2434 पेपर
यह शोध पत्र लो-फ्रीक्वेंसी और हाई-फ्रीक्वेंसी दोनों चरों में मापन त्रुटियों को ध्यान में रखने के लिए एक सुधारात्मक स्कोर दृष्टिकोण का उपयोग करते हुए, मिक्स्ड डेटा सैंपलिंग (MIDAS) मॉडल के लिए एक सुसंगत अनुमान पद्धति प्रस्तावित करता है।
यह शोध पत्र वितरण-कर्नेल युग्मों (distribution-kernel pairs) का उपयोग करते हुए "दुर्बल क्षणों" (weak moments) पर आधारित एक सांख्यिकीय अनुमान ढांचा प्रस्तुत करता है, जो एक ऐसी विधि प्रदान करता है जो कर्नेल के संरचनात्मक गुणों के माध्यम से स्वतः ही स्थानीय सुदृढ़ता (हैम्पल के अर्थ में) प्राप्त करती है, न कि अधोसंरचनात्मक संशोधनों के माध्यम से, जिससे सुदृढ़ अनुमान और घनत्व पुनर्निर्माण संभव होता है।
यह शोध पत्र अनुक्रम विश्लेषण (सीक्वेंस एनालिसिस) उपायों को लागू करने के बाद पीसीए (PCA) और के-मीन्स (K-means) क्लस्टरिंग का उपयोग करके अनुदैर्ध्य पारिस्थितिक क्षणिक मूल्यांकन (EMA) डेटा को क्लस्टर करने की एक विधि प्रस्तावित करता है, जो यह प्रदर्शित करता है कि यह दृष्टिकोण पारंपरिक लेटेंट क्लास या ट्रांज़िशन विश्लेषणों की तुलना में गतिशील अस्थायी पैटर्न को बेहतर ढंग से पकड़ता है और व्यक्तिगत प्रोफाइल्स के लक्षण वर्णन में सुधार करता है।
यह शोध पत्र चेंज-प्लेन रिग्रेशन (change-plane regression) के लिए एक नया बेयसियन इन्फेरेंशियल फ्रेमवर्क विकसित करता है जो हार्ड-थ्रेशोल्ड सीमाओं की नॉन-स्मूथनेस और आइडेंटिफिकेशन समस्याओं से पार पाने के लिए एक प्रोबिट-गेटेड सरोगेट लाइकलीहुड (probit-gated surrogate likelihood) का उपयोग करता है, जो एक नियंत्रित स्मूथिंग रिजीम के माध्यम से सटीक पोस्टीरियर सारांशों को पुनः प्राप्त करने के लिए एक सैद्धांतिक आधार प्रदान करता है।
यह शोध पत्र प्रदर्शित करता है कि पूर्णतः जनरेटिव सिंथेटिक डेटा मॉडल अक्सर औसत उपचार प्रभाव (ATE) जैसे कारण अनुमानों (causal estimands) को संरक्षित करने में विफल रहते हैं और एक हाइब्रिड फ्रेमवर्क का प्रस्ताव करता है जो कारण निष्ठा (causal fidelity) सुनिश्चित करने और कारण अनुमान के लिए मजबूत निदान प्रदान करने के लिए कोवेरिएट, उपचार और परिणाम पीढ़ी को अलग करता है।
यह शोध पत्र डेटा एसोसिएशन समस्या को हल करने के लिए ब्लॉक्ड और कोलैप्स्ड गिब्स सैंपलिंग का उपयोग करके मल्टीपल एक्सटेंडेड ऑब्जेक्ट ट्रैकिंग के लिए पॉइसन मल्टी-बर्नौली मिश्रण (PMBM) फिल्टर के कुशल कार्यान्वयन का प्रस्ताव करता है, जो पार्टिकल बिलीफ प्रोपेगेशन के तुलनीय ट्रैकिंग प्रदर्शन प्राप्त करते हुए गणना रनटाइम को काफी कम कर देता है।
यह शोध पत्र संभाव्य मॉडल भविष्यवाणियों को भारित करने और औसत निकालने के लिए एक सामान्य न्यूनतम विचलन (minimum divergence) ढांचे का प्रस्ताव करता है, यह प्रदर्शित करते हुए कि यह मॉडल स्टैकिंग और अकीके-शैली (Akaike-style) के भारण जैसे मानक तरीकों से बेहतर प्रदर्शन करता है या उनके बराबर है, विशेष रूप से कम-नमूना (small-sample) परिदृश्यों में।
यह शोध पत्र इम्यूनोथेरेपी परीक्षणों में जटिल, समय-परिवर्तनीय उपचार प्रभावों—जैसे कि विलंबित लाभ और हज़ार्ड रिवर्सल—को दीर्घकालिक उत्तरजीविता संभावनाओं को अल्पकालिक हज़ार्ड पैटर्न से अलग करके बेहतर ढंग से चित्रित करने के लिए एक मील का पत्थर-आधारित (माइलस्टोन-बेस्ड) ढांचे का प्रस्ताव करता है।
यह शोध पत्र एक नवीन एम्पिरिकल बेयस पद्धति प्रस्तावित करता है जो रैखिक मिश्रित मॉडलों (Linear Mixed Models) में फिक्स्ड और रैंडम प्रभावों दोनों के लिए पूर्व मापदंडों (prior parameters) के संयुक्त चयन को स्वचालित करती है, जो लाप्लास सन्निकटन (Laplace approximation) के माध्यम से मार्जिनल लाइक्लीहुड मैक्सिमाइजेशन द्वारा अनुमान सटीकता और भविष्य कहनेवाला प्रदर्शन में सुधार करती है।
यह शोध पत्र एक पदानुक्रमित कारण उत्थान मॉडल (Hierarchical Causal Lift Model) प्रस्तावित करता है जो ओवरलैपिंग मार्केटिंग यात्राओं को विघटित करने के लिए मोंटे कार्लो फ्रेमवर्क और गुणात्मक इंटरेक्शन टर्म्स का उपयोग करता है, जिससे डिजिटल प्लेटफॉर्म व्यक्तिगत यात्राओं के वास्तविक वृद्धिशील प्रभाव और उनकी सिनर्जी का सटीक अनुमान लगा सकते हैं।