2379 पेपर
यह शोध पत्र नेगेटिव कंट्रोल कॉज़ल सर्वाइवल फॉरेस्ट्स (NC-CSF) को प्रस्तुत करता है, जो एक नवीन नॉनपैरामीट्रिक विधि है जो अनमैच्ड कन्फाउंडिंग और सेंसर किए गए परिणामों के बावजूद अवलोकनात्मक सर्वाइवल अध्ययनों में हेट्रोजेनियस ट्रीटमेंट इफेक्ट्स का सटीक अनुमान लगाने के लिए प्रॉक्सिमल कॉज़ल इन्फरेंस से नेगेटिव कंट्रोल्स को कॉज़ल सर्वाइवल फॉरेस्ट्स के साथ एकीकृत करता है।
यह शोध पत्र DExtrI प्रस्तुत करता है, जो उन परिदृश्यों में संयोजी अंतःक्रिया प्रभावों (combinatorial interaction effects) की भविष्यवाणी करने के लिए सैद्धांतिक गारंटी वाला एक तरीका है जहाँ प्रशिक्षण डेटा में केवल एकल सक्रिय सहचर (single active covariates) होते हैं, जिससे ड्रग डिस्कवरी और हाइपरपैरामीटर ऑप्टिमाइज़ेशन जैसे अनुप्रयोगों में अनदेखे बहु-सहचर संयोजनों (unseen multi-covariate combinations) तक सफल सामान्यीकरण सक्षम होता है।
यह शोध पत्र एक नवीन आंशिक पहचान शिक्षण ढांचे (partial identification learning framework) का प्रस्ताव करता है जो एक सामान्यीकृत मिनिमैक्स हानि मानदंड (minimax loss criterion) और एक सममित एम्बेडिंग रणनीति को पेश करके श्रेणीबद्ध उपचारों, परिणामों और इंस्ट्रुमेंटल वेरिएबल्स तक व्यक्तिगत उपचार नियम अनुकूलन (individualized treatment rule optimization) का विस्तार करता है, जिससे एक अवकलनीय सरोगेट जोखिम फलन (differentiable surrogate risk function) प्राप्त होता है, और इस प्रकार मजबूत कारण धारणाओं पर निर्भर किए बिना अपरिभाषित कन्फाउंडिंग के तहत सुदृढ़ निर्णय लेने में सक्षम बनाया जाता है।
यह शोध पत्र प्रयोगशाला-आयुक्षित चक्रीय डेटा में मापन शोर और सेल-टू-सेल भिन्नता के बीच अंतर करके, बैटरी के स्वास्थ्य की स्थिति (SoH) की ±0.191% की सटीकता के साथ सटीक भविष्यवाणी करने के लिए नियमितीकृत पुनरावृत्ति सामान्यीकृत न्यूनतम वर्ग (regularised iterative generalised least squares) का उपयोग करते हुए एक नवीन प्रथम-क्रम रैखिकीकृत गैर-रेखीय बार-बार मापन मॉडल प्रस्तुत करता है।
यह शोधपत्र यह स्पष्ट करता है कि फिक्स्ड-कॉन्फिडेंस बेस्ट-आर्म आइडेंटिफिकेशन में यूनियन बाउंड क्यों आवश्यक है, यह प्रदर्शित करते हुए कि स्पष्ट बहुलता (मल्टीप्लिसिटी) का मुद्दा परिकल्पना अभिविन्यास (हाइपोथीसिस ओरिएंटेशन) के बावजूद बना रहता है, जो या तो कई वास्तविक नल (true nulls) के रूप में या एकल वास्तविक नल को गलत तरीके से अस्वीकार करने के कई मार्गों के रूप में प्रकट होता है।
यह शोध पत्र गैर-पैरामीट्रिक रिग्रेशन के लिए डीप ReLU नेटवर्क का उपयोग करते हुए एक दो-चरणीय ट्रांसफर लर्निंग फ्रेमवर्क प्रस्तावित करता है जो एक सामान्य संरचना का अनुमान लगाने के लिए डेटा को पूल करता है और फिर समूह-विशिष्ट ऑफसेट्स सीखता है, जिससे पदानुक्रमित संरचना मॉडल (hierarchical composition models) के तहत आयामीता के अभिशाप (curse of dimensionality) पर विजय प्राप्त करते हुए इष्टतम अभिसरण दर (optimal convergence rates) प्राप्त की जाती है।
यह शोध पत्र एग्रीगेट डेटा वाले सामान्यीकृत रैखिक मिश्रित मॉडलों का उपयोग करके रैंडम-इफेक्ट्स मेटा-एनालिसिस के लिए एक एकीकृत, बार्टलेट-सुधारित प्रोफाइल लाइकलीहुड फ्रेमवर्क (PLSBC) प्रस्तावित करता है, जो विभिन्न एक्सपोनेंशियल फैमिली डिस्ट्रीब्यूशंस में अध्ययनों की संख्या कम होने पर भी कॉन्फिडेंस इंटरवल कवरेज में प्रभावी रूप से सुधार करता है और बायस को कम करता है।
यह शोध पत्र यह प्रदर्शित करता है कि पश्चवर्ती अपेक्षाओं (posterior expectations) को लक्षित पश्च वितरण (target posterior) के पूर्ण सन्निकटन की आवश्यकता के बजाय मध्यवर्ती टेम्परड वितरणों (intermediate tempered distributions) से सटीक रूप से एक्सट्रपलेशन किया जा सकता है, जो अनुक्रमिक मोंटे कार्लो (sequential Monte Carlo) विधियों के लिए एक नवीन पोस्ट-प्रोसेसिंग वेरिएंस-रिडक्शन टूल की ओर ले जाता है।
SSLfmm R पैकेज अर्ध-पर्यवेक्षित शिक्षण (semi-supervised learning) के लिए एक लाइकलीहुड-आधारित गॉसियन फाइनाइट-मिक्सचर फ्रेमवर्क पेश करता है जो वर्गीकरण प्रदर्शन को बेहतर बनाने के लिए वर्ग वितरण और लेबल-अनुपलब्धता तंत्र (जिसमें MCAR, MAR और मिश्रित परिदृश्य शामिल हैं) को संयुक्त रूप से मॉडल करता है, जब लेबल की उपलब्धता स्वयं सूचनात्मक संकेत समाहित करती है।
यह शोध पत्र यादृच्छिक परीक्षणों (randomized trials) में बाइनरी परिणामों के लिए व्यक्तिगत उपचार प्रभाव मॉडल के मध्यम अंशांकन (moderate calibration) का आकलन करने हेतु गैर-प्राचलिक विधियों (non-parametric methods) और एक संबद्ध R पैकेज को प्रस्तुत करता है, जो एक कार्यात्मक केंद्रीय सीमा प्रमेय (functional central limit theorem) पर आधारित स्टोकेस्टिक प्रक्रिया का उपयोग करके अनदेखे प्रति事实 (unobserved counterfactuals) और नियमितीकरण (regularization) से संबंधित चुनौतियों पर विजय प्राप्त करता है।