stat articles | Gist.Science

Efficient Approximation to Analytic and $L^p$ functions by Height-Augmented ReLU Networks

Ce papier démontre qu'une architecture de réseau de neurones à trois dimensions utilisant des fonctions d'activation ReLU augmentées en hauteur permet d'atteindre des taux d'approximation exponentiels améliorés pour les fonctions analytiques et une approximation quantitative non asymptotique d'ordre élevé pour les fonctions $L^p$ , offrant ainsi une voie théorique pour concevoir des réseaux plus économes en paramètres.

ZeYu Li, FengLei Fan, TieYong ZengFri, 13 Ma📊 stat

Conformal e-prediction in the presence of confounding

Ce papier étend la prédiction conforme par e-valeurs au cas où des variables de confusion observées relient l'objet aléatoire $X$ à son étiquette $Y$ , en couvrant à la fois des scénarios de données indépendantes et identiquement distribuées (IID) et des cas autorisant une certaine dépendance entre les observations.

Vladimir Vovk, Ruodu WangFri, 13 Ma📊 stat

Deep regression learning from dependent observations with minimum error entropy principle

Cet article propose une approche de régression non paramétrique basée sur des réseaux de neurones profonds et le principe de l'entropie minimale de l'erreur pour des observations fortement dépendantes, démontrant que les estimateurs pénalisés et non pénalisés atteignent des taux de convergence minimax optimaux.

William Kengne, Modou WadeFri, 13 Ma📊 stat

Trustworthy predictive distributions for rare events via diagnostic transport maps

Cet article propose l'utilisation de cartes de transport diagnostiques pour recalibrer des distributions prédictives de base et fournir des diagnostics locaux en temps réel, améliorant ainsi la fiabilité des prévisions d'événements rares comme l'intensification rapide des cyclones tropicaux.

Elizabeth Cucuzzella, Rafael Izbicki, Ann B. LeeFri, 13 Ma📊 stat

Statistical Methodology Groups in the Pharmaceutical Industry

Cet article examine la mise en place, le rôle et la valeur stratégique des groupes dédiés à la méthodologie statistique dans l'industrie pharmaceutique, en soulignant les facteurs organisationnels nécessaires pour maximiser leur impact sur l'efficacité, la rapidité et le taux de réussite du développement des médicaments.

Jenny Devenport, Tobias Mielke, Mouna Akacha, Kaspar Rufibach, Alex Ocampo, Vivian Lanius, Marc Vandemeulebroecke, Philip Hougaard, Pierre Collins, David Wright, Jurgen Hummel, Cornelia Ursula Kunz, Mike KramsFri, 13 Ma📊 stat

Continuous-time modeling and bootstrap for Schnieper's reserving

Cet article propose un modèle stochastique en temps continu et une méthode de rééchantillonnage pour estimer la distribution prédictive des provisions IBNR et IBNER dans le cadre du modèle de Schnieper, garantissant ainsi des réserves non négatives et asymétriques sans hypothèses supplémentaires.

Nicolas BaradelFri, 13 Ma📊 stat

A Statistically Reliable Optimization Framework for Bandit Experiments in Scientific Discovery

Ce papier propose un cadre d'optimisation statistiquement fiable qui permet d'adapter les tests d'hypothèses classiques aux données collectées par des bandits multi-bras, offrant ainsi aux chercheurs un moyen équilibré de maximiser les récompenses cumulées et l'efficacité statistique dans la découverte scientifique.

Tong Li, Travis Mandel, Goldie Phillips, Anna Rafferty, Eric M. Schwartz, Dehan Kong, Joseph J. WilliamsFri, 13 Ma📊 stat

RIE-Greedy: Regularization-Induced Exploration for Contextual Bandits

Ce papier propose RIE-Greedy, une stratégie de sélection d'actions purement gourmande qui exploite la stochasticité inhérente au processus d'ajustement des modèles régularisés pour induire une exploration efficace, offrant une alternative théoriquement équivalente à l'échantillonnage de Thompson et empiriquement supérieure aux méthodes de référence dans les environnements à grande échelle.

Tong Li, Thiago de Queiroz Casanova, Eric M. Schwartz, Victor Kostyuk, Dehan Kong, Joseph J. WilliamsFri, 13 Ma📊 stat

Outrigger local polynomial regression

Cet article présente l'estimateur « outrigger » par régression polynomiale locale, une méthode adaptative qui modifie l'estimation standard en intégrant la fonction de score conditionnelle des erreurs pour atteindre l'optimalité minimax sur les classes de Hölder sans hypothèses restrictives sur la distribution des erreurs ou l'indépendance des covariables.

Elliot H. Young, Rajen D. Shah, Richard J. SamworthFri, 13 Ma📊 stat

Worst-case low-rank approximations

Cet article présente le cadre unifié wcPCA pour l'approximation de rang faible, qui garantit des performances optimales dans le pire des cas sur des domaines hétérogènes en étendant cette approche à d'autres objectifs et à la complétion de matrices, tout en démontrant son efficacité supérieure sur des données réelles.

Anya Fries, Markus Reichstein, David Blei, Jonas PetersFri, 13 Ma📊 stat

Finite-Sample Decision Instability in Threshold-Based Process Capability Approval

Cette étude démontre que les décisions d'approbation basées sur des seuils fixes d'indices de capacité de processus (comme $C_{pk} \geq 1.33$ ) souffrent d'une instabilité décisionnelle inhérente et d'un risque de rejet significatif lorsque la capacité réelle se situe près du seuil, en raison de la variabilité stochastique des estimateurs calculés sur des échantillons de taille modérée.

Fei Jiang, Lei YangFri, 13 Ma📊 stat

Multivariate Functional Principal Component Analysis for Mixed-Type mHealth Data: An Application to Mood Disorders

Cet article propose une nouvelle méthode d'analyse en composantes principales fonctionnelles multivariées pour données mixtes ( $M^2$ FPCA), basée sur un modèle de copule gaussienne semi-paramétrique, afin d'identifier des biomarqueurs numériques temporels permettant de stratifier les sous-types de troubles de l'humeur à partir de données de santé mobile hétérogènes.

Debangan Dey, Rahul Ghosal, Kathleen Merikangas, Vadim ZipunnikovFri, 13 Ma📊 stat

Prediction-Oriented Transfer Learning for Survival Analysis

Cet article propose un cadre novateur d'apprentissage par transfert pour l'analyse de survie qui améliore la prédiction en transférant des connaissances prédictives plutôt que distributionnelles via des modèles de transformation semi-paramétriques, éliminant ainsi le besoin d'accéder aux données individuelles sources tout en garantissant de meilleures performances asymptotiques.

Yu Gu, Donglin Zeng, D. Y. LinFri, 13 Ma📊 stat

Dynamic Bayesian regression quantile synthesis for forecasting outlook-at-risk

Cet article propose une nouvelle méthode de synthèse bayésienne dynamique des régressions quantiles (DRQS), étendue à un cadre multivarié (FDRQS) via des facteurs latents, qui améliore la prévision des risques en combinant efficacement les informations de multiples modèles, notamment lors de périodes de stress économique extrême comme la pandémie de COVID-19.

Genya Kobayashi, Shonosuke Sugasawa, Yuta Yamauchi, Dongu HanFri, 13 Ma📊 stat

Graph Generation Methods under Partial Information

Cet article propose une méthode séquentielle pour générer, énumérer et échantillonner des graphes bipartis, dirigés et non orientés à partir de séquences de degrés prescrites, en établissant une condition d'intervalle nécessaire et suffisante pour garantir la faisabilité globale et démontrant une excellente évolutivité sur de grandes instances.

Tong Sun, Jianshu Hao, Michael C. Fu, Guangxin JiangFri, 13 Ma📊 stat

Robust Joint Modeling for Data with Continuous and Binary Responses

Cet article propose un nouveau cadre de modélisation conjointe robuste pour des réponses mixtes continues et binaires, basé sur la divergence de puissance de densité et la régularisation $\ell_1$ , qui améliore la précision prédictive et la résistance aux valeurs aberrantes dans des contextes de haute dimension.

Yu Wang, Ran Jin, Lulu KangFri, 13 Ma📊 stat

Simultaneous estimation of multiple discrete unimodal distributions under stochastic order constraints

Cet article propose une méthode d'estimation simultanée de plusieurs distributions discrètes unimodales sous contraintes d'ordre stochastique, formulée comme un problème d'optimisation convexe quadratique en nombres mixtes, qui améliore significativement la précision sur de petits échantillons de données réelles et synthétiques.

Yasuhiro Yoshida, Noriyoshi Sukegawa, Jiro IwanagaFri, 13 Ma📊 stat

On the Unit Teissier Distribution: Properties, Estimation Procedures and Applications

Cet article développe de nouveaux résultats théoriques et inférentiels pour la distribution Unit Teissier, notamment des expressions fermées pour les moments et les L-moments des statistiques d'ordre, tout en évaluant et en comparant diverses méthodes d'estimation des paramètres via des simulations et une application sur des données réelles.

Zuber Akhter, Mohamed A. Abdelaziz, M. Z. Anis, Ahmed Z. AfifyFri, 13 Ma📊 stat

Decomposing Observational Multiplicity in Decision Trees: Leaf and Structural Regret

Cet article propose un cadre théorique décomposant la multiplicité observationnelle dans les arbres de décision en deux composantes, le regret de feuille et le regret structurel, démontrant que ce dernier est le principal facteur de variabilité et qu'il peut être exploité pour améliorer la sécurité des prédictions via un mécanisme d'abstention.

Mustafa CavusFri, 13 Ma📊 stat

Effective Degrees of Freedom for Balanced Repeated Replication and Paired Jackknife Variance Estimates: A Unified Approach via Stratum Contrasts

Cet article propose une approche unifiée démontrant que les estimateurs de variance par répliques équilibrées (BRR) et par jackknife appariée dans les échantillons stratifiés à deux unités primaires peuvent tous deux être décomposés en composantes indépendantes, permettant ainsi de dériver une formule pratique pour estimer les degrés de liberté effectifs via l'approximation de Welch-Satterthwaite.

Matthias von DavierFri, 13 Ma📊 stat

← Précédent Suivant →

stat

Efficient Approximation to Analytic and LpL^pLp functions by Height-Augmented ReLU Networks