2434 पेपर
यह शोध पत्र वॉसरस्टीन स्पेशियल डेप्थ (WSD) प्रस्तुत करता है, जो एक नवीन सांख्यिकीय माप है जो वॉसरस्टीन स्पेस की गैर-रेखीय ज्यामिति के भीतर वितरण-मूलक डेटा के लिए गहराई की अवधारणा का विस्तार करता है, जिससे प्रमुख सैद्धांतिक गुणों जैसे कि निरंतरता (consistency), अनंतस्पर्शी सामान्यता (asymptotic normality), और ब्रेकडाउन पॉइंट्स को स्थापित करते हुए मजबूत रैंकिंग, क्लस्टरिंग और अनुमान सक्षम होता है।
यह शोध पत्र एक नेस्टेड एनसेम्बल कलमन फ़िल्टर एल्गोरिदम प्रस्तावित करता है जो गैररेखीय स्टेट-स्पेस मॉडल में स्थिर मापदंडों और लेटेंट स्टेट्स के सुदृढ़ संयुक्त अनुमान को सक्षम करने के लिए क्रमशः SMC² और EnKF के रीवेटिंग और शिफ्टिंग तंत्रों को जोड़ता है, जहाँ मानक रैखिक गाऊसी धारणाएँ विफल हो जाती हैं।
यह शोधपत्र ZNet प्रस्तुत करता है, जो एक प्रतिनिधित्व शिक्षण (representation learning) ढांचा है जो अवलोकित सहचरों (observed covariates) से वैध उपकरण संबंधी निरूपणों (instrumental representations) का निर्माण करता है ताकि अवलोकन संबंधी परिवेशों में कारण प्रभाव अनुमान (causal effect estimation) सक्षम किया जा सके, भले ही स्पष्ट उपकरण उपलब्ध न हों, और यह विशेषताओं को कन्फाउंडिंग (confounding) और उपकरण संबंधी घटकों में विभाजित करके तथा अनुभवजन्य क्षण स्थितियों (empirical moment conditions) के माध्यम से प्रशिक्षण देकर किया जाता है।
यह शोध पत्र मृत्यु द्वारा ट्रंकेशन (truncation) को चित्रित करने के लिए पर्याप्त कारण ढांचे (sufficient cause framework) का उपयोग करता है, जो यह प्रदर्शित करता है कि उत्तरजीविता पर आधारित क्रूड अनुमान (crude estimators) भिन्न जोखिम प्रकारों के बीच तुलना के कारण गैर-कारण (non-causal) होते हैं, जबकि उत्तरजीवी औसत कारण प्रभाव (survivor average causal effect) के लिए गणितीय अभिव्यक्तियाँ प्रदान करता है और उन स्थितियों की पहचान करता है जिनमें यह शून्य होता है।
यह शोध पत्र एक सैद्धांतिक ढांचा स्थापित करता है जो यह प्रदर्शित करता है कि ऑटोरेग्रेसिव लैंग्वेज मॉडल्स, ट्रेनिंग इकोलॉजी इक्विवेलेंस क्लासेस (training ecology equivalence classes) से जुड़े जेन्सन-शैनन एक्स्ट्रा टर्म (Jensen-Shannon excess term) को न्यूनतम करके वर्ल्ड-ट्रैकिंग रिप्रेजेंटेशन्स विकसित करते हैं, एक ऐसा सिद्धांत जिसे रिप्रेजेंटेशनल सिलेक्शन में विशिष्ट विफलता मोड और रिकवरी मैकेनिज्म्स की भविष्यवाणी करने के लिए लघु-स्तरीय प्रयोगों के माध्यम से मान्य किया गया है।
यह शोध पत्र UpliftBench प्रस्तुत करता है, जो Criteo Uplift v2.1 डेटासेट पर एक बड़े पैमाने का अनुभवजन्य अध्ययन है, जो यह प्रदर्शित करता है कि LightGBM के साथ S-Learner, प्रिसिजन मार्केटिंग के लिए हेट्रोजेनियस ट्रीटमेंट इफेक्ट्स (heterogeneous treatment effects) का अनुमान लगाने में T-Learner, X-Learner और Causal Forest से बेहतर प्रदर्शन करता है, साथ ही अनुनय (persuasion) के प्रमुख चालकों की पहचान करता है और ग्राहक अनिश्चितता को परिमाणित करता है।
यह शोध पत्र एक बेयसियन ट्री-आधारित मल्टीपल इमप्यूटेशन दृष्टिकोण प्रस्तावित करता है जो दो-चरणीय नमूनाकरण (टू-फेज सैंपलिंग) में जनसंख्या माध्य अनुमान को सुधारने के लिए जटिल सर्वेक्षण डिजाइन विशेषताओं को शामिल करता है, और सिमुलेशन तथा युगांडा में एक वास्तविक कोविड-19 टीकाकरण अध्ययन के माध्यम से यह प्रदर्शित करता है कि यह पूर्वाग्रह, सटीकता और कॉन्फिडेंस इंटरवल कवरेज के मामले में पारंपरिक भारित अनुमानकों (वेटेड एस्टिमेटर्स) से बेहतर प्रदर्शन करता है।
यह शोध पत्र उपचार प्रभाव की समरूपता (treatment effect homogeneity) के लिए गैर-पैरामीट्रिक परीक्षणों का एक वर्ग प्रस्तावित करता है जो नमूना विभाजन (sample splitting) के बिना संरचित धारणाओं और मिश्रित सहचर प्रकारों (mixed covariate types) को समाहित करता है, जिसे विशेष रूप से नीति-निर्माताओं को यह निर्धारित करने के लिए डिज़ाइन किया गया है कि क्या व्यक्तिगत निर्णय नियम, सहचरों की अनदेखी करने वाले नियमों की तुलना में भिन्न जनसंख्या प्रभाव उत्पन्न करते हैं।
यह शोध पत्र स्व-पृथक (self-separated) और स्व-संयोजित (self-connected) लुप्तता मॉडलों को पेश करके और उन्हें संश्लेषित करके लुप्त मध्यस्थों (mediators) और परिणामों वाले मध्यस्थता विश्लेषण में पहचान संबंधी चुनौतियों को संबोधित करता है, जिसमें बाद वाला मॉडल छाया चरों (shadow variables) और अव्यक्त निर्भरताओं का लाभ उठाकर कारण अनुमान (causal inference) के लिए सुदृढ़ सैद्धांतिक टेम्पलेट और व्यावहारिक विस्तार प्रदान करता है।
यह शोध पत्र अज्ञात ग्राफ वाले कॉज़ल बैंडिट समस्याओं के लिए बैकडोर-एडजस्टमेंट अपर कॉन्फिडेंस बाउंड (BA-UCB) एल्गोरिदम का प्रस्ताव करता है, जो वैध बैकडोर एडजस्टमेंट सेटों की पहचान करने के लिए क्रमिक प्रेक्षण संबंधी और प्रयोगात्मक डेटा का लाभ उठाता है, जिससे मौजूदा तरीकों की तुलना में बेहतर रिग्रेट बाउंड्स और भुजाओं (arms) की संख्या पर कम निर्भरता प्राप्त होती है।