Buchumschlag

Survey-aware Machine Learning: A Guideline for Valid Population Health Inference based on Scoping Review

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Oh, YongKyung, Zheng, Henry W., Feng, Jeffrey, Bui, Alex A. T.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Multi-View Contrastive Learning for Robust Domain Adaptation in Medical Time Series Analysis
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Position: State-of-the-Art Claims Require State-of-the-Art Evidence
von: Oh, YongKyung
Veröffentlicht: (2026)

TANDEM: Temporal Attention-guided Neural Differential Equations for Missingness in Time Series Classification
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Comprehensive Review of Neural Differential Equations for Time Series Analysis
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

FlowPath: Learning Data-Driven Manifolds with Invertible Flows for Robust Irregularly-sampled Time Series Classification
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Stable Neural Stochastic Differential Equations in Analyzing Irregular Time Series Data
von: Oh, YongKyung, et al.
Veröffentlicht: (2024)

DualDynamics: Synergizing Implicit and Explicit Methods for Robust Irregular Time Series Analysis
von: Oh, YongKyung, et al.
Veröffentlicht: (2024)

Continuum Dropout for Neural Differential Equations
von: Lee, Jonghun, et al.
Veröffentlicht: (2025)

Modeling Irregular Astronomical Time Series with Neural Stochastic Delay Differential Equations
von: Oh, YongKyung, et al.
Veröffentlicht: (2025)

Valid Inference for Machine Learning Model Parameters
von: Dey, Neil, et al.
Veröffentlicht: (2023)

Scope and Arbitration in Machine Learning Clinical EEG Classification
von: Zhu, Yixuan, et al.
Veröffentlicht: (2023)

Machine Learning Applications Related to Suicide in Military and Veterans: A Scoping Literature Review
von: Zhang, Yuhan, et al.
Veröffentlicht: (2025)

Foundations of Unknown-aware Machine Learning
von: Du, Xuefeng
Veröffentlicht: (2025)

Reflections from Research Roundtables at the Conference on Health, Inference, and Learning (CHIL) 2025
von: Alsentzer, Emily, et al.
Veröffentlicht: (2025)

Anytime-Valid Inference for Double/Debiased Machine Learning of Causal Parameters
von: Dalal, Abhinandan, et al.
Veröffentlicht: (2024)

Category-Theoretical and Topos-Theoretical Frameworks in Machine Learning: A Survey
von: Jia, Yiyang, et al.
Veröffentlicht: (2024)

A Generative Framework for Low-Cost Result Validation of Machine Learning-as-a-Service Inference
von: Kumar, Abhinav, et al.
Veröffentlicht: (2023)

Event-Driven Digital-Time-Domain Inference Architectures for Tsetlin Machines
von: Lan, Tian, et al.
Veröffentlicht: (2025)

Is Limited Participant Diversity Impeding EEG-based Machine Learning?
von: Bomatter, Philipp, et al.
Veröffentlicht: (2025)

Diagnostics for Individual-Level Prediction Instability in Machine Learning for Healthcare
von: Miller, Elizabeth W., et al.
Veröffentlicht: (2026)

A Scoping Review of Machine Learning Applications in Power System Protection and Disturbance Management
von: Oelhaf, Julian, et al.
Veröffentlicht: (2025)

Machine Learning, Deep Learning and Data Preprocessing Techniques for Detection, Prediction, and Monitoring of Stress and Stress-related Mental Disorders: A Scoping Review
von: Razavi, Moein, et al.
Veröffentlicht: (2023)

A Scoping Review of Earth Observation and Machine Learning for Causal Inference: Implications for the Geography of Poverty
von: Sakamoto, Kazuki, et al.
Veröffentlicht: (2024)

Causal Inference with Double/Debiased Machine Learning for Evaluating the Health Effects of Multiple Mismeasured Pollutants
von: Xu, Gang, et al.
Veröffentlicht: (2024)

ETHEREAL: Energy-efficient and High-throughput Inference using Compressed Tsetlin Machine
von: Duan, Shengyu, et al.
Veröffentlicht: (2025)

The Clever Hans Mirage: A Comprehensive Survey on Spurious Correlations in Machine Learning
von: Ye, Wenqian, et al.
Veröffentlicht: (2024)

Physics-aware Machine Learning Revolutionizes Scientific Paradigm for Machine Learning and Process-based Hydrology
von: Xu, Qingsong, et al.
Veröffentlicht: (2023)

ComplexityNet: Increasing LLM Inference Efficiency by Learning Task Complexity
von: Bae, Henry, et al.
Veröffentlicht: (2023)

One-shot Transfer Learning for Population Mapping
von: Shao, Erzhuo, et al.
Veröffentlicht: (2021)

Machine Learning in High Volume Media Manufacturing
von: Karuka, Siddarth Reddy, et al.
Veröffentlicht: (2024)

Fairness in Machine Learning: A Survey
von: Caton, Simon, et al.
Veröffentlicht: (2020)

Communication-aware Wide-Area Damping Control using Risk-Constrained Reinforcement Learning
von: Kwon, Kyung-bin, et al.
Veröffentlicht: (2025)

Prism: Spectral Parameter Sharing for Multi-Agent Reinforcement Learning
von: Kim, Kyungbeom, et al.
Veröffentlicht: (2026)

Fast and Compact Tsetlin Machine Inference on CPUs Using Instruction-Level Optimization
von: Zeng, Yefan, et al.
Veröffentlicht: (2025)

Statistical Inference in Reinforcement Learning: A Selective Survey
von: Shi, Chengchun
Veröffentlicht: (2025)

Test-Time Learning and Inference-Time Deliberation for Efficiency-First Offline Reinforcement Learning in Care Coordination and Population Health Management
von: Basu, Sanjay, et al.
Veröffentlicht: (2025)

Explaining Graph Neural Networks via Structure-aware Interaction Index
von: Bui, Ngoc, et al.
Veröffentlicht: (2024)

Hyperbolic Deep Learning for Foundation Models: A Survey
von: He, Neil, et al.
Veröffentlicht: (2025)

Learning at the Speed of Physics: Equilibrium Propagation on Oscillator Ising Machines
von: Gower, Alex
Veröffentlicht: (2025)

Predicting the Impact of Scope Changes on Project Cost and Schedule Using Machine Learning Techniques
von: Sadeghi, Soheila
Veröffentlicht: (2024)