2447 पेपर
यह शोध पत्र ऑगमेंटेड टाइम सीरीज़ कॉज़ल मॉडल्स (ATSCM) को प्रस्तुत करता है, जो एक नवीन ढांचा है जो ऊर्जा बाजारों में जटिल, समय-परिवर्तनीय कारण संबंधों को गतिशील रूप से मॉडल करने और बिजली मूल्य निर्धारण के लिए व्याख्या योग्य परिदृश्य विश्लेषण को सक्षम करने के लिए न्यूरल कॉज़ल डिस्कवरी को काउंटरफैक्चुअल रीजनिंग के साथ एकीकृत करता है।
यह शोध पत्र टाइम-सीरीज न्यूरल कॉज़ल मॉडल VAE (TNCM-VAE) का प्रस्ताव करता है, जो एक नवीन ढांचा है जो सिंथेटिक वित्तीय समय श्रृंखला (टाइम सीरीज़) उत्पन्न करने के लिए वेरिएशनल ऑटोएनकोडर्स को स्ट्रक्चरल कॉज़ल मॉडल्स के साथ एकीकृत करता है जो दोनों टेम्पोरल डिपेंडेंसीज़ और कॉज़ल रिलेशनशिप्स को सुरक्षित रखता है, जिससे सुदृढ़ काउंटरफैक्चुअल विश्लेषण और जोखिम मूल्यांकन सक्षम होता है।
यह शोधपत्र अनुक्रमिक परिवेश (sequential settings) में 'सीक्वेंशियल कॉज़ल मल्टी-एजेंट सिस्टम' को पेश करके 'कॉज़ल नॉर्मल फॉर्म गेम्स' का विस्तार करता है, लेकिन इसका व्यापक सैद्धांतिक और अनुभवजन्य विश्लेषण यह प्रकट करता है कि, मानक तर्कसंगत धारणाओं के तहत, ये कॉज़ल ढांचे शास्त्रीय स्टैकेलबर्ग इक्विलिब्रियम (Stackelberg equilibrium) की तुलना में कोई कल्याणकारी लाभ प्रदान नहीं करते हैं, जिससे वर्तमान खेल-सिद्धांत मॉडल (game-theoretic models) में तर्कसंगत चयन और कॉज़ल रीजनिंग लाभों के बीच एक मौलिक असंगति उजागर होती है।
यह शोध पत्र एक हस्ताक्षरित ब्लॉक -मॉडल (signed block -model) प्रस्तावित करता है जो विषम हस्ताक्षरित नेटवर्क (heterogeneous signed networks) में सुदृढ़ और दुर्बल संतुलन (strong and weak balance) को एक साथ कैप्चर करता है, इसकी पहचान क्षमता (identifiability) स्थापित करता है, एक कुशल अनुकूलन एल्गोरिदम विकसित करता है, और संभाव्यता अनुमान (probability estimation) तथा समुदाय पहचान (community detection) दोनों के लिए अनंत स्थिरता (asymptotic consistency) सिद्ध करता है।
यह शोध पत्र गणनात्मक रूप से कुशल और सांख्यिकीय रूप से सुसंगत रैंडम फ़ॉरेस्ट वेरिएंट पेश करता है जो आउट-ऑफ-डिस्ट्रीब्यूशन सामान्यीकरण को बेहतर बनाने के लिए विविध वातावरणों में अधिकतम जोखिम को कम करते हैं, जो माध्य वर्ग त्रुटि, नकारात्मक पुरस्कार और रिग्रेट-आधारित जोखिमों के लिए नवीन गारंटी प्रदान करते हैं।
यह शोध पत्र एपिस्टेमिक सपोर्ट-पॉइंट फ़िल्टर (ESPF) को प्रस्तुत करता है, जो एक गणितीय रूप से सिद्ध इष्टतम साक्ष्य-मात्र फ़िल्टर है जो सबसे खराब स्थिति की एपिस्टेमिक अज्ञानता को न्यूनतम करने के लिए जेनेसियन मैक्सिमम एंट्रॉपी प्रोपेगेशन को पॉपरियन फाल्सिफिकेशन अपडेट के साथ संश्लेषित करता है, जिससे यह बेयसियन दृष्टिकोणों से बेहतर प्रदर्शन करते हुए गॉसियन सीमा में कलमन फ़िल्टर को पुन: प्राप्त करता है।
यह शोध पत्र एक बहुचर (multivariate) बहु-चरणीय नेस्टेड त्रुटि प्रतिगमन मॉडल के तहत कई आश्रित लघु क्षेत्र विशेषताओं के लिए एक बहुचर छद्म-अनुभवजन्य सर्वश्रेष्ठ रैखिक निष्पक्ष भविष्यवक्ता (best linear unbiased predictor) और संबद्ध बूटस्ट्रैप माध्य वर्ग त्रुटि अनुमानकों का प्रस्ताव करता है, जो इकाई-स्तरीय और क्षेत्र-स्तरीय दोनों डेटा के लिए डिज़ाइन निरंतरता और लचीलापन सुनिश्चित करता है।
यह शोध पत्र दो नवीन g-कंप्यूटेशन एल्गोरिदम का प्रस्ताव और सत्यापन करता है जो समय-परिवर्तनीय भ्रम (time-varying confounding) और अर्ध-प्रतिस्पर्धी घटनाओं (semi-competing events - जहाँ मृत्यु गैर-अंतिम परिणामों को रोक देती है) की एक साथ चुनौतियों का प्रभावी ढंग से समाधान करते हैं ताकि समय-परिवर्तनीय हस्तक्षेपों के कारण प्रभावों का अनुमान लगाया जा सके, जो सिमुलेशन में बेहतर प्रदर्शन प्रदर्शित करते हैं और उच्च रक्तचाप के एक अनुदैर्ध्य अध्ययन में धूम्रपान रोकथाम के संभावित स्वास्थ्य लाभों को प्रकट करते हैं।
यह शोध पत्र कॉज़ल कॉन्सेप्ट ग्राफ्स (CCG) प्रस्तुत करता है, जो एक ऐसा ढांचा है जो टास्क-कंडीशन्ड स्पार्स ऑटोएनकोडर्स को डिफरेंशिएबल स्ट्रक्चर लर्निंग के साथ जोड़ता है ताकि LLMs में व्याख्या योग्य लेटेंट फीचर्स के बीच कॉज़ल डिपेंडेंसीज को मैप किया जा सके, और यह कॉज़ल फिडेलिटी स्कोर के माध्यम से प्रदर्शित करता है कि ग्राफ-गाइडेड इंटरवेंशन मौजूदा ट्रेसिंग और रैंडम बेसलाइन्स की तुलना में स्टेपवाइज रीजनिंग प्रदर्शन को महत्वपूर्ण रूप से बढ़ाते हैं।
यह शोधपत्र एक सरोगेट-असिस्टेड टार्गेटेड मिनिमम लॉस एस्टिमेटर प्रस्तावित करता है जो एडमिनिस्ट्रेटिव सेंसरिंग के तहत विलंबित परिणामों वाले कारण अनुमान (कॉज़ल इन्फरेंस) के लिए एसिम्प्टोटिक लीनियरिटी और डबल रोबस्टनेस प्राप्त करता है, जो अनिश्चित इनवर्स-प्रोबेबिलिटी वेटिंग से बचने और कंडीशनल सरोगेट लॉ का सीधे अनुमान लगाए बिना सेकंड-ऑर्डर बायस को समाप्त करने के लिए एक सरोगेट-ब्रिज रिप्रेजेंटेशन का लाभ उठाता है।