27.04.2023, 09:00 Uhr
Universität Wien
Besprechungsraum 4.34
Währinger Str. 29
1090 Wien
Titel: „Variational Autoencoders with Structured Missingness“
Kurzfassung:
Wir untersuchen und verbessern Variational Autoencoders (VAE), wenn Variablen eines
Datensatzes missing at random sind. Im untersuchten Setting fehlen Werte einer oder
mehrerer Variablen aufgrund der bereits beobachteten Werte anderer Variablen, die
Information über die fehlenden Werte enthalten. Bei einer medizinischen Untersuchung
beispielsweise könnte ein Doktor entscheiden, Folgeuntersuchungen auszulassen, da bereits
vorliegende Befunde Rückschlüsse auf die Resultate der Folgeuntersuchungen ermöglichen.
In diesem Fall liegt sowohl Vorwissen zum Missingness Prozess als auch zu den fehlenden
Werten selbst vor. Wir zeigen, dass dieser Fall zu unerwünschten Ergebnissen führen kann,
insbesondere bei kleinen Datensätzen, und dass Vorwissen zum Missingness Prozess nur
eingeschränkt hilfreich ist. Unsere Kernidee besteht darin, das Vorwissen zu den fehlenden
Werten direkt zu verwenden, um das Modell zu regularisieren. Diese Kombination aus
Daten und Vorwissen verbessert die Ergebnisse und macht das Modell robuster und
zuverlässiger.