지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 최상범
- 발행연도
- 2021
- 저작권
- 고려대학교 논문은 저작권에 의해 보호받습니다.
이용수0
이 논문의 연구 히스토리 (2)
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
동적 처치 요법(Dynamic Treatment Regimes; DTR)은 개인에게 맞춤형 치료법을 제공하도록 설계된 의사 결정 규칙이다. 모든 개인에게 동일한 유형의 치료법이 처방되는 고전적 방법과 달리, 동적 처치 요법은 시간이 지남에 따라 변하는 개인의 특성을 고려한 치료법을 처방한다.
회귀 기반 방법 중 대표적인 방법인 Q-학습(Q-learning) 방법은 구현이 용이하기 때문에 대중적으로 사용되지만 관찰 연구 데이터에서 사용할 때 추정량의 성능은 모형의 정확한 설정에 의존하게 된다. 이에 이중강건한(doubly-robust) 추정 방법이 연구되어왔고 대표적으로 동적 가중 최소제곱법(dynamic Weighted Ordinary Least Squares; d-WOLS)이 있다. 하지만 이 방법을 현실 세계의 데이터에 적용할 경우 여전히 제약이 따른다.
이에 기존 방법을 기반으로 새로운 이중 강건한 추정 방법을 제안한다.
모의 실험에서는 기존 동적 가중 최소제곱법과 제안한 방법 간의 비교를 통해 성능을 입증하였으며 실제 데이터 적합을 통해 적용 가능성을 확인하였다.
회귀 기반 방법 중 대표적인 방법인 Q-학습(Q-learning) 방법은 구현이 용이하기 때문에 대중적으로 사용되지만 관찰 연구 데이터에서 사용할 때 추정량의 성능은 모형의 정확한 설정에 의존하게 된다. 이에 이중강건한(doubly-robust) 추정 방법이 연구되어왔고 대표적으로 동적 가중 최소제곱법(dynamic Weighted Ordinary Least Squares; d-WOLS)이 있다. 하지만 이 방법을 현실 세계의 데이터에 적용할 경우 여전히 제약이 따른다.
이에 기존 방법을 기반으로 새로운 이중 강건한 추정 방법을 제안한다.
모의 실험에서는 기존 동적 가중 최소제곱법과 제안한 방법 간의 비교를 통해 성능을 입증하였으며 실제 데이터 적합을 통해 적용 가능성을 확인하였다.
목차
제 1 장. 서론제 2 장. 선행연구제 1 절. 동적 처치 요법 프레임워크: 단일 결정 설정제 2 절. 동적 가중 최소제곱법제 3 절. 변형된 공변량 방법제 3 장. 방법제 1 절. 제안된 방법제 2 절. 고차원에서의 정규화제 4 장. 모의실험제 1 절. 모의실험1제 2 절. 모의실험2제 5 장. 예시제 6 장. 논의부록 A. 정리2에 대한 증명부록 B. 정리3에 대한 증명
최근 본 자료
댓글(0)
0