| چارچوبی ترکیبی مبتنی بر شبکه‌های عصبی برای تحلیل فضایی داده های بقای صفر آماسیده |
| کد مقاله : 1006-SPATIAL (R2) |
| نویسندگان |
|
سپیده اسعدی *، محسن محمدزاده گروه آمار، دانشگاه تربیت مدرس |
| چکیده مقاله |
| در این ارائه، به بررسی محدودیت‌های مدل‌های سنتی تحلیل بقاء در مواجهه با داده‌های دارای تورم صفر و وابستگی مکانی می‌پردازیم. اگرچه مدل ویبول گسسته با تورم صفر پیش‌تر برای مقابله با این مسائل پیشنهاد شده، اما ماهیت پارامتری آن در مواجهه با روابط پیچیده و غیرخطی با چالش‌هایی روبه‌روست. برای غلبه بر این چالش، ما یک چارچوب ترکیبی مبتنی بر شبکه‌های عصبی ارائه می‌دهیم که مدل ویبول گسسته با تورم صفر را بهبود می‌بخشد. در این چارچوب، از یک شبکه عصبی برای پیش‌بینی احتمال وقوع صفرها و از شبکه‌های عصبی گراف برای مدل‌سازی وابستگی‌های مکانی استفاده می‌شود. همچنین، یک شبکه عصبی دیگر به‌منظور پیش‌بینی زمان بقاء با در نظر گرفتن سانسور از راست به‌صورت انعطاف‌پذیر در مدل گنجانده شده است. این چارچوب، با آموزش سرتاسری ، به‌طور هم‌زمان الگوهای پیچیده، روابط غیرخطی و وابستگی‌های مکانی را فرا می‌گیرد. همان‌طور که در شبیه‌سازی‌ها و کاربردهای واقعی نشان خواهیم داد، چارچوب پیشنهادی ما دقت پیش‌بینی و قابلیت تفسیر را در تحلیل بقاء با داده‌های دارای تورم صفر و هم‌بستگی فضایی به‌طور قابل‌توجهی بهبود می‌بخشد. |
| کلیدواژه ها |
| داده‌های بقاءصفر آماسیده- شبکه عصبی، مدل ترکیبی |
| وضعیت: پذیرفته شده |