect Estimation on Real World Data
von: Ghosh, Shantanu, et al.
Veröffentlicht: (2023)

Ensemble Machine Learning and Statistical Procedures for Dynamic Predictions of Time-to-Event Outcomes
von: van Gerwen, Nina, et al.
Veröffentlicht: (2026)

Potential Outcome Rankings for Counterfactual Decision Making
von: Kawakami, Yuta, et al.
Veröffentlicht: (2025)

Generalized Encouragement-Based Instrumental Variables for Counterfactual Regression
von: Wu, Anpeng, et al.
Veröffentlicht: (2024)

Conformal Counterfactual Inference under Hidden Confounding
von: Chen, Zonghao, et al.
Veröffentlicht: (2024)

Policy Learning for Optimal Dynamic Treatment Regimes with Observational Data
von: Sakaguchi, Shosei
Veröffentlicht: (2024)

Interpretable Spatial-Temporal Fusion Transformers: Multi-Output Prediction for Parametric Dynamical Systems with Time-Varying Inputs
von: Sun, Shuwen, et al.
Veröffentlicht: (2025)

DTR-Bench: An in silico Environment and Benchmark Platform for Reinforcement Learning Based Dynamic Treatment Regime
von: Luo, Zhiyao, et al.
Veröffentlicht: (2024)