Neural Network-Based Piecewise Survival Models

要約

この論文では、ニューラル ネットワーク ベースの生存モデルのファミリーを紹介します。
モデルは、時間の分割におけるハザード関数と密度関数の区分的定義に基づいて指定されます。
定数定義と線形区分定義の両方が提示され、4 つのモデルのファミリーが得られます。
これらのモデルは、一般的に使用される離散時間モデルおよび区分指数モデルの拡張と見なすことができ、それによってこの標準モデルのセットに柔軟性が追加されます。
シミュレートされたデータセットを使用すると、このモデルは、表現力の高い最先端のエネルギーベースのモデルと比較して、計算時間のほんの一部しか必要とせず、優れたパフォーマンスを発揮することが示されています。

要約(オリジナル)

In this paper, a family of neural network-based survival models is presented. The models are specified based on piecewise definitions of the hazard function and the density function on a partitioning of the time; both constant and linear piecewise definitions are presented, resulting in a family of four models. The models can be seen as an extension of the commonly used discrete-time and piecewise exponential models and thereby add flexibility to this set of standard models. Using a simulated dataset the models are shown to perform well compared to the highly expressive, state-of-the-art energy-based model, while only requiring a fraction of the computation time.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google