2446 पेपर
यह शोध पत्र BASIL को प्रस्तुत करता है, जो एक स्केलेबल बेयसियन ढांचा (framework) है जो ट्रांसक्रिप्टोमिक डेटा के लिए लेटेंट वेरिएबल इन्फरेंस में एनोटेटेड जीन सेट्स को एकीकृत करता है, जिससे बिना किसी गणनात्मक रूप से महंगे सैंपलिंग या मैनुअल हाइपरपैरामीटर ट्यूनिंग की आवश्यकता के, व्याख्या योग्य और पुनरुत्पादनीय जैविक पथों (pathways) की पहचान संभव होती है।
यह शोध पत्र नेटवर्क हस्तक्षेप और होमोफिली (homophily) के तहत वैश्विक औसत उपचार प्रभाव अनुमान के तहत वर्स्ट-केस मीन स्क्वेर्ड एरर (worst-case mean squared error) को न्यूनतम करने के लिए प्रयोगात्मक डिजाइनों को अनुकूलित करने हेतु एक नवीन ढांचे का प्रस्ताव करता है, जो इन प्रतिस्पर्धी कारकों को संतुलित करने के लिए गॉसियन राउंडिंग (Gaussian rounding) और ग्राम-श्मिट वॉक (Gram-Schmidt Walk) एल्गोरिदम के साथ सेमीडेफिनेट प्रोग्रामिंग (semidefinite programming) का उपयोग करता है।
यह अध्ययन मात्रात्मक रूप से प्रकट करता है कि व्यापक रूप से उपयोग किए जाने वाले मुफ्त-संस्करण वाले बड़े भाषा मॉडल सटीक चिकित्सा साहित्य संदर्भों को पुनर्प्राप्त करने के दौरान महत्वपूर्ण परिवर्तनशीलता और पूर्ण विफलता की उच्च दर (47.8%) प्रदर्शित करते हैं, जो एआई द्वारा जनरेट किए गए ग्रंथ सूची डेटा के मानवीय सत्यापन की महत्वपूर्ण आवश्यकता को रेखांकित करता है।
यह शोध पत्र मल्टीपल जंप एमएमसी (Multiple Jump MCMC) एल्गोरिदम प्रस्तुत करता है, जो बाइनरी मॉडल स्पेस पर बायेसियन अनुमान के लिए एक सरल और रिजेक्शन-फ्री विधि है, जो पारंपरिक दृष्टिकोणों की तुलना में गति और स्केलेबिलिटी में काफी बेहतर प्रदर्शन करती है, जैसा कि बड़े पैमाने के गॉसियन ग्राफिकल मॉडल को अत्याधुनिक तकनीकों की तुलना में सैकड़ों गुना तेज़ी से हल करने की इसकी क्षमता द्वारा प्रदर्शित किया गया है।
यह शोध पत्र रिप्स डेथ डायमीटर-आधारित बैंडविड्थ के साथ कर्नेल डेंसिटी एस्टीमेशन का उपयोग करके विसंगति का पता लगाने के लिए लुकआउट एल्गोरिदम का एक अद्यतित संस्करण प्रस्तुत करता है, जो अपने पूर्ववर्ती की तुलना में निरंतरता, सुदृढ़ बहुभिन्नरूपी स्केलिंग और विविध उदाहरणों में बेहतर प्रदर्शन की सैद्धांतिक गारंटी प्रदान करता है।
यह शोधपत्र प्रदर्शित करता है कि मानक कॉची कॉम्बिनेशन टेस्ट (Cauchy combination test) परीक्षणों की संख्या बढ़ने पर निर्भरता के तहत निश्चित सार्थकता स्तरों पर सटीक आकार बनाए रखने में विफल रहता है, और एक नवीन बाउंड्री-लेयर कैलिब्रेटेड संस्करण (BL-CCT) प्रस्तावित करता है जो टेस्ट स्टैटिस्टिक के बजाय संदर्भ वितरण को समायोजित करके इस विरूपण को ठीक करता है, जिससे कमजोर सहसंबंध स्थितियों के तहत भी अनंत रूप से सटीक परिणाम प्राप्त करना संभव होता है।
यह शोध पत्र एक क्वांटम-प्रेरित ढांचे का प्रस्ताव करता है जो ड्राइवर की विषमता को डेंसिटी मैट्रिसेस (density matrices) द्वारा प्रतिनिधित्व किए गए विकसित होते गुप्त अवस्थाओं के रूप में मॉडल करता है, जिसमें अनुभवजन्य ड्राइविंग डेटा से व्यवहार संबंधी प्रोफाइल निकालने और विश्लेषण करने के लिए गैर-रेखीय रैंडम फूरियर फीचर्स (non-linear Random Fourier Features) और संदर्भ-निर्भर टेम्पोरल डायनेमिक्स का उपयोग किया गया है।
यह शोध पत्र उच्च-आयामी श्रेणीबद्ध डेटा (categorical data) के लिए एक पहचान योग्य रिड्यूस्ड-रैंक स्थानिक बहुपद मॉडल (spatial multinomial model) प्रस्तुत करता है जो मापदंडों को कम करने के लिए साझा गुप्त कारकों (shared latent factors) का उपयोग करता है, मानक अनुमान सीमाओं को दूर करने के लिए लाप्लास-अनुमान प्रस्तावों (Laplace-approximation proposals) के साथ एक नवीन गिब्स सैंपलर (Gibbs sampler) का उपयोग करता है, और सिमुलेशन एवं वृक्ष प्रजातियों के मानचित्रण के एक वास्तविक अनुप्रयोग के माध्यम से स्केलेबल प्रदर्शन प्रदर्शित करता है।
यह शोध पत्र मिनिमैक्स ऑप्टिमाइज़ेशन प्रेडिक्टिव इन्फरेंस (MOPI) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो मिनिमैक्स फॉर्मूलेशन के माध्यम से लचीले सेट-वैल्यूड मैपिंग्स को अनुकूलित करके कॉन्फॉर्मल प्रेडिक्शन में श्रेष्ठ शेप-एडेप्टिव कंडीशनल कवरेज प्राप्त करता है, जिससे फिक्स्ड स्कोर फंक्शन्स की सीमाओं को दूर करते हुए सैद्धांतिक गारंटी और बेहतर अनुभवजन्य दक्षता प्रदान की जाती है।
यह शोध पत्र "चेन्ड मार्कोव मेलिंग" (chained Markov melding) का प्रस्ताव करता है, जो सामान्य मात्राओं द्वारा जुड़े बेयज़ियन उप-मॉडलों की श्रृंखलाओं को संयोजित करने के लिए एक विधि और उससे संबंधित सैंपलिंग एल्गोरिदम है, जो विषम डेटा स्रोतों को एकीकृत करने के लिए पूर्व सामंजस्य (prior reconciliation) और पश्च अनुमान (posterior estimation) की चुनौतियों को प्रभावी ढंग से संबोधित करता है।