Buchumschlag

Orthogonal Learner for Estimating Heterogeneous Long-Term Treatment Effects

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Haorui, Frauen, Dennis, Melnychuk, Valentyn, Feuerriegel, Stefan
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning 68T07, 62D20
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

DeepBlip: Estimating Conditional Average Treatment Effects Over Time
von: Ma, Haorui, et al.
Veröffentlicht: (2025)

Bounds on Representation-Induced Confounding Bias for Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2023)

Causality as the Statistical Conscience of Artificial Intelligence: From Pearl's Ladder to Trustworthy Machines
von: Fokoué, Ernest
Veröffentlicht: (2026)

Orthogonal Representation Learning for Estimating Causal Quantities
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

TILT: Target-induced loss tilting under covariate shift
von: Yamamoto, Kakei, et al.
Veröffentlicht: (2026)

Overlap-Adaptive Regularization for Conditional Average Treatment Effect Estimation
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2025)

Bayesian Neural Controlled Differential Equations for Treatment Effect Estimation
von: Hess, Konstantin, et al.
Veröffentlicht: (2023)

Nonparametric estimation of a factorizable density using diffusion models
von: Kwon, Hyeok Kyu, et al.
Veröffentlicht: (2025)

Differentially Private Learners for Heterogeneous Treatment Effects
von: Schröder, Maresa, et al.
Veröffentlicht: (2025)

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

SAGA: A Sequence-Adaptive Generative Architecture for Multi-Horizon Probabilistic Forecasting with Adaptive Temporal Conformal Prediction
von: Lundström-Imanov, Gustav Olaf Yunus Laitinen-Fredriksson, et al.
Veröffentlicht: (2026)

Empirical Mode Decomposition and Graph Transformation of the MSCI World Index: A Multiscale Topological Analysis for Graph Neural Network Modeling
von: Riscos, Agustín M. de los, et al.
Veröffentlicht: (2025)

Operator Learning Using Random Features: A Tool for Scientific Computing
von: Nelsen, Nicholas H., et al.
Veröffentlicht: (2024)

An Orthogonal Learner for Individualized Outcomes in Markov Decision Processes
von: Javurek, Emil, et al.
Veröffentlicht: (2025)

Partial Counterfactual Identification of Continuous Outcomes with a Curvature Sensitivity Model
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2023)

Quantifying Aleatoric Uncertainty of the Treatment Effect: A Novel Orthogonal Learner
von: Melnychuk, Valentyn, et al.
Veröffentlicht: (2024)

Consistent End-to-End Estimation for Counterfactual Fairness
von: Ma, Yuchen, et al.
Veröffentlicht: (2023)

Estimating Unbounded Density Ratios: Applications in Error Control under Covariate Shift
von: Xu, Shuntuo, et al.
Veröffentlicht: (2025)

Signal Recovery from Random Dot-Product Graphs Under Local Differential Privacy
von: Vishwanath, Siddharth, et al.
Veröffentlicht: (2025)

Adam Improves Muon: Adaptive Moment Estimation with Orthogonalized Momentum
von: Zhang, Minxin, et al.
Veröffentlicht: (2026)

Treatment Effect Estimation for Optimal Decision-Making
von: Frauen, Dennis, et al.
Veröffentlicht: (2025)

The Cost of Adaptation under Differential Privacy: Optimal Adaptive Federated Density Estimation
von: Cai, T. Tony, et al.
Veröffentlicht: (2025)

On the minimax optimality of Flow Matching through the connection to kernel density estimation
von: Kunkel, Lea, et al.
Veröffentlicht: (2025)

Distribution estimation via Flow Matching with Lipschitz guarantees
von: Kunkel, Lea
Veröffentlicht: (2025)

Generalization Error of GAN from the Discriminator's Perspective
von: Yang, Hongkang, et al.
Veröffentlicht: (2021)

A2 Copula-Driven Spatial Bayesian Neural Network For Modeling Non-Gaussian Dependence: A Simulation Study
von: Aich, Agnideep, et al.
Veröffentlicht: (2025)

An operator learning perspective on parameter-to-observable maps
von: Huang, Daniel Zhengyu, et al.
Veröffentlicht: (2024)

Mathematical Theory of Collinearity Effects on Machine Learning Variable Importance Measures
von: Bladen, Kelvyn K., et al.
Veröffentlicht: (2025)

Causal Q-Aggregation for CATE Model Selection
von: Lan, Hui, et al.
Veröffentlicht: (2023)

A Unified Matrix-Spectral Framework for Stability and Interpretability in Deep Learning
von: Katende, Ronald
Veröffentlicht: (2026)

Supervised Guidance Training for Infinite-Dimensional Diffusion Models
von: Baker, Elizabeth L., et al.
Veröffentlicht: (2026)

Comparison of generalised additive models and neural networks in applications: A systematic review
von: Doohan, Jessica, et al.
Veröffentlicht: (2025)

Gaussian Interpolation Flows
von: Gao, Yuan, et al.
Veröffentlicht: (2023)

Convergence of Continuous Normalizing Flows for Learning Probability Distributions
von: Gao, Yuan, et al.
Veröffentlicht: (2024)

Hybrid deep additive neural networks
von: Kim, Gyu Min, et al.
Veröffentlicht: (2024)

Transfer Learning through Enhanced Sufficient Representation: Enriching Source Domain Knowledge with Target Data
von: Ge, Yeheng, et al.
Veröffentlicht: (2025)

Deep Neural Network Based Accelerated Failure Time Models using Rank Loss
von: Kim, Gwangsu, et al.
Veröffentlicht: (2022)

Conditional Stochastic Interpolation for Generative Learning
von: Huang, Ding, et al.
Veröffentlicht: (2023)

Fair Sufficient Representation Learning
von: Zhou, Xueyu, et al.
Veröffentlicht: (2025)

End-Cut Preference in Survival Trees
von: Su, Xiaogang
Veröffentlicht: (2025)