2447 ورقة بحثية
تقدم هذه الورقة "تحسين المينيمكس للاستدلال التنبؤي" (MOPI)، وهو إطار عمل مبتكر يحقق تغطية شرطية متكيفة مع الشكل بشكل فائق في التنبؤ التوافقي من خلال تحسين التعيينات المرنة ذات القيم المجموعاتية عبر صياغة المينيمكس، متجاوزاً بذلك قيود دوال الدرجة الثابتة مع توفير ضمانات نظرية وكفاءة تجريبية محسنة.
تقترح هذه الورقة "دمج ماركوف المتسلسل"، وهي طريقة وخوارزمية أخذ عينات مرتبطة بها لدمج سلاسل من النماذج الفرعية البايزية المرتبطة بكميات مشتركة، مما يعالج بفعالية تحديات التوفيق بين التوزيعات القبلية والتقدير البعدي لدمج مصادر البيانات غير المتجانسة.
تقترح هذه الورقة طريقة "AR-sieve bootstrap" مبتكرة للسلاسل الزمنية عالية الأبعاد، تتغلب على لعنة الأبعاد والاعتماد الزمني من خلال تطبيق إعادة أخذ العينات على عوامل مشتركة منخفضة الأبعاد مستخرجة عبر نمذجة العوامل، مع خصائص تقاربية راسخة وفعالية مثبتة في المحاكاة والتطبيقات التجريبية.
تقترح هذه الورقة طريقة تحليل المكونات الرئيسية بالتجميع المكمل (CPCA) التكرارية التي تلتقط بفعالية كلاً من التجانس العالمي والتجانس الفرعي الخاص بالمجموعات في البيانات عالية الأبعاد، مما يظهر أداءً متفوقاً من خلال الضمانات النظرية، والمحاكاة، وتحليل عوائد الأسهم في العالم الحقيقي.
تقترح هذه الورقة إجراءً جديدًا ومرنًا للكشف عن نقاط التغير عبر الإنترنت بناءً على تعظيم مقياس التباين بين توزيعات ما قبل وما بعد التغير، مما يوفر ضمانات أداء غير تقاربية ويثبت الفعالية من خلال تجارب على كل من البيانات الاصطناعية والواقعية.
تقترح هذه الورقة إجراءً تفاعلياً تكرارياً لاختيار المربكات يقوم ببناء رسم بياني سببي بشكل تدريجي عبر استخلاص "مجموعات الضبط الأولية" من المستخدم، مما يتيح تحديد المربكات بشكل سليم وكامل دون الحاجة إلى رسم بياني سببي محدد مسبقاً أو معرفة كاملة بالعلاقات بين المتغيرات.
تقدم هذه الورقة إطار عمل BIRD-GP، وهو إطار انحدار بايزي من صورة إلى صورة يستفيد من تعلم النواة العميقة وانحدار التدرج لـ "شتاين" المتغير (Stein variational gradient descent) للتنبؤ بفعالية بنشاط الرنين المغناطيسي الوظيفي (fMRI) المستحث بالمهام من بيانات حالة الراحة عبر دمج ميزات التصوير متعددة الدقة، مما أظهر أداءً فائقًا وحدد مناطق دماغية وأنماط اتصال رئيسية في تحليلات مشروع الاتصال البشري (Human Connectome Project).
تقدم هذه الورقة BAUM، وهو إطار عمل بايزي (Bayesian) مبتكر يدمج عدم اليقين في مطابقة الميزات مع المستقلبات، واختيار المستقلبات، والتحليل الوظيفي لتمكين الاكتشاف القوي للمسارات في مجموعات بيانات الأيض غير المستهدفة ذات أحجام العينات الصغيرة والميزات المعرفة جزئياً.
تقدم هذه الورقة نموذج (MAGMAR-Copula)، وهو نموذج السلاسل الزمنية القائم على كوبولا ذات التجميع المتحرك والارتباط الذاتي المعدل، والذي يوسع النهج التقليدي القائم على "كوبولا" من خلال دمج مكون تجميع متحرك للتخفيف من فرضية خاصية ماركوف، مما يوفر تعميماً غير خطي ومرن لنماذج (ARMA) تم التحقق من صحته من خلال بيانات التضخم في الولايات المتحدة.
تقترح هذه الورقة إطار عمل عاماً وقوياً وقابلاً للتوسع يجمع بين بيانات ما قبل التجربة وبيانات أثناء التجربة لتحقيق تقليل كبير في التباين في اختبارات A/B، مما يؤدي إلى تحسين حساسية التجربة وسرعة اتخاذ القرار، كما تم التحقق منه من خلال النتائج التجريبية من Etsy.