Buchumschlag

Exploring Cumulative Effects in Survival Data Using Deep Learning Networks

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Kang-Chung, Yuan, Shinsheng
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Flexible Deep Neural Networks for Partially Linear Survival Data: Estimation and Survival Inference
von: Arie, Asaf Ben, et al.
Veröffentlicht: (2025)

Learning Beyond the Gaussian Data: Learning Dynamics of Neural Networks on an Expressive and Cumulant-Controllable Data Model
von: Ure, Onat, et al.
Veröffentlicht: (2026)

Fréchet Cumulative Covariance Net for Deep Nonlinear Sufficient Dimension Reduction with Random Objects
von: Yuan, Hang, et al.
Veröffentlicht: (2025)

Synthetic Survival Data Generation for Heart Failure Prognosis Using Deep Generative Models
von: Puttanawarut, Chanon, et al.
Veröffentlicht: (2025)

Deep Learning for Survival Analysis: A Review
von: Wiegrebe, Simon, et al.
Veröffentlicht: (2023)

Tuning Learning Rates with the Cumulative-Learning Constant
von: Faraj, Nathan
Veröffentlicht: (2025)

Gradient-based Explanations for Deep Learning Survival Models
von: Langbein, Sophie Hanna, et al.
Veröffentlicht: (2025)

Exploring Data Scaling Trends and Effects in Reinforcement Learning from Human Feedback
von: Shen, Wei, et al.
Veröffentlicht: (2025)

Explore Briefly, Then Decide: Mitigating LLM Overthinking via Cumulative Entropy Regulation
von: Bin, Yi, et al.
Veröffentlicht: (2025)

Deep Partially Linear Transformation Model for Right-Censored Survival Data
von: Yin, Junkai, et al.
Veröffentlicht: (2024)

Exploring the Feasibility of Deep Learning Models for Long-term Disease Prediction: A Case Study for Wheat Yellow Rust in England
von: Yuan, Zhipeng, et al.
Veröffentlicht: (2025)

Deep Survival Analysis for Competing Risk Modeling with Functional Covariates and Missing Data Imputation
von: Gao, Penglei, et al.
Veröffentlicht: (2025)

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

Learning Guarantee of Reward Modeling Using Deep Neural Networks
von: Luo, Yuanhang, et al.
Veröffentlicht: (2025)

Cumulative Meta-Learning from Active Learning Queries for Robustness to Spurious Correlations
von: Chew, Kin Whye, et al.
Veröffentlicht: (2026)

Multimodal Integration of Longitudinal Noninvasive Diagnostics for Survival Prediction in Immunotherapy Using Deep Learning
von: Yeghaian, Melda, et al.
Veröffentlicht: (2024)

Deep Survival Analysis in Multimodal Medical Data: A Parametric and Probabilistic Approach with Competing Risks
von: Garrido, Alba, et al.
Veröffentlicht: (2025)

Estimating Heterogeneous Causal Effect on Networks via Orthogonal Learning
von: Wu, Yuanchen, et al.
Veröffentlicht: (2025)

SurvReLU: Inherently Interpretable Survival Analysis via Deep ReLU Networks
von: Sun, Xiaotong, et al.
Veröffentlicht: (2024)

Exploring Federated Deep Learning for Standardising Naming Conventions in Radiotherapy Data
von: Haidar, Ali, et al.
Veröffentlicht: (2024)

Learning Rate Optimization for Deep Neural Networks Using Lipschitz Bandits
von: Priyanka, Padma, et al.
Veröffentlicht: (2024)

Policy Gradients for Cumulative Prospect Theory in Reinforcement Learning
von: Lepel, Olivier, et al.
Veröffentlicht: (2024)

QComp: A QSAR-Based Data Completion Framework for Drug Discovery
von: Yang, Bingjia, et al.
Veröffentlicht: (2024)

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

Identification and Estimation of Simultaneous Equation Models Using Higher-Order Cumulant Restrictions
von: Jiang, Ziyu
Veröffentlicht: (2025)

Causal Effect Identification in lvLiNGAM from Higher-Order Cumulants
von: Tramontano, Daniele, et al.
Veröffentlicht: (2025)

Explore the Ideology of Deep Learning in ENSO Forecasts
von: Gan, Yanhai, et al.
Veröffentlicht: (2026)

Adaptive Data Exploitation in Deep Reinforcement Learning
von: Yuan, Mingqi, et al.
Veröffentlicht: (2025)

Horizontal and Vertical Federated Causal Structure Learning via Higher-order Cumulants
von: Chen, Wei, et al.
Veröffentlicht: (2025)

Cumulative Learning Rate Adaptation: Revisiting Path-Based Schedules for SGD and Adam
von: Atamna, Asma, et al.
Veröffentlicht: (2025)

Survival In-Context: Amortized Bayesian Survival Analysis via Prior-Fitted Networks
von: Seletkov, Dmitrii, et al.
Veröffentlicht: (2026)

Exploring Factors Affecting Pedestrian Crash Severity Using TabNet: A Deep Learning Approach
von: Rafe, Amir, et al.
Veröffentlicht: (2023)

Structural Connectome Harmonization Using Deep Learning: The Strength of Graph Neural Networks
von: Patel, Jagruti, et al.
Veröffentlicht: (2025)

Deep End-to-End Survival Analysis with Temporal Consistency
von: Vieyra, Mariana Vargas, et al.
Veröffentlicht: (2024)

Deep Learning-Based Survival Analysis with Copula-Based Activation Functions for Multivariate Response Prediction
von: Kim, Jong-Min, et al.
Veröffentlicht: (2025)

Adaptive Data Harvesting for Efficient Neural Network Learning with Universal Constraints
von: Kang, Siteng, et al.
Veröffentlicht: (2026)

Densely Distilling Cumulative Knowledge for Continual Learning
von: Shi, Zenglin, et al.
Veröffentlicht: (2024)

Usage-Specific Survival Modeling Based on Operational Data and Neural Networks
von: Holmer, Olov, et al.
Veröffentlicht: (2024)

Experience-Efficient Model-Free Deep Reinforcement Learning Using Pre-Training
von: Yang, Ruoxing
Veröffentlicht: (2025)

Analysis of Financial Risk Behavior Prediction Using Deep Learning and Big Data Algorithms
von: Yang, Haowei, et al.
Veröffentlicht: (2024)