📊 Category

stat.ME

2434 पेपर

📊 statistics

Investigating Targeting Strategies and Truncation in TMLE for the Average Treatment Effect under Practical Positivity Violations

यह शोध पत्र व्यावहारिक धनात्मकता उल्लंघन (positivity violations) के तहत लक्षित अधिकतम संभावना अनुमानकों (Targeted Maximum Likelihood Estimators - TMLEs) पर लक्ष्यीकरण रणनीतियों और ट्रंकेशन स्तरों के प्रभाव की जांच करता है, जो यह प्रदर्शित करता है कि लॉस-वेटेड लक्ष्यीकरण पूर्वाग्रह (bias) उत्पन्न करता है जबकि अपर्याप्त ट्रंकेशन अस्थिरता का कारण बनता है, और तत्पश्चात एक ब्रेक तंत्र और लक्षित बूटस्ट्रैप वेरिएंस अनुमान के साथ लेप्सकी-प्रकार (Lepski-type) की अनुकूली ट्रंकेशन प्रक्रिया को सुदृढ़ समाधानों के रूप में प्रस्तावित करता है।

Yichen Xu, Susan Gruber, Mark J. van der Laan2026-04-23
📊 statistics

Vertex misalignment and changepoint localization in network time series

यह शोध पत्र इस बात की जांच करता है कि वर्टेक्स मिसअलाइनमेंट (vertex misalignment) गतिशील नेटवर्क टाइम सीरीज़ में चेंजपॉइंट लोकलाइजेशन को कैसे प्रभावित करता है, यह प्रदर्शित करते हुए कि इसका प्रभाव इस बात पर निर्भर करता है कि चेंजपॉइंट की जानकारी मार्जिनल या जॉइंट डिस्ट्रीब्यूशन में निहित है और कि ग्राफ मैचिंग जैसे मानक सुधार तरीके कुछ परिदृश्यों में लोकलाइजेशन सटीकता को पुनः प्राप्त करने में विफल हो सकते हैं।

Tianyi Chen, Mohammad Sharifi Kiasari, Sijing Yu, Youngser Park, Avanti Athreya, Vince Lyzinski, Carey E Priebe, Zachary (…)2026-04-23
🤖 machine learning

SMART: A Spectral Transfer Approach to Multi-Task Learning

यह शोध पत्र SMART का प्रस्ताव करता है, जो मल्टी-टास्क लीनियर रिग्रेशन के लिए एक स्पेक्ट्रल ट्रांसफर विधि है जो केवल फिट किए गए सोर्स मॉडल्स का उपयोग करके, सोर्स और टारगेट सिंगुलर सबस्पेस के बीच स्पेक्ट्रल समानता का लाभ उठाकर कम-नमूना (small-sample) सेटिंग्स में अनुमान सटीकता और मजबूती में सुधार करता है, साथ ही सैद्धांतिक गारंटी और एक कुशल ADMM-आधारित अनुकूलन एल्गोरिदम प्रदान करता है।

Boxin Zhao, Mladen Kolar, Jinchi Lv2026-04-23
📊 statistics

Properties and limitations of geometric tempering for gradient flow dynamics

यह शोध पत्र सैंपलिंग के लिए वासरस्टीन (Wasserstein) और फिशर-राओ (Fisher-Rao) ग्रेडिएंट प्रवाह पर ज्यामितीय टेम्परिंग (geometric tempering) के प्रभाव का विश्लेषण करता है, निरंतर समय में घातीय अभिसरण सीमाएं (exponential convergence bounds) स्थापित करता है, यह प्रदर्शित करता है कि इस प्रकार की टेम्परिंग फिशर-राओ सेटिंग में अभिसरण को त्वरित करने में विफल रहती है, और नवीन अनुकूली टेम्परिंग शेड्यूल्स (adaptive tempering schedules) व्युत्पन्न करता है।

Francesca Romana Crucinio, Sahani Pathiraja2026-04-23
📊 statistics

Zero-Inflated Logistic Regression Models with Shared Design: Identifiability, Existence of Estimates, and a Relabeling Rule

यह शोध पत्र साझा डिज़ाइन मैट्रिसेस वाले ज़ीरो-इन्फ्लेटेड लॉजिस्टिक रिग्रेशन मॉडलों के लिए आइडेंटिफिएबिलिटी और मैक्सिमम लाइकलीहुड अनुमानों की उपस्थिति स्थापित करता है, ज़ीरो-इन्फ्लेशन तंत्रों की अनदेखी करने के जोखिमों को प्रदर्शित करता है, और व्यावहारिक अनुप्रयोग के लिए पैरामीटर सिमिट्री को हल करने हेतु एक रीलेबलिंग नियम प्रस्तावित करता है।

Yui Tomo, Shinto Eguchi, Daisuke Yoneoka2026-04-23
📊 statistics

Fast and Provably Accurate Sequential Designs using Hilbert Space Gaussian Processes

यह शोध पत्र एक नवीन, गणनात्मक रूप से कुशल हिल्बर्ट स्पेस गॉसियन प्रोसेस सन्निकटन प्रस्तुत करता है जो अनुक्रमिक डिजाइन के लिए इंटीग्रेटेड मीन स्क्वेयर्ड एरर (IMSE) अधिग्रहण फलन के क्लोज्ड-फॉर्म मूल्यांकन को सक्षम बनाता है, जो प्रमाणित रूप से सटीक गैर-अनंत त्रुटि सीमाएं और मौजूदा बेंचमार्क की तुलना में भविष्यवाणी सटीकता और गति में बेहतर प्रदर्शन प्रदान करता है।

Huanyan Zhu, Cheng Li2026-04-23
📊 statistics

Amortized Vine Copulas for High-Dimensional Density and Information Estimation

यह शोध पत्र वाइन डीनॉइज़िंग कोपुला (VDC) प्रस्तुत करता है, जो एक एमोर्टाइज़्ड फ्रेमवर्क है जो सटीक वाइन लाइकलीहुड बनाए रखते हुए तेज़, स्केलेबल और व्याख्या योग्य उच्च-आयामी घनत्व और सूचना अनुमान सक्षम करने के लिए सिंकहॉर्न प्रोजेक्शन के साथ एक एकल द्विविचरित (bivariate) डीनॉइज़िंग मॉडल को प्रशिक्षित करता है।

Houman Safaai2026-04-23
📊 statistics

ProfileGLMM: a R Package Extending Bayesian Profile Regression using Generalised Linear Mixed Models

यह शोध पत्र ProfileGLMM का परिचय देता है, जो एक R पैकेज है जो बेयसियन प्रोफाइल रिग्रेशन (Bayesian profile regression) का विस्तार करता है, जिसमें जनरललाइज्ड लीनियर मिक्स्ड मॉडल्स (Generalised Linear Mixed Models) को एकीकृत करके परिणाम भिन्नता (outcome variation) और क्लस्टर अवलोकनों (cluster observations) की व्याख्या एक साथ की जाती है, जिससे जटिल, सह-संबंधित सह-चरों (correlated covariates) वाले पदानुक्रमित और अनुदैर्ध्य डेटा (hierarchical and longitudinal data) का विश्लेषण सक्षम होता है।

Matteo Amestoy, Mark A. van de Wiel, Wessel N. van Wieringen2026-04-23
📊 statistics

Clustered Flexible Calibration Plots For Binary Outcomes Using Random Effects Modeling

यह शोध पत्र कई क्लस्टरों में लचीले कैलिब्रेशन प्लॉट्स उत्पन्न करने के लिए तीन रैंडम-इफेक्ट्स मॉडलिंग दृष्टिकोणों का प्रस्ताव और मूल्यांकन करता है, जिसमें समग्र कैलिब्रेशन के लिए स्प्लाइन्स के साथ टू-स्टेज मेटा-एनालिसिस और क्लस्टर-विशिष्ट वक्रों के लिए एक मिश्रित मॉडल की सिफारिश की गई है ताकि क्लिनिकल प्रेडिक्शन मॉडल्स में विषमता का प्रभावी ढंग से आकलन किया जा सके।

Lasai Barreñada, Bavo D. C. Campo, Laure Wynants, Ben Van Calster2026-04-22
📊 statistics

Forecasting sub-population mortality using credibility theory

यह शोध पत्र एक विशिष्ट सुपर-पॉपुलेशन मॉडल संरचना पर निर्भर किए बिना, पूर्वानुमान त्रुटि को न्यूनतम करने के लिए विश्वसनीय सुपर-पॉपुलेशन प्रवृत्तियों और सीमित उप-जनसंख्या डेटा के बीच इष्टतम संतुलन बनाने वाले स्पष्ट भविष्यवक्ताओं को व्युत्पन्न करके, छोटे उप-समूहों के लिए मृत्यु दर का पूर्वानुमान लगाने हेतु शास्त्रीय विश्वसनीयता सिद्धांत (क्लासिकल क्रेडिबिलिटी थ्योरी) का विस्तार करता है।

Mathias Lindholm, Gabriele Pittarello2026-04-22