2447 ورقة بحثية
تقترح هذه الورقة طريقة فعالة حاسوبياً لتحليل حساسية عامل بايز، حيث تستعيد منحنى الحساسية بأكمله من عملية ملائمة نموذج واحدة عبر تفكيك عامل بايز إلى قيمة مرجعية ونسبة كثافة خلفية يتم تقديرها عبر مقدرات كثافة هامشية موزونة بالأهمية، مما يلغي الحاجة إلى تكرار ملائمة النموذج وتقييمات دالة الإمكان.
تقدم هذه الورقة S3ME، وهو إطار عمل ثنائي المراحل يستفيد من عدم التماثل الناجم عن الذيول لتحقيق اكتشاف سببي متسق وعالي الأبعاد في القيم المتطرفة متعددة المتغيرات، وذلك عبر استعادة هيكل متفرق أولاً تحت تأثير المتغيرات المربكة الكامنة، ثم توجيه الحواف بناءً على مخاطر التنبؤ بالذيل الاتجاهي.
تستخدم هذه الورقة إطاراً للتعلم العميق الإحصائي (deep SPAR) لتحليل آثار تغير المناخ على الفيضانات والجفاف المتزامنين في حوض الدانوب الأعلى، كاشفةً أنه في ظل سيناريوهات الانبعاثات العالية، تصبح مثل هذه الظواهر المتطرفة المركبة أكثر احتمالاً بحلول نهاية القرن الحادي والعشرين، مدفوعة بشكل كبير بالتحولات في بنية التبعية بين أحواض التصريف التي تجد الطرق التقليدية صعوبة في رصدها.
تُثبت هذه الورقة أنه في ظل قيود هيكلية متنوعة مثل الخصوصية التفاضلية أو المحدودية، يمكن بناء متغيرات-e المثلى لوغاريتمياً بكفاءة من خلال حساب الحل غير المقيد أولاً ثم تطبيق تحويل معالجة لاحقة، مما يجنبنا الحاجة إلى إيجاد توزيعات جديدة هي الأقل تفضيلاً.
تُثبت هذه الورقة أن الآثار السببية المشروطة بأحداث ما بعد العلاج، مثل متوسط آثار العلاج للناجين والآثار المنفصلة المشروطة، يمكن تحديدها دون قياس الأسباب المشتركة للحدث والنتيجة، بشرط أن تؤثر المعالجة والعوامل الأخرى غير المقاسة في حدث ما بعد العلاج من خلال آليات مستقلة.
تقترح هذه الورقة إطار عمل للانتشار مشفر بالسببية يدمج رسماً بيانياً موجهاً غير حلقي معروفاً لتمكين أخذ العينات التدخلي وتطوير اختبار قائم على إعادة أخذ العينات صارم إحصائياً للحواف الموجهة، محققاً استعادة أفضل للتوزيع وضبطاً للخطأ مقارنة بالطرق القياسية.
تقدم هذه الورقة عائلة جديدة من الاختبارات المتسلسلة، الصالحة في أي وقت، للهيمنة العشوائية التي تستخدم عمليات "e-processes" غير معلمية لمراقبة الاختلافات التوزيعية في الوقت الفعلي، مما يوفر صلاحية مستمرة وقوة عالية حيث تفشل الطرق التقليدية.
تقترح هذه الورقة طريقة احتمالية تجريبية مائلة أسيًا ومنظمة تتغلب على قيد الغلاف المحدب في الاستدلال البايزي من خلال دمج توزيع عائلة أسية مستمر عبر بيانات زنيفة، مما يضمن تغطية التوزيع اللاحق لكامل فضاء المعلمات مع الحفاظ على الخصائص التقاربية المرغوبة وتحسين الأداء في العينات المحدودة.
تقترح هذه الورقة طريقة قائمة على بايز المتغير لاختيار عدد المكونات في نماذج الخليط المحدودة، حيث تثبت الاتساق النظري وتوضح أن تقريب حقل المتوسط يقضي طبيعيًا على المكونات المفرطة في التحديد مع تحقيق معدل تقارب لتقدير المعلمات يقارب الأمثل.
تقترح هذه الورقة إطاراً غير معلمي قوياً يجمع بين التجميع المقيد وخطوة إعادة تقييم ما بعد التجميع بناءً على إحصائية تباين المتوسط الأقصى (MMD) لتحديد الأنماط المكانية المتكررة التي تتميز بتوزيعات متشابهة عبر مناطق غير متجاورة بشكل فعال.