:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Zhang, Yuling, Wu, Anpeng, Kuang, Kun, Du, Liang, Sun, Zixun, Wang, Zhi
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	https://arxiv.org/abs/2407.03082
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

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

Pareto-Optimal Estimation and Policy Learning on Short-term and Long-term Treatment Effects
von: Wang, Yingrong, et al.
Veröffentlicht: (2024)

Causal Inference with Complex Treatments: A Survey
von: Wang, Yingrong, et al.
Veröffentlicht: (2024)

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

Contrastive Balancing Representation Learning for Heterogeneous Dose-Response Curves Estimation
von: Zhu, Minqin, et al.
Veröffentlicht: (2024)

Distributional Treatment Effect Estimation across Heterogeneous Sites via Optimal Transport
von: Bateni, Borna, et al.
Veröffentlicht: (2025)

Learning Individual Treatment Effects under Heterogeneous Interference in Networks
von: Zhao, Ziyu, et al.
Veröffentlicht: (2022)

Causal Discovery for Irregularly Time Series with Consistency Guarantees
von: Li, Weihong, et al.
Veröffentlicht: (2025)

Causality for Large Language Models
von: Wu, Anpeng, et al.
Veröffentlicht: (2024)

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

MergeNet: Knowledge Migration across Heterogeneous Models, Tasks, and Modalities
von: Li, Kunxi, et al.
Veröffentlicht: (2024)

Distributional Off-Policy Evaluation with Deep Quantile Process Regression
von: Kuang, Qi, et al.
Veröffentlicht: (2026)

DIVE: Subgraph Disagreement for Graph Out-of-Distribution Generalization
von: Sun, Xin, et al.
Veröffentlicht: (2024)

Federated Learning for Estimating Heterogeneous Treatment Effects
von: Makhija, Disha, et al.
Veröffentlicht: (2024)

Reliable Selection of Heterogeneous Treatment Effect Estimators
von: Guo, Jiayi, et al.
Veröffentlicht: (2025)

Should Bias be Eliminated? A General Framework to Use Bias for OOD Generalization
von: Li, Yan, et al.
Veröffentlicht: (2025)

When and How Does In-Distribution Label Help Out-of-Distribution Detection?
von: Du, Xuefeng, et al.
Veröffentlicht: (2024)

OBLR-PO: A Theoretical Framework for Stable Reinforcement Learning
von: Huang, Zixun, et al.
Veröffentlicht: (2025)

A Relative Error-Based Evaluation Framework of Heterogeneous Treatment Effect Estimators
von: Guo, Jiayi, et al.
Veröffentlicht: (2025)

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

Deep Learning of Continuous and Structured Policies for Aggregated Heterogeneous Treatment Effects
von: Zhang, Jennifer Y., et al.
Veröffentlicht: (2025)

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

Learning Discrete Latent Variable Structures with Tensor Rank Conditions
von: Chen, Zhengming, et al.
Veröffentlicht: (2024)

Journey to the Centre of Cluster: Harnessing Interior Nodes for A/B Testing under Network Interference
von: Chen, Qianyi, et al.
Veröffentlicht: (2026)

Unlocking Out-of-Distribution Generalization in Dynamics through Physics-Guided Augmentation
von: Xu, Fan, et al.
Veröffentlicht: (2025)

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

General Information Metrics for Improving AI Model Training Efficiency
von: Xu, Jianfeng, et al.
Veröffentlicht: (2025)

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)

Heterogeneous Treatment Effects in Panel Data
von: Levi, Retsef, et al.
Veröffentlicht: (2024)

Kernel PCA for Out-of-Distribution Detection
von: Fang, Kun, et al.
Veröffentlicht: (2024)

Few-Shot Causal Representation Learning for Out-of-Distribution Generalization on Heterogeneous Graphs
von: Ding, Pengfei, et al.
Veröffentlicht: (2024)

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

Out-of-Distribution Learning with Human Feedback
von: Bai, Haoyue, et al.
Veröffentlicht: (2024)

AuG-KD: Anchor-Based Mixup Generation for Out-of-Domain Knowledge Distillation
von: Tang, Zihao, et al.
Veröffentlicht: (2024)

Deep Learning for Causal Inference: A Comparison of Architectures for Heterogeneous Treatment Effect Estimation
von: Papakostas, Demetrios, et al.
Veröffentlicht: (2024)

Orthogonal Survival Learners for Estimating Heterogeneous Treatment Effects from Time-to-Event Data
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

Modality Alignment across Trees on Heterogeneous Hyperbolic Manifolds
von: Wu, Wei, et al.
Veröffentlicht: (2025)

Patient-Specific Models of Treatment Effects Explain Heterogeneity in Tuberculosis
von: Wu, Ethan, et al.
Veröffentlicht: (2024)

Adversarial Label Invariant Graph Data Augmentations for Out-of-Distribution Generalization
von: Zhang, Simon, et al.
Veröffentlicht: (2026)