2434 पेपर
यह शोध पत्र एक नवीन बहुचर कार्यात्मक मुख्य घटक विश्लेषण (MFPCA) पद्धति प्रस्तावित करता है जो एकचर डोमेन स्कोर को एकीकृत करके और उनके सहप्रसरण को सुचारू बनाकर परिवर्तनशील अवलोकन डोमेन को समायोजित करता है, जो सिमुलेशन और कोविड-19 रोगी निगरानी डेटा के एक वास्तविक अनुप्रयोग के माध्यम से मौजूदा दृष्टिकोणों की तुलना में बेहतर प्रदर्शन प्रदर्शित करता है।
यह शोधपत्र एक स्केलेबल, लाइकलीहुड-आधारित फ्रेमवर्क प्रस्तावित करता है जो गैर-स्थिर स्थानिक-कालिक मल्टी-फिडेलिटी गॉसियन प्रक्रियाओं के लिए एक अपघटित सहप्रसरण सूत्रीकरण को वेकिया सन्निकटन और वुडबरी-आधारित पुनर्निर्माण के साथ जोड़ता है ताकि प्रचुर मात्रा में कम-फिडेलिटी और विरल उच्च-फिडेलिटी डेटा के कुशल, पूर्वाग्रह-सुधारित संलयन को सक्षम किया जा सके, जो बड़े पैमाने पर पवन गति पुनर्निर्माण में उत्कृष्ट भविष्य कहनेवाला प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र टाइम-सीरीज विश्लेषण से चेंज पॉइंट डिटेक्शन एल्गोरिदम को अनुकूलित करके, उनकी मिनिमैक्स इष्टतमता (minimax optimality) स्थापित करके और मौजूदा बाइनरी क्लासिफिकेशन बेसलाइन्स पर बेहतर अनुभवजन्य प्रदर्शन प्रदर्शित करके, सह-लिखित पाठ में मानव और एलएलएम (LLM) के योगदान को स्थानीयकृत करने की चुनौती का समाधान करता है।
यह शोध पत्र तर्क देता है कि लुप्त मानों के प्रतिस्थापन (imputation) के लिए मीन स्क्वेयर्ड एरर (Mean Squared Error) को न्यूनतम करना प्राकृतिक डेटा परिवर्तनशीलता (variability) को दबाकर डाउनस्ट्रीम विश्लेषणों में व्यवस्थित पूर्वाग्रह (systematic biases) उत्पन्न करता है, और यह प्रदर्शित करता है कि परिवर्तनशीलता को बनाए रखने तथा निष्पक्ष सांख्यिकीय अनुमान सुनिश्चित करने के लिए MSE के आनुपातिक शोर (stochastic imputation) को जोड़ना आवश्यक है।
यह शोधपत्र RISE-Meta को प्रस्तुत करता है, जो एक नवीन ढांचा है जो कई नैदानिक परीक्षणों (clinical trials) में समग्र उच्च-आयामी सरोगेट मार्करों (composite high-dimensional surrogate markers) का मूल्यांकन और निर्माण करने के लिए नॉनपैरामीट्रिक स्टडी-लेवल सरोगसी मेट्रिक्स को रैंडम-इफेक्ट्स मेटा-एनालिसिस और इक्विवेलेंस टेस्टिंग के साथ जोड़ता है, जो मौजूदा एकल-परीक्षण विधियों की सीमाओं को संबोधित करता है।
यह शोध पत्र GEEPERs को प्रस्तुत करता है, जो एक-मार्गी गैर-अनुपालन (one-way noncompliance) परिदृश्यों में प्रिंसिपल स्ट्रैटिफिकेशन प्रभावों का अनुमान लगाने के लिए एक सुदृढ़ और सुलभ विधि है, जो मजबूत वितरण संबंधी धारणाओं से बचने के लिए प्रिंसिपल स्कोर और स्टैक्ड एस्टिमेटिंग इक्वेशंस का उपयोग करती है जबकि पारंपरिक प्रतिगमन तकनीकों के माध्यम से कार्यान्वयन योग्य बनी रहती है।
यह शोध पत्र एक नवीन "एंटी-कोरिलेशन गॉसियन" (anti-correlation Gaussian) डेटा ऑग्मेंटेशन तकनीक प्रस्तावित करता है जो L1-बॉल-प्रकार के प्रायर्स (priors) के लिए एक तेज़, ज्यामितीय एर्गोडिक ब्लॉक गिब्स सैंपलर (block Gibbs sampler) को सक्षम बनाता है, जो मौजूदा विधियों जैसे कि NUTS की तुलना में लीनियर और जनरल लेटेंट गॉसियन मॉडल्स में पोस्टीरियर कंप्यूटेशन को महत्वपूर्ण रूप से तेज़ करता है।
यह शोध पत्र एक बेयसियन-उन्नत स्थिरता चयन ढांचे (Bayesian-enhanced stability selection framework) का प्रस्ताव करता है जो पोस्टीरियर चयन संभावनाओं को प्राप्त करने के लिए पूर्व वितरणों (prior distributions) के माध्यम से विशेषज्ञ ज्ञान को समाहित करता है, जिससे उच्च-आयामी चर चयन में निष्कर्ष, निर्णय लेने की स्थिरता और अनिश्चितता परिमाणीकरण में सुधार होता है।
यह शोध पत्र एक बहुभिन्न प्रयुक्त फन्क्शनल प्रिंसिपल कंपोनेंट एनालिसिस (multivariate functional principal component analysis) ढांचे का प्रस्ताव करता है जो श्रेणीबद्ध प्रक्षेपवक्रों (categorical trajectories) को एक हिल्बर्ट स्पेस के भीतर बाइनरी इंडिकेटर फंक्शन्स में रूपांतरित करता है, जिससे कमजोर नियमितता मान्यताओं के तहत पीसवाइज कांस्टेंट पाथ्स (piecewise constant paths) के सुसंगत आयाम न्यूनीकरण और सांख्यिकीय तुलना को सक्षम किया जा सके, जैसा कि संवेदी धारणा डेटा पर प्रदर्शित किया गया है।
यह शोध पत्र एक नवीन सांख्यिकीय ढांचे का प्रस्ताव करता है जो कॉम्बिनेटोरियल रिस्पॉन्स डेटा को पूर्णांक रैखिक प्रोग्रामिंग (इंटीजर लीनियर प्रोग्रामिंग) के माध्यम से निरंतर लेटेंट वेरिएबल्स के नियतात्मक रूपांतरों (डिटरमिनिस्टिक ट्रांसफॉर्म्स) के रूप में मानकर मॉडल करता है, जिससे मौजूदा विधियों की सीमाओं को दूर किया जा सके और डेटा ऑग्मेंटेशन के माध्यम से प्रभावी बायेसियन इन्फरेंस को सक्षम बनाया जा सके।