2379 पेपर
यह शोधपत्र **neuralGAM** का परिचय देता है, जो एक R पैकेज है जो जनरललाइज्ड एडिटिव न्यूरल नेटवर्क्स को लागू करके डीप लर्निंग की व्याख्यात्मकता (interpretability) को बढ़ाता है, जो उच्च सटीकता और संरचनात्मक लचीलेपन को बनाए रखते हुए व्यक्तिगत फीचर योगदान का अनुमान लगाने के लिए स्वतंत्र न्यूरल नेटवर्क्स को फिट करते हैं।
यह शोध पत्र वितरित इंडिपेंडेंट कंपोनेंट एनालिसिस (Independent Component Analysis) के लिए एक सुदृढ़ वन-शॉट एग्रीगेशन फ्रेमवर्क प्रस्तावित करता है जो क्रम विन्यास अस्पष्टता (permutation ambiguity) को हल करने के लिए -means क्लस्टरिंग का उपयोग करता है और सीमित क्लाइंट नमूनों वाले अत्यधिक विषम परिवेशों में प्रभावशीलता सुनिश्चित करने के लिए ज्यामितीय माध्य (geometric median) एग्रीगेशन का उपयोग करता है।
यह शोधपत्र नेटवर्क हस्तक्षेप (network interference) के तहत कारण संबंधी अनुमान (causal inference) में हालिया प्रगति की समीक्षा करता है, जिसमें पहचान विधियाँ, प्रयोगात्मक और अवलोकनात्मक दोनों डेटा के लिए अनुमान रणनीतियाँ, और उच्च परिवर्तनशीलता वाले हस्तक्षेप ग्राफों पर सशर्त होने पर कारण संबंधी निष्कर्षों की सीमाएँ शामिल हैं।
यह शोध पत्र एक रूपांतरित-स्कोर (transformed-score) दृष्टिकोण प्रस्तावित करता है जो बीटा वितरण मापदंडों के लिए क्लोज्ड-फॉर्म अनुमानकों (closed-form estimators) का एक नया परिवार प्रस्तुत करता है, जिसे अधिकतम संभावना अनुमान (maximum likelihood estimation) के तुलनीय स्पर्शोन्मुखी अनुकूलता (asymptotic optimality) प्राप्त करने के लिए कुशलतापूर्वक परिष्कृत किया जा सकता है जबकि यह गणनात्मक लाभ भी प्रदान करता है।
यह शोध पत्र स्पार्स हाई-डायमेंशनल लीनियर रिग्रेशन के लिए एक मीन-फील्ड वेरिएशनल बेयस फ्रेमवर्क प्रस्तावित करता है जो ज़ीरो-फोर्सिंग और मास-कवरिंग व्यवहारों के बीच लचीले ट्रेड-ऑफ प्रदान करने के लिए मानक कुलबैक-लीब्लर डाइवर्जेंस को रेनी के -डाइवर्जेंस से बदल देता है, जिससे कुशल CAVI और स्टोकेस्टिक वेरिएशनल इन्फरेंस एल्गोरिदम प्राप्त होते हैं जो विभिन्न स्पार्सिटी कॉन्फ़िगरेशन में प्रतिस्पर्धी प्रदर्शन प्रदर्शित करते हैं।
यह शोधपत्र एक अधिकतम संभावना अनुमानक (मैक्सिमम लाइकलीहुड एस्टिमेटर) प्रस्तुत करता है जो राजनीतिक सर्वेक्षणों में गैर-नगण्य गैर-प्रतिक्रिया पूर्वाग्रह (नॉनइग्नोरेबल नॉनरिस्पॉन्स बायस) को ठीक करने के लिए अवलोकन योग्य सहचरों और जनसंख्या भार को एकीकृत करते हुए, प्रतिक्रिया-प्रवृत्ति प्रॉक्सी का उपयोग करके वेरिएबल-रिस्पॉन्स-प्रोपेंसिटी ढांचे को क्रमिक परिणामों (ऑर्डिनल आउटकम्स) तक विस्तारित करता है।
यह शोध पत्र एक मोडैलिटी-अवेयर कॉन्फॉर्मल कैलिब्रेशन लेयर प्रस्तुत करता है जो विसंगत या विरोधाभासी डेटा के साथ मल्टी-मोडल रिग्रेशन के लिए प्रेडिक्शन इंटरवल विश्वसनीयता में सुधार करता है, जो अंतराल की चौड़ाई को गतिशील रूप से स्केल करने या कैलिब्रेशन को स्ट्रैटिफाई करने के लिए एक डिसएग्रीमेंट स्कोर का लाभ उठाता है, जिससे विविध डेटासेट्स और मिसिंगनेस रिजीम्स में बेहतर प्रदर्शन और सुदृढ़ कवरेज प्राप्त होता है।
यह शोध पत्र यह प्रदर्शित करता है कि क्रॉस-वैलिडेशन में स्मूथ एस्टिमेटर्स के लिए बाउंडेड रिड्यूसिबल वेरिएंस सुनिश्चित करने के लिए विशिष्ट पेयरवाइज़ कोरिलेशन के साथ एंटिथेटिक रैंडमाइजेशन आवश्यक और पर्याप्त है, जबकि यह जॉइंटली नॉर्मल स्कीम्स के लिए मिनिमैक्स ऑप्टिमल कंस्ट्रक्शन और नॉन-स्मूथ एस्टिमेटर्स के लिए वेरिएंस रेट्स में सुधार करने के तरीके भी प्रदान करता है।
यह शोध पत्र एक निश्चित गैर-ऋणात्मक टिल्ट (tilt) का उपयोग करके एक सशर्त ई-प्रक्रिया (e-process) उत्पन्न करने के माध्यम से एक पूर्व-निर्धारित भविष्य कहनेवाला सुधार (predictive correction) के एक अनियंत्रित स्रोत वितरण से बेहतर होने के लिए 'एनीटाइम-वैलिड' (anytime-valid) साक्ष्य संचित करने के लिए एक ढांचे का परिचय देता है, जो वैकल्पिक स्टॉपिंग (optional stopping) और मनमाने इनपुट अनुक्रमों के तहत सांख्यिकीय रूप से वैध रहता है और सुधार के संचयी लॉग-स्कोर लाभ को परिमाणित करता है।
यह शोध पत्र एक व्यवस्थित, सांख्यिकीय रूप से आधारित दो-चरणीय ढांचे का प्रस्ताव करता है जो स्थिति निगरानी संकेतों (condition monitoring signals) में स्थानीय क्षति का पता लगाने में सुधार करने के लिए इम्पल्सिविटी मापों (impulsivity measures) को वस्तुनिष्ठ रूप से अनुकूलतम रूप से चुनता है और उनके महत्व को परिमाणित करता है।