Buchumschlag

DNAMite: Interpretable Calibrated Survival Analysis with Discretized Additive Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Van Ness, Mike, Block, Billy, Udell, Madeleine
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

Interpretable Prediction and Feature Selection for Survival Analysis
von: Van Ness, Mike, et al.
Veröffentlicht: (2024)

dnamite: A Python Package for Neural Additive Models
von: Van Ness, Mike, et al.
Veröffentlicht: (2025)

PDE-SHARP: PDE Solver Hybrids through Analysis and Refinement Passes
von: Fazliani, Shaghayegh, et al.
Veröffentlicht: (2025)

Enhancing Physics-Informed Neural Networks Through Feature Engineering
von: Fazliani, Shaghayegh, et al.
Veröffentlicht: (2025)

SAPPHIRE: Preconditioned Stochastic Variance Reduction for Faster Large-Scale Statistical Learning
von: Sun, Jingruo, et al.
Veröffentlicht: (2025)

Small Gradient Norm Regret for Online Convex Optimization
von: Gao, Wenzhi, et al.
Veröffentlicht: (2026)

ADHAM: Additive Deep Hazard Analysis Mixtures for Interpretable Survival Regression
von: Ketenci, Mert, et al.
Veröffentlicht: (2025)

SnareNet: Flexible Repair Layers for Neural Networks with Hard Constraints
von: Chu, Ya-Chi, et al.
Veröffentlicht: (2026)

Discrete Diffusion Models: Novel Analysis and New Sampler Guarantees
von: Liang, Yuchen, et al.
Veröffentlicht: (2025)

CRISP-NAM: Competing Risks Interpretable Survival Prediction with Neural Additive Models
von: Ramachandram, Dhanesh, et al.
Veröffentlicht: (2025)

SketchySGD: Reliable Stochastic Optimization via Randomized Curvature Estimates
von: Frangella, Zachary, et al.
Veröffentlicht: (2022)

PROMISE: Preconditioned Stochastic Optimization Methods by Incorporating Scalable Curvature Estimates
von: Frangella, Zachary, et al.
Veröffentlicht: (2023)

From Scores to Gibbs Correctors: Accelerating Uniform-Rate Discrete Diffusion Models
von: Liang, Yuchen, et al.
Veröffentlicht: (2026)

LLMs for Cold-Start Cutting Plane Separator Configuration
von: Lawless, Connor, et al.
Veröffentlicht: (2024)

Gradient Methods with Online Scaling
von: Gao, Wenzhi, et al.
Veröffentlicht: (2024)

Gradient Methods with Online Scaling Part I. Theoretical Foundations
von: Gao, Wenzhi, et al.
Veröffentlicht: (2025)

Provable and Practical Online Learning Rate Adaptation with Hypergradient Descent
von: Chu, Ya-Chi, et al.
Veröffentlicht: (2025)

Gradient Methods with Online Scaling Part II. Practical Aspects
von: Chu, Ya-Chi, et al.
Veröffentlicht: (2025)

Challenges in Training PINNs: A Loss Landscape Perspective
von: Rathore, Pratik, et al.
Veröffentlicht: (2024)

Understanding Fixed Predictions via Confined Regions
von: Lawless, Connor, et al.
Veröffentlicht: (2025)

ShapeBench: A Scalable Benchmark and Diagnostic Suite for Standardized Evaluation in Aerodynamic Shape Optimization
von: Fazliani, Shaghayegh, et al.
Veröffentlicht: (2026)

Interpretable Machine Learning for Survival Analysis
von: Langbein, Sophie Hanna, et al.
Veröffentlicht: (2024)

Survival Kernets: Scalable and Interpretable Deep Kernel Survival Analysis with an Accuracy Guarantee
von: Chen, George H.
Veröffentlicht: (2022)

GRAFT: Decoupling Ranking and Calibration for Survival Analysis
von: Ashhad, Mohammad, et al.
Veröffentlicht: (2026)

Turbocharging Gaussian Process Inference with Approximate Sketch-and-Project
von: Rathore, Pratik, et al.
Veröffentlicht: (2025)

CAT: Interpretable Concept-based Taylor Additive Models
von: Duong, Viet, et al.
Veröffentlicht: (2024)

Interpretable Generalized Additive Models for Datasets with Missing Values
von: McTavish, Hayden, et al.
Veröffentlicht: (2024)

Isotonic Survival Regression: Calibrated Survival Distributions from Deep Cox Models
von: Jain, Anchit, et al.
Veröffentlicht: (2026)

Functional Decomposition and Shapley Interactions for Interpreting Survival Models
von: Langbein, Sophie Hanna, et al.
Veröffentlicht: (2026)

Absorb and Converge: Provable Convergence Guarantee for Absorbing Discrete Diffusion Models
von: Liang, Yuchen, et al.
Veröffentlicht: (2025)

Dual Mixture-of-Experts Framework for Discrete-Time Survival Analysis
von: Lee, Hyeonjun, et al.
Veröffentlicht: (2025)

Automated and Interpretable Survival Analysis from Multimodal Data
von: Malafaia, Mafalda, et al.
Veröffentlicht: (2025)

Discrete-Choice Model with Generalized Additive Utility Network
von: Nishi, Tomoki, et al.
Veröffentlicht: (2023)

NeurCAM: Interpretable Neural Clustering via Additive Models
von: Upadhya, Nakul, et al.
Veröffentlicht: (2024)

Sparse Deep Additive Model with Interactions: Enhancing Interpretability and Predictability
von: Hung, Yi-Ting, et al.
Veröffentlicht: (2025)

Dynamical Survival Analysis with Controlled Latent States
von: Bleistein, Linus, et al.
Veröffentlicht: (2024)

Calibration through the Lens of Interpretability
von: Torabian, Alireza, et al.
Veröffentlicht: (2024)

Newton-Puiseux Analysis for Interpretability and Calibration of Complex-Valued Neural Networks
von: Migus, Piotr
Veröffentlicht: (2025)

BARMPy: Bayesian Additive Regression Models Python Package
von: Van Boxel, Danielle
Veröffentlicht: (2024)

InstaSHAP: Interpretable Additive Models Explain Shapley Values Instantly
von: Enouen, James, et al.
Veröffentlicht: (2025)