SurvHTE-Bench: A Benchmark for Heterogeneous Treatment Effect Estimation in Survival Analysis
이 논문은 검열된 생존 데이터를 기반으로 한 이질적 치료 효과 (HTE) 추정을 평가하기 위해 합성, 반합성, 실제 데이터를 포괄하는 최초의 종합 벤치마크인 'SurvHTE-Bench'를 제안합니다.
📊 Category
stat.ML
335 편의 논문
Sample-Optimal Locally Private Hypothesis Selection and the Provable Benefits of Interactivity
이 논문은 상호작용을 활용한 라운드의 알고리즘을 통해 비상호작용 방식의 하한을 깨고, 개의 분포 클래스에 대한 국소적 차분 프라이버시 가설 선택 문제의 최적 샘플 복잡도 를 달성함을 보여줍니다.
List Sample Compression and Uniform Convergence
이 논문은 리스트 PAC 학습 환경에서 균등 수렴이 학습 가능성과 동치임을 보이지만, Littlestone 와 Warmuth 의 샘플 압축 추측을 반박하여 특정 조건에서 학습 가능함에도 불구하고 압축이 불가능한 클래스가 존재함을 증명합니다.
Tracking solutions of time-varying variational inequalities
이 논문은 단조성이 보장되지 않거나 하위 선형 해 경로를 갖지 않는 주기적 시간 변화 변분 부등식에 대한 추적 한계를 제시하고, 주기적 시간 변화 변분 부등식의 이산 동역학 시스템이 혼돈을 보이거나 해로 수렴할 수 있음을 증명하며 실험을 통해 이를 검증합니다.
AuToMATo: An Out-Of-The-Box Persistence-Based Clustering Algorithm
이 논문은 지속적 호몰로지를 기반으로 한 AuToMATo 라는 새로운 클러스터링 알고리즘을 제안하며, 이는 매개변수 튜닝 없이도 다른 최첨단 알고리즘보다 우수한 성능을 발휘하고 Mapper 와 같은 위상 데이터 분석 응용에 적합하도록 설계되었음을 보여줍니다.
Low-Rank Contextual Reinforcement Learning from Heterogeneous Human Feedback
이 논문은 이질적인 인간 피드백의 맥락적 특성을 저차원 구조로 효율적으로 모델링하고 분포 편향을 완화하기 위해 'LoCo-RLHF'라는 새로운 프레임워크를 제안하며, 이를 통해 기존 방법보다 우수한 개인화 성능과 이론적 최적성을 입증합니다.
DCENWCNet: A Deep CNN Ensemble Network for White Blood Cell Classification with LIME-Based Explainability
이 논문은 다양한 드롭아웃 및 최대 풀링 설정을 가진 세 개의 CNN 아키텍처를 통합하여 불균형 데이터셋 문제를 해결하고 LIME 기법을 통해 해석 가능성을 확보한 새로운 앙상블 모델인 DCENWCNet 을 제안하여 백혈구 분류 성능을 향상시켰음을 보여줍니다.
Scalable physics-informed deep generative model for solving forward and inverse stochastic differential equations
이 논문은 고차원의 확률 및 공간 공간을 가진 확률 미분 방정식 (SDE) 의 순방향 및 역방향 문제를 해결하기 위해 물리 정보 기반 기저 네트워크와 생성 모델을 결합한 확장 가능한 물리 정보 기반 심층 생성 모델 (sPI-GeM) 을 제안하고 그 정확성과 확장성을 검증합니다.
Optimal Best-Arm Identification under Fixed Confidence with Multiple Optima
이 논문은 최적의 팔 개수를 미리 아는 다중 최적 팔 환경에서 고정 신뢰도 하의 최적 팔 식별 문제를 다루며, 새로운 정보 이론적 하한을 유도하고 이를 달성하는 변형된 Track-and-Stop 알고리즘을 제안하여 점근적 최적성을 증명합니다.
Convergence, Sticking and Escape: Stochastic Dynamics Near Critical Points in SGD
이 논문은 무한 및 유한 분산을 가진 잡음이 있는 1 차원 풍경에서 확률적 경사 하강법 (SGD) 의 수렴, 국소 최대점 부근에서의 머무름, 그리고 인접한 국소 최소점으로의 탈출 확률에 대한 시간 척도와 메커니즘을 규명합니다.
A Copula Based Supervised Filter for Feature Selection in Diabetes Risk Prediction Using Machine Learning
이 논문은 당뇨병 위험 예측을 위해 Gumbel-코풀라 기반의 상부 꼬리 일치 점수 (lambda U) 를 활용한 새로운 지도형 필터를 제안하여, 기존 방법들보다 계산 효율성과 임상적 해석 가능성을 높이면서도 성능을 유지하거나 개선하는 것을 입증했습니다.
Boosting In-Context Learning in LLMs Through the Lens of Classical Supervised Learning
이 논문은 기존 ICL 보정 방법들의 한계를 극복하고 결정 경계의 방향까지 유연하게 조정할 수 있는 손실 최소화 기반의 'Supervised Calibration (SC)' 프레임워크를 제안하여, 다양한 LLM 과 데이터셋에서 SOTA 성능을 달성함을 보여줍니다.
Honesty in Causal Forests: When It Helps and When It Hurts
이 논문은 과적합을 줄이기 위해 표준적으로 사용되는 '정직성 (honesty)' 전략이 오히려 이질적인 개인별 치료 효과를 포착하는 능력을 저해하여 모델의 정확도를 떨어뜨릴 수 있음을 7,500 개의 데이터셋을 통해 입증하고, 이를 맹목적으로 적용하기보다 응용 목적과 실증적 평가에 따라 신중하게 선택해야 함을 주장합니다.
Federated ADMM from Bayesian Duality
이 논문은 변분 베이지안 최적화의 이중성 구조를 활용하여 페더레이티드 ADMM 을 일반화하고, 등방성 가우시안 가정 하에서 기존 ADMM 을 재현하면서도 다른 지수족 분포에 대해서는 1 단계 수렴 뉴턴 방식이나 최대 7% 의 정확도 향상을 보이는 Adam 방식과 같은 새로운 확장 알고리즘을 제안합니다.
Finite-Dimensional Gaussian Approximation for Deep Neural Networks: Universality in Random Weights
이 논문은 무작위 가중치를 가진 심층 신경망의 유한차원 분포가 리프시츠 활성화 함수 하에서 층 폭이 임의의 비율로 무한히 증가할 때 Wasserstein-1 노름에서 가우시안 분포로 근사됨을 증명하고, 특히 모든 층의 폭이 동일한 척도 파라미터에 비례하는 경우 수렴 속도를 제시합니다.
Best-of- -- Asymptotic Performance of Test-Time LLM Ensembling
이 논문은 무한한 테스트 시간 예산을 가정하는 'Best-of-' 접근법의 한계를 극복하기 위해 답변 일치도에 기반한 적응형 생성 방식을 제안하고, 최적의 가중치를 혼합 정수 선형 계획법으로 계산하여 다중 LLM 앙상블의 성능을 극대화하는 방법을 연구합니다.
Learning in an Echo Chamber: Online Learning with Replay Adversary
이 논문은 자기 주석 데이터 학습에서 발생하는 '에코 챔버' 현상을 모델링한 '리플레이 적대적 학습' 프레임워크를 제안하고, 학습 가능성을 결정하는 새로운 차원인 '확장 임계 차원 (ExThD)'을 정의하여 이 환경에서의 최적 오차 한계를 규명했습니다.
Buzz, Choose, Forget: A Meta-Bandit Framework for Bee-Like Decision Making
이 논문은 꿀벌의 제한된 기억력을 반영한 시계열 창을 도입한 MAYA 모델을 제안하여, 실제 및 시뮬레이션 데이터를 기반으로 꿀벌의 학습 전략을 해석하고 미래 생태학적 응용을 위한 현실적인 궤적을 추론할 수 있음을 입증했습니다.
Implicit Bias of Per-sample Adam on Separable Data: Departure from the Full-batch Regime
이 논문은 선형 분리 가능한 데이터에서 단일 샘플을 사용하는 증분 Adam 의 암묵적 편향이 전체 배치 방식과 달리 -최대 마진 분류기로 수렴할 수 있음을 증명하고, 편향이 배치 방식과 데이터셋에 따라 달라지는 반면 Signum 은 -최대 마진 편향을 유지함을 보여줍니다.
Implicit Bias of the JKO Scheme
이 논문은 Jordan-Kinderlehrer-Otto (JKO) 스킴이 시간 간격의 2 차 항에서 에너지 함수량의 메트릭 곡률 제곱을 보정항으로 추가한 수정된 에너지 함수를 최소화하는 Wasserstein 기울기 흐름으로 근사된다는 것을 보여주어, 엔트로피나 KL 발산과 같은 일반적인 함수량에 대한 JKO 스킴의 암시적 편향을 규명합니다.