CADENCE: Recuperare Traiettorie Individuali da Istantanee Sparse
Un nuovo quadro probabilistico chiamato CADENCE recupera traiettorie individuali continue da istantanee trasversali isolate, sfidando la tradizionale necessità di dati longitudinali densi. Sviluppato da ricercatori i cui nomi non sono forniti nella fonte, CADENCE ancora le dinamiche latenti a contesti statici a livello individuale, consentendo l'inferenza da dati estremamente sparsi o da un singolo punto temporale. Il quadro offre nuove garanzie di identificabilità per l'inferenza di traiettorie da un singolo punto temporale, affrontando un problema fondamentale mal posto in campi come l'invecchiamento, l'epidemiologia e il degrado fisico. A differenza dei modelli sequenziali (ad esempio, ODE latenti) che richiedono dati longitudinali densi o metodi trasversali (ad esempio, trasporto ottimale, flow matching) che perdono le dinamiche individuali, CADENCE colma il divario combinando un approccio basato su score con una modellazione probabilistica basata su principi. L'articolo è pubblicato su arXiv con identificatore 2605.23470v1.
Fatti principali
- CADENCE è un quadro probabilistico per recuperare traiettorie individuali da istantanee trasversali sparse.
- Ancora le dinamiche latenti a contesti statici a livello individuale.
- Fornisce garanzie di identificabilità per l'inferenza di traiettorie da un singolo punto temporale.
- Il quadro affronta problemi mal posti nell'invecchiamento, nelle epidemie e nel degrado fisico.
- Combina un approccio basato su score con la modellazione probabilistica.
- L'articolo è su arXiv con identificatore 2605.23470v1.
- I modelli sequenziali come le ODE latenti richiedono dati longitudinali densi.
- I metodi trasversali come il trasporto ottimale perdono le dinamiche individuali.
Entità
Istituzioni
- arXiv