2447 ورقة بحثية
توضح هذه الورقة التفسير السببي لطريقة المربعات الصغرى ذات المرحلتين المتفاعلة لتقدير عدم تجانس تأثير المعالجة، مبرهنةً على أن التقدير المتسق للتأثيرات الخاصة بالمتغيرات المصاحبة بين الممتثلين يتطلب شرط تفاعل خطي مقيد بين المتغير الأداة والمتغير المصاحب يكون غير مستوفى عموماً ما لم تكن المتغيرات المصاحبة فئوية أو كان المتغير الأداة مُخصصاً عشوائياً.
تقدم هذه الورقة تحليلاً جديداً منخفض الرتبة لخوارزميات التخفيف (thinning) ذات التوزيع شبه غاوسي، والذي يضمن ضغطاً عالي الجودة للبيانات لأي توزيع ونواة عندما تكون البيانات منخفضة الرتبة تقريباً، مما يتغلب على القيود السابقة في نطاق التوزيع والاعتماد على الأبعاد، مع تمكين تحسينات عملية في تقريب انتباه المحولات (transformer attention)، والتدريب ذي التدرج العشوائي، واختبار التوزيع.
تقترح هذه الورقة استراتيجية عامة لاستخلاص الأخطاء المعيارية التقاربية التي تأخذ في الاعتبار كلاً من تقدير معالم الفقرات وتباين استبدال عزم العينة، مع تطبيق هذا الإطار لحساب تقديرات موثوقة لتباين المعاينة لمعاملات ثبات نظرية الاختبار الكلاسيكية (CTT) ومعاملات خطأ جذر متوسط مربع التقدير (PRMSE) تحت نموذج الاستجابة المتدرجة في نظرية استجابة الفقرة.
تقترح هذه الورقة نموذجاً توليدياً جديداً قائماً على النقل الأمثل يتعلم خريطة حتمية من توزيع مرجعي إلى توزيعات بايزية لاحقية ذات ثوابت تطبيع مستعصية، مما يتيح أخذ عينات بكفاءة، والتعامل المرن مع فضاءات المعلمات المختلطة، وأدوات جديدة للتحليل الاستكشافي.
تقترح هذه الورقة دالة توحيد عامة لتصحيح القيمة المتوقعة غير الصفرية لمعاملات ارتباط الترتيب الموزونة في ظل الاستقلال، وذلك باستخدام أخذ عينات مونت كارلو والانحدار متعدد الحدود لتقدير المعلمات التوزيعية اللازمة لأطوال الترتيب الكبيرة.
تقدم هذه الورقة bhetGP، وهو إطار عمل مفتوح المصدر للعمليات الغاوسية البايزية متباينة التباين (heteroskedastic)، يجمع بين أخذ عينات الشريحة الإهليلجية وتقريب فيكيا (Vecitta) لتمكين الاستدلال الكامل للتوزيع اللاحق في عمليات المحاكاة العشوائية واسعة النطاق ذات الضجيج المعتمد على المدخلات.
تقترح هذه الورقة خوارزمية صعود الإحداثيات المتغير (CAVI) قابلة للتوسع لنماذج الخليط ذات البيانات المختلطة، والتي توفر تقديرًا لعدم اليقين بتكلفة حوسبية أقل من طريقة مونت كارلو بسلاسل ماركوف (MCMC)، مع إثبات تقاربها نظريًا إلى المعلمات الحقيقية بمعدلات مثالية.
تقدم هذه الورقة دراسة واسعة النطاق تُظهر أن الانحدار المرتكز وطريقة تعزيز المرتكزات الجديدة يحسنان أداء التنبؤ خارج نطاق التوزيع عبر مجموعات بيانات العناية المركزة غير المتجانسة، بينما تقترح أيضاً إطار عمل لتحديد الاستراتيجيات المثلى للاستفادة من البيانات الخارجية بناءً على مدى توفر عينات النطاق المستهدف.
تقدم هذه الورقة نموذجاً بايزياً كاملاً شبه معلمي يستنتج بشكل مشترك نشاط النبضات العصبية ويحدد المجموعات المتماسكة مكانياً من بيانات تصوير الكالسيوم المشوشة، مما يتيح تحليل كيفية تباين التنسيق العصبي في الحصين مع تغير موقع الحيوان في الفضاء.
توضح هذه الورقة الفروق الجوهرية بين المقدرات السببية على مستوى العينة وعلى مستوى المجتمع في الاستدلال البايزي لمنع أخطاء التنفيذ الشائعة، مستعرضةً من خلال أربعة أمثلة تفصيلية بلغة "ستان" (Stan) كيفية التطبيق الصحيح للتفكير القائم على المبادئ الأولى ونظرية بايز عبر مراحل التحديد والنمذجة والحوسبة.