2439 पेपर
यह शोध पत्र मोनोटोन घनत्व अनुमान (monotone density estimation) के लिए दो ऑनलाइन अनुमानकों (estimators) को प्रस्तुत करता है जो इष्टतम लॉग-लाइक्लीहुड अंतराल (log-likelihood gaps) और रिग्रेट बाउंड्स प्राप्त करते हैं, साथ ही अनुक्रमिक परिकल्पना परीक्षण (sequential hypothesis testing) के लिए अनुभवजन्य रूप से अनुकूल, लॉग-इष्टतम p-to-e कैलिब्रेटर्स के निर्माण में उनके अनुप्रयोग को प्रदर्शित करते हैं।
यह शोध पत्र अनुदैर्ध्य (longitudinal), संरचनात्मक (compositional) और शून्य-स्फीत (zero-inflated) माइक्रोबायोम डेटा के मॉडलिंग में चुनौतियों को संबोधित करने के लिए एक नवीन बेयसियन फंक्शनल कंकरेंट ज़ीरो-इन्फ्लेटेड डिरिचलेट-मल्टीनोमियल रिग्रेशन मॉडल प्रस्तावित करता है, जो सिमुलेशन और एक अनुप्रयोग के माध्यम से अपनी प्रभावशीलता प्रदर्शित करता है जो यह प्रकट करता है कि शिशु -विविधता (diversity) गर्भकालीन आयु और स्तनपान के उपभोग से सकारात्मक रूप से जुड़ी हुई है।
यह शोध पत्र DRIFT का प्रस्ताव करता है, जो एक नवीन मैक्सिमिन फ्रेमवर्क है जो उच्च-आयामी डेटा से सुदृढ़ व्यक्तिगत उपचार प्रभावों (individualized treatment effects) का अनुमान लगाने के लिए लेटेंट फैक्टर रिप्रजेंटेशन और एडवरसेरियल लर्निंग का लाभ उठाता है, जिससे अनमैच्ड क्लिनिकल डोमेन को ध्यान में रखते हुए मौजूदा विधियों की सामान्यीकरण सीमाओं को दूर किया जा सके।
यह शोध पत्र वीबल लाइफटाइम्स (Weibull lifetimes) वाले स्टेप-स्ट्रेस एक्सीलरेटेड लाइफ टेस्ट के लिए मिनिमम डेंसिटी पावर डाइवर्जेंस एस्टिमेटर्स (MDPDEs) का उपयोग करके एक सुदृढ़ अनुमान ढांचा प्रस्तावित करता है, जो सैद्धांतिक व्युत्पत्ति, सिमुलेशन अध्ययन और वास्तविक दुनिया के डेटा अनुप्रयोग के माध्यम से दक्षता बनाए रखते हुए पारंपरिक मैक्सिमम लाइकलीहुड एस्टिमेटर्स की आउटलेर्स के प्रति संवेदनशीलता को संबोधित करता है।
यह शोध पत्र एक बेयसियन फैक्टर मॉडल प्रस्तावित करता है जो एक श्रिंकेज प्रायर (shrinkage prior) का उपयोग करता है ताकि एक सरल संरचना के साथ बढ़ता हुआ श्रिंकेज प्राप्त किया जा सके जो गिब्स सैंपलिंग (Gibbs sampling) के माध्यम से कुशल सटीक पोस्टीरियर इन्फरेंस (posterior inference) और तेज़ वेरिएशनल एप्रोक्सिमेशन (variational approximation) को सक्षम बनाता है, जो सटीकता और कम्प्यूटेशनल दक्षता दोनों में मौजूदा विधियों से बेहतर प्रदर्शन करता है।
यह शोध पत्र संभावित परिणामों के बीच क्रॉस-वर्ल्ड सहसंबंध पर प्रशंसनीय सीमाओं का लाभ उठाकर, रेट्रोस्पेक्टिव काउंटरफैक्चुअल परिणामों का अनुमान लगाने और वैध प्रेडिक्शन इंटरवल्स (पूर्वानुमान अंतराल) के निर्माण के लिए एक क्रॉस-वर्ल्ड दृष्टिकोण प्रस्तावित करता है, जिससे तथ्यात्मक परिणामों को अनदेखा करने और उन्हें पूर्ण भविष्यवक्ता मानने के बीच के अंतर को पाटने में मदद मिलती है।
यह शोध पत्र एक मल्टी-ग्रुप सेटिंग में नॉनपैरामेट्रिक डेंसिटीज के कॉनवेक्स कॉम्बिनेशन को अनमिक्स करने के लिए एक रेट-ऑप्टिमल एस्टिमेटर का प्रस्ताव और विश्लेषण करता है, जो मिनिमैक्स कन्वर्जेंस रेट्स प्राप्त करने के लिए ग्रुप-विशिष्ट कर्नल वेटिंग को यू-सांख्यिकी (U-statistics) डी-बायसिंग के साथ जोड़कर टॉपिक मॉडलिंग को निरंतर चरों (continuous variables) तक विस्तारित करता है।
यह शोध पत्र मल्टीफिडेलिटी कंप्यूटर मॉडलों में उच्च-आयामी स्थानिक आउटपुट के लिए एक मल्टीवेरिएट गॉसियन प्रोसेस एमुलेशन फ्रेमवर्क प्रस्तुत करता है, जो गणनात्मक रूप से कुशल और सटीक स्टॉर्म सर्ज जोखिम मूल्यांकन को सक्षम करने के लिए ऑटोरेग्रेसिव कोक्रिगिंग पर आधारित दो नवीन क्रॉस-कोवेरिएंस संरचनाओं का उपयोग करता है।
यह शोध पत्र SPLADE को प्रस्तुत करता है, जो सामान्य निर्भरता (general dependence) के तहत स्थानिक डेटा में एकाधिक अक्ष-संरेखित विसंगतिपूर्ण पैच (multiple axis-aligned anomalous patches) को स्थानीयकृत करने के लिए एक स्केलेबल और प्रमाणित रूप से सटीक दो-चरणीय विधि है, जो सिंथेटिक बेंचमार्क और वास्तविक दुनिया के वीडियो निगरानी अनुप्रयोगों दोनों में मौजूदा दृष्टिकोणों की तुलना में बेहतर कम्प्यूटेशनल दक्षता, सटीकता और मजबूती प्रदर्शित करता है।
यह शोधपत्र प्रारंभिक युक्तियों के माध्यम से आंतरिक प्रतिकृति (internal replication) उत्पन्न करके अर्ध-प्राचलीकृत (semiparametric) और अत्यधिक-प्राचलित (highly-parametrized) मॉडलों के आकलन के लिए एक नवीन ढांचे का प्रस्ताव करता है, जिससे बाधा डालने वाले प्राचल अनुमान (nuisance parameter estimation) और ट्यूनिंग की कठिनाइयों से बचने के लिए पारंपरिक आउट-ऑफ-सैंपल भविष्यवाणी को इन-सैंपल मानदंडों से प्रतिस्थापित किया जा सके, साथ ही विभिन्न सांख्यिकीय परिवेशों में प्रभावशीलता प्रदर्शित की जा सके।