基于时间一致性的深度端到端生存分析

研究提出一种受 Deep Q-Network 启发的生存分析算法，通过时间一致性递归条件与延迟目标网络解耦训练目标生成与模型更新，支持 mini-batch 优化和端到端训练。该框架可适配任意复杂架构，在长序列数据集上优于基准，消融实验显示目标延迟程度显著影响预测性能与训练波动，且在两类生存模型族上延迟目标更新均优于同时间尺度基线。