「AI Drive」是由 PaperWeekly 和 biendata 共同發(fā)起的學術直播間，旨在幫助更多的青年學者宣傳其最新科研成果。我們一直認為，單向地輸出知識并不是一個最好的方式，而有效地反饋和交流可能會讓知識的傳播更加有意義，從而產生更大的價值。

本期 AI Drive，我們邀請到清華大學交叉信息研究院博士生滕佳燁，為大家在線解讀其發(fā)表于 ICML 2021 的最新工作：T-SCI: A Two-Stage Conformal Inference Algorithm with Guaranteed Coverage for Cox-MLP。對本期主題感興趣的小伙伴，7 月 20?日（周二）晚 7 點，我們準時相約 PaperWeekly B 站直播間。

直播信息

在刪失數據中，我們只能得到生存時間的不完全信息，而不能得到生存時間的確切值。幸運的是，在線性假設下，人們可以使用 Cox 回歸等方法獲得生存時間的區(qū)間估計。然而，當使用神經網絡放松線性假設時（如 Cox-MLP），該區(qū)間估計將失去理論保證。?

為了在沒有線性假設的情況下重新獲得有理論保證的區(qū)間估計，我們提出了兩種基于共形預測的算法。在第一個算法 WCCI 中，我們重新考慮加權共形預測，并引入一個新的基于部分似然的 score。而后我們提出了兩階段共形預測算法 T-SCI，其中我們在第一階段運行 WCCI，并應用分位數共形推理來校準第二階段的結果。理論分析表明，與 WCCI 相比，在較溫和的假設下，T-SCI 能夠得到幾乎完美的覆蓋保證。我們用不同的方法對模擬數據和真實數據進行實驗，從而驗證了我們的分析。

論文標題：

T-SCI: A Two-Stage Conformal Inference Algorithm with Guaranteed Coverage for Cox-MLP

論文鏈接：

https://arxiv.org/abs/2103.04556

本次分享的具體內容有：?

• 背景介紹：對 Cox-MLP 模型與共形預測的基本介紹

• 研究動機：對 T-SCI 算法的介紹

• 理論結果：為該算法提供理論上界與下界的保證

• 實驗結果：展示在模擬數據集與現實數據集中的實驗結果

• 工作總結：總結與展望

嘉賓介紹

?滕佳燁?/ 清華大學博士生?

滕佳燁，清華大學交叉信息研究院一年級博士生，導師為袁洋助理教授。主要研究方向是神經網絡泛化理論，以及統(tǒng)計理論與機器學習的結合，包括因果推斷、共形預測等。

直播地址?& 交流群

本次直播將在 PaperWeekly B 站直播間進行，掃描下方海報二維碼或點擊閱讀原文即可免費觀看。線上分享結束后，嘉賓還將在直播交流群內實時 QA，在 PaperWeekly 微信公眾號后臺回復「AI Drive」，即可獲取入群通道。

B 站直播間：

https://live.bilibili.com/14884511

合作伙伴

????

現在，在「知乎」也能找到我們了

進入知乎首頁搜索「PaperWeekly」

點擊「關注」訂閱我們的專欄吧

關于PaperWeekly

PaperWeekly 是一個推薦、解讀、討論、報道人工智能前沿論文成果的學術平臺。如果你研究或從事 AI 領域，歡迎在公眾號后臺點擊「交流群」，小助手將把你帶入 PaperWeekly 的交流群里。

總結

以上是生活随笔為你收集整理的今晚直播 | ICML 2021论文解读：基于Cox-MLP模型的二阶段共形预测的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。