Springer Science and Business Media LLC

Do sự phát triển nhanh chóng trong học máy, và đặc biệt là mạng nơ-ron, nhiều phương pháp mới cho dự đoán thời gian sự kiện đã được phát triển trong vài năm qua. Vì mạng nơ-ron là các mô hình tham số, nên việc tích hợp các mô hình sống sót tham số vào khung mạng nơ-ron trở nên đơn giản hơn so với mô hình Cox bán tham số phổ biến. Đặc biệt, các mô hình sống sót theo thời gian rời rạc, hoàn toàn tham số, là những ứng cử viên thú vị để mở rộng bằng mạng nơ-ron. Độ khả năng cho dữ liệu sống sót theo thời gian rời rạc có thể được tham số hóa bởi hàm khối xác suất (PMF) hoặc bởi tỷ lệ nguy hiểm rời rạc, và cả hai cách diễn đạt này đã được sử dụng để phát triển các phương pháp dự đoán thời gian sự kiện dựa trên mạng nơ-ron. Trong bài báo này, chúng tôi xem xét và so sánh những phương pháp này. Quan trọng hơn, chúng tôi chỉ ra cách mà các phương pháp theo thời gian rời rạc có thể được áp dụng như các xấp xỉ cho dữ liệu theo thời gian liên tục. Để làm điều này, chúng tôi giới thiệu hai sơ đồ rời rạc hóa, tương ứng với thời gian cách đều hoặc xác suất sống sót biên cách đều, và hai cách để nội suy các dự đoán theo thời gian rời rạc, tương ứng với các hàm mật độ hằng số đoạn hoặc các tỷ lệ nguy hiểm hằng số đoạn. Thông qua các mô phỏng và nghiên cứu dữ liệu thực, các phương pháp dựa trên tham số hóa tỷ lệ nguy hiểm được phát hiện là hoạt động hơi tốt hơn so với các phương pháp sử dụng tham số hóa PMF. Được truyền cảm hứng từ những điều tra này, chúng tôi cũng đề xuất một phương pháp theo thời gian liên tục bằng cách giả định rằng tỷ lệ nguy hiểm theo thời gian liên tục là hằng số đoạn. Phương pháp này, được gọi là PC-Hazard, được phát hiện là cạnh tranh rất cao với các phương pháp đã đề cập ở trên cũng như các phương pháp khác cho dự đoán sống sót được tìm thấy trong tài liệu.