डीपहिट (DeepHit)
डीपहिट (DeepHit) प्रतिस्पर्धी जोखिमों के साथ उत्तरजीविता विश्लेषण के लिए एक गहन तंत्रिका नेटवर्क (deep neural network) ढाँचा है। इसे 2018 में ली एट अल. (Lee et al.) द्वारा प्रस्तुत किया गया था, यह डीपसर्प (DeepSurv) का विस्तार करता है ताकि उन स्थितियों को संभाला जा सके जहाँ कई, परस्पर अनन्य घटनाएँ हो सकती हैं, जैसे कि रोग-विशिष्ट मृत्यु बनाम अन्य कारणों से मृत्यु। डीपहिट (DeepHit) व्यक्तिगत जोखिम भविष्यवाणी की चुनौती का समाधान करता है जब विषय विभिन्न प्रकार की अंतिम घटनाओं का अनुभव कर सकते हैं, जो चिकित्सा और विश्वसनीयता अनुप्रयोगों में एक सामान्य परिदृश्य है।
पूरी विधि पढ़ें
यह खंड पढ़ने के लिए निःशुल्क खाते से साइन इन करें।
Method map
The neighbourhood of related methods — select a node to explore.
स्रोत
- Lee, C., Zame, W., Yoon, J., & van der Schaar, M. (2018). DeepHit: A deep learning approach for dynamic survival analysis with competing risks. AAAI Conference on Artificial Intelligence, 32(1), 2314–2321. link ↗
- Fine, J. P., & Gray, R. J. (1999). A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association, 94(446), 496–509. DOI: 10.1080/01621459.1999.10474144 ↗
- Katzman, J. L., et al. (2018). DeepSurv: Personalized treatment recommender system using a Cox proportional hazards deep neural network. Journal of Machine Learning Research, 40, 40–51. DOI: 10.1186/s12874-018-0482-1 ↗
इस पृष्ठ का उद्धरण कैसे दें
ScholarGate. (2026, June 3). Deep Learning for Competing Risks. ScholarGate. https://scholargate.app/hi/survival/deephit
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- डीपसर्वाइवउत्तरजीविता↔ compare